波士顿动力研究报告论文

“逆天机器人 Atlas”能够自主导航了! 大家对 Atlas 机器人一定不陌生。2013 年，波士顿动力公司为美国国防部高级研究计划局 (DARPA) 的一项挑战赛创造了 Atlas 机器人，它能走能跑，草地、雪地、碎石地都不在话下，甚至能做 360 度后空翻。它被称为 “逆天机器人 Atlas”。 尽管有如此惊人的敏捷度，Atlas 机器人在走路时仍然很容易摔倒，尤其是当地面不平整时，双足机器人很难计算他们的脚应该放在哪里才能保持平衡。 这是因为，Atlas 机器人走的每一步都必须由人类操作员决定，并通过用户界面输入。 编程让机器人在平坦的地面上行走已经够困难的了，但是佛罗里达人类与机器认知研究所 (IHMC) 正在解决一个更大的挑战：确保双足机器人能够成功地在崎岖的地形上行走。 该研究所自 2016 年以来一直在研究这个问题。 今天，IHMC 发布的最新视频，展示了这个领域的最新进展：机器人可以通过自主步伐规划算法，在狭窄的地形中自主导航了! 视频中，IHMC 开发的自主步伐规划 (autonomous footstep planning) 程序正在波士顿动力公司的 Atlas 机器人和美国宇航局开发的 Valkyrie 机器人上运行。 视频展示了机器人在一堆煤渣块上面行走，甚至能穿过更窄的路径，由于导航选项有限，路径越窄导航就越困难。 操作人员为机器人指定一个开始点和一个结束点，然后映射所有可能的路径，评估每个路径的成本，选择一个最好的路径，最终到达目标点 —— 所有这些都发生在快速的现代硬件上。 利用 IHMC 的算法，这些机器人还可以快速适应环境变化和路径障碍，甚至能够在一条 “独木桥” 式的狭窄路径上行走。 该算法使用机器人的传感器对环境进行调查，并将环境分割成多个部分。每个部分都被分解成一系列的多边形，从而创建一个环境模型，这样机器人就可以规划出从起点到目标点的每一步。 研究人员表示，还有很多工作要做 ——Atlas 机器人在狭窄小路上自主导航行走的成功率是 50%，在崎岖地形的成功率达到 90%，而在平坦地形的成功率接近 100%。 研究人员计划提高路径规划的速度和能力，在迷宫和看不见的目标环境中测试，第一步是加入一个身体路径规划器。 视频和论文已经提交给 IEEE 2019 类人机器人大会。 详解Atlas如何自主导航：点云分割、基于图搜索 IHMC 在视频中详细描述了机器人如何做到自主导航的。 为了在一个杂乱或复杂的环境中行走，双足机器人必须要能够找出他们可以把脚放在哪个位置，而且需要快速完成这个过程。在参加 DARPA 机器人挑战赛时，IHMC 团队需要让人类操作员通过一个用户界面来指导 Atlas 的每一步放在什么位置，这个过程非常缓慢，给操作员带来了很大的负担。 一旦脚步放错，机器人就会跌倒 ——IHMC 的 Atlas 机器人在最后一场决赛时毫无预兆地跌倒了…… 在这个最新研究中，研究人员使用传感器获取机器人周围环境信息，生成点云，然后将点云分割成平面区域，以更紧凑的形式表示来自传感器的大量数据。 点云环境模型 有了这个环境模型，目标就变成了规划一系列的脚步，让机器人的初始点走到最终目标。 为此，研究人员使用基于图的搜索技术，如 A* 算法，图中的每个节点代表一个脚步。当展开一个节点时，对 x 和 y 平移进行网格搜索。 在此基础上，考虑前一步的平移和旋转，并评估每一步的成本，确定下一步的最佳位置。 通过正确的调优和检查，这种方法适用于各种各样的环境。 例如与平地上，它可以很快地规划目标，成功率接近完美。 当穿越崎岖的地形时，规划速度也相当快。 目标位置的改变会机器人避障的最佳路径。 机器人还能够利用规划算法挤着穿过狭窄的通道。 在这种环境下，为了避免与环境发生碰撞，机器人不得不几乎完全转向一侧。 部分脚印在环境中提供额外的落脚位置，允许机器人在更复杂的地形中行走。 机器人还可以重新规划路径。 例如，当 Valkyries 的路径被阻挡时，它可以重新回到目标的新路径。 最后一个例子是台阶高低不平的环境，目标地址是较高的平台。 Atlas 能够规划它的路径先踩较高的煤渣块，然后回到较低的煤渣块，一高一低地走，直到到达目标。 Atlas有望成为身手灵活、自主导航的灾区救援机器人 Atlas 机器人由波士顿动力公司制造，IHMC Robotics 编写了控制、感知和规划算法，使机器人具备了视频中展示的灵活性。 现在，Atlas 机器人拥有了在平坦、粗糙和狭窄的路径上自主导航的能力，这对于帮助灾区救援很重要，因为在灾区，倒塌的瓦砾使得传统的救援服务难以进入。

从简单的两条腿的模拟运动，到模拟认为的站立行走，再到模拟人的自己平衡行走，再到模拟人为的跳跃，到模拟人为自由运动。

你好，因为波士顿动力生存压力很大。

5月1日，美国人类与机器认知研究所（IHMC）在波士顿动力公司的Atlas机器人身上，测试了其开发的机器人自动路线规划算法。对于机器人来说，独木桥式的狭窄通道是复杂地形，成功通过率只有50%。

我们先来了解下机器人不同的行走方式：

1.轮式移动机器人

轮式移动机器人，顾名思义，就是驱动轮子来带动机器人行走，轮式的效率最高，行进速度快，转向灵活，造价较低，故障容易处理，另外，在相对平坦的地面上，轮式移动比足部更具优势，控制也相对简单，轮式移动机构现今应用相当广泛，是目前研究最为透彻的移动方式之一。

2.履带式移动机器人

典型的履带式移动机构由驱动轮、导向轮、拖带轮、履带板和履带架等部分构成。履带式移动机构适合在复杂路面上行驶，它是轮式移动机构的拓展，履带本身起着给车轮连续铺路的作用。

履带式移动结构在地面支撑面积大，接地比压小，滚动摩擦小，通过性能比较好，转弯半径小，牵引附着性能、越野机动性、爬坡、越沟等性能优于轮式移动机构。履带式移动机构广泛用于各种军用地面移动机器人。

它的缺点是由于没有自定位轮和转向机构，只能靠左右两个履带的速度差实现转弯，所以在横向和前进方向上都会产生滑动；转弯阻力大，不能准确地确定回转半径等。

3.跳跃式移动机器人

跳跃式机器人对地形有更强的适应力。但是跳跃运动首先要克服自身重力的影响，由于需要跳跃，自身重力必然要小，重力要小，质量也要小，能源就是最大问题。而且腾空和触地阶段动力学方程复杂，平衡难以控制。跳跃后半段要从高空坠落，机器人本身的抗摔能力又有着较高的要求。

4.腿式移动机器人

腿式行走机器人基于仿生学原理，目前展开广泛研究的有两足、四足、六足等各种腿足式移动机构，该机构几乎可以适应任何路面的行走，且具有良好的机动性，其运动系统具有良好的主动隔振功能，可以比较轻松地通过松软路面和大跨度障碍。在最开始，双足机器人使用的平衡控制策略是「静态步行」（static walking）。这种策略的特点是：机器人步行的过程中，重心（COG，Center of Gravity）的投影始终位于多边形支撑区域（support region）内，这种控制策略的好处在于：机器人可以在行走动作中停止而不摔倒，但代价是行动速度非常迟缓（每一步需要花费10 秒甚至更长，因为需要保持重心的投影始终位于支撑区域，否则将不稳定）。

小型双足机器人运动能力和稳定性之所以很强，主要由于它的重心很低，从某种意义上来讲，并非依靠智能完成复杂环境的适应能力，而是其机械结构提供了一定的优势。而大型双足机器人基本上都要依靠加入伺服电机的智能驱动单元（步行器的关键部分）来控制机器人稳定运动。

缺点是行进速度低缓，效率低下，而且由于腿部与地面接触面积相对较小，遇到非刚性地面状况时会出现下陷的情况。同时，由于结构方面的原因，腿式行走的机器人都无法做到结构紧凑，而且其对腿部关节部位的制造要求较高，成本较高。总体来说，腿式运行速度比较慢，机构形式在上述各种移动机构中最复杂，控制也十分困难，目前尚处于研究和实验阶段。

同时核心算法是比较耗时间的，也是研发重点，电池部分现在主要还是要依靠产业的研发能力和供应能力，机器人研发团队很少会为了电池配备相关研发人员。现在整体机器人还处在研发阶段，仍然要靠电缆连接交流电来作为电源，因此商用蓄电池持续性是最大问题。

传感器则是持续地测量机器人身上部件的方向和移动。也需要实时读出和处理这些传感器所收集的数据，持续调整伺服电机，以保持所需的平衡，不至于倒下。要达到这些要求，需要非常先进的低成本、低功耗半导体芯片，低成本的精密移动传感器，以及先进的算法和具有人工智能的语音识别和视觉识别技术。例如，美国一家公司发明了一种“推不倒”的算法，传送至Atlas人形机器人，机器人可以灵巧地平衡，甚至你如果故意推倒它，它也可以借助协调能力惊人的双足立刻稳定平衡。

一位机器人的老前辈曾说过，机器人是一个机械，机械不能革命只能进化。人类的大部分行为能力是需要借助于逻辑分析，例如思考问题需要非常明确的逻辑推理分析能力，而相对平常化的走路，说话之类看似不需要多想的事，其实也是种简单逻辑，因为走路需要的是平衡性，大脑在根据路状不断地分析判断该怎么走才不至于摔倒，而机器人走路则是要通过复杂的计算来进行。

“教”一个机器人走路远比教一个1岁的小朋友走路更辛苦，因为机器人的“大脑”一片空白，它的举手抬足应该以何种角度，到怎样的高度，都需要工程师凭逻辑和经验一一设定。而机器人要想像人一样优雅地走路，不仅要配置激光雷达、摄像头，还需要额外的算法和配套传感器。波士顿机器人经过十年变迁，本次波士顿动力机器人完成最难行走实验，其表现出的极强协调性，无疑在双足机器人的路上已经越走越远。

足式机器人无疑是最像人类，以及最能够满足替代人类进行某些 探索 活动的最佳选择，虽然波士顿机器人的军工性质很难转为民用以及其融资状况一直被人诟病，但不可否认的是其研究依旧走在机器人认知前沿。

对此您有什么意见和看法呢？欢迎留言讨论！

他们的机器人产品已经越来越完善，而且功能也越来越复杂。