您正在使用IE低版浏览器,为了您的雷锋网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
此为临时链接,仅用于文章预览,将在时失效
业界 正文
发私信给付静
发送

0

中国版波士顿动力!Science 子刊封面:机器狗「绝影」陌生环境中摸爬滚打

本文作者:付静 2020-12-15 18:06
导语:“中国未来肯定也会出现类似波士顿动力公司一样的黑马。”

提起机器狗,我们很可能会想到全球机器人开发领域头部公司波士顿动力的「网红」Spot。

中国版波士顿动力!Science 子刊封面:机器狗「绝影」陌生环境中摸爬滚打

但放眼全球,设计机器狗的公司并非仅波士顿动力一家。

2020 年 10 月,瑞士 ANYbotics 公司设计的机器狗 ANYmal 登上 Science 子刊、机器人顶刊 Science Robotics 封面。

中国版波士顿动力!Science 子刊封面:机器狗「绝影」陌生环境中摸爬滚打

11 月 20 日,出自腾讯 Robotics X 实验室的 Jamoca 作为国内首个能完成走梅花桩复杂挑战的机器狗亮相。

中国版波士顿动力!Science 子刊封面:机器狗「绝影」陌生环境中摸爬滚打

而自 2018 年以来,由云深处科技设计的「绝影」也逐渐进入众人视野,开始寻找合适的商用场景。

中国版波士顿动力!Science 子刊封面:机器狗「绝影」陌生环境中摸爬滚打

从 2018 年 3 月刷爆朋友圈,到 2018 年 12 月经迭代获得了具备跑步、上下台阶的能力,再到 2019 年 11 月实现了奔跑、跳跃步态,机器狗「绝影」相关技术一直在不断发展。

近日,「绝影」更是登上了最新一期 Science Robotics 杂志封面。

中国版波士顿动力!Science 子刊封面:机器狗「绝影」陌生环境中摸爬滚打

机器狗学习「专家技能」

2020 年 12 月 9 日,「绝影」相关论文正式发表于 Science Robotics,题为 Multi-expert learning of adaptive legged locomotion(适应性腿部运动的多专家学习)。

中国版波士顿动力!Science 子刊封面:机器狗「绝影」陌生环境中摸爬滚打

研究团队表示:

理解和创造适应性运动,是机器人领域长期以来的一个科研主题。

自然,机器人要想实现多种运动,需要具备能够适应前所未见的情况的运动技能。

论文介绍,在无法预料的环境下,机器人很可能出现运动故障——通常,机器人失去平衡的一秒内便会摔倒,防止其跌倒的时间范围约为 0.2-0.5 秒,在这短短的区间内,要协调不同的运动模式,从而减轻其受到的干扰,防止故障或从故障中恢复。

下图 A 展示了「绝影」在测试中遇到的三种具有挑战性的场景,或是机身意外碰到了地面,或是直接翻车。

中国版波士顿动力!Science 子刊封面:机器狗「绝影」陌生环境中摸爬滚打

最初,设计机器人运动有两条思路:

  • 站在神经学角度,动物的感觉运动控制系统(sensorimotor control system)如何处理各种感觉信息、并在看不见的情况下产生适应反应,是一个值得深究的话题;

  • 而站在机器人角度,受生物启发,将生物原理(如原始神经回路)转化为机器人的行为,是个有趣的领域。

但由于运动皮层的潜在机制还不能完全复制,研究团队选择了后者——从生物运动控制中获得灵感,开发能够实现机器人运动技能适应的学习算法。

具体来讲,研究团队提出了一种基于深度强化学习的「多专家学习体系结构」(multi-expert learning architecture,MELA),可从一组具有代表性的专家技能中学习生成自适应技能。

首先,在各自的深度神经网络(DNN)中,一组(8 个)经过训练的专家技能对 MELA 进行初始化。

然后,通过门控神经网络(GNN)学习 DNN 的组合,MELA 获得更多的跨各种运动模式的专家技能、过渡技能。

运行过程中,MELA 不断混合多种 DNN,动态合成一种新的 DNN,以产生适应环境变化的行为。

研究团队提到:

MELA 实际上就是由 DNN 和 GNN 组成的分层强化学习结构。

中国版波士顿动力!Science 子刊封面:机器狗「绝影」陌生环境中摸爬滚打

研究团队表示:

这种方法充分利用了训练有素的专家技能和快速在线上综合的适应性策略,在不断变化的任务中生成响应性运动技能。

同时,研究团队主要分两层对机器人进行控制:

  • 底部层:使用转矩控制打造关节阻抗;

  • 顶部层:指定深度神经网络(DNN),确定关节固定点,调节姿势和关节转矩,从而建立力与环境的相互作用。

通过这样的框架,研究团队在机器狗身上成功演示了多种运动技能,比如在平路、楼梯、跷跷板、砾石堆等路面自主进行连贯的小跑、转向和跌倒后起身。同时,「绝影」还展示了 MELA 生成行为的优势,这些行为可以适应一些不可见的、完全陌生的场景。

至此,「绝影」在应对地震等自然灾害时将更加敏捷了。

绝影,在云深处

该论文作者来自爱丁堡大学信息学院、浙江大学智能系统与控制研究所,其中就包括朱秋国——「绝影」项目负责人、浙江大学控制科学与工程学院讲师、硕导。

中国版波士顿动力!Science 子刊封面:机器狗「绝影」陌生环境中摸爬滚打

据浙江大学官网信息,朱秋国教授:

  • 2003-2008 年就读于浙江大学机械与能源工程学院,获机械电子工程专业学士;

  • 2008-2011 年就读于浙江大学控制科学与工程学院,获控制科学与工程专业硕士学位;

  • 2017 年至今,浙江大学控制科学与工程专业博士在读。

早在 2011 年,朱秋国教授就加入浙大智能系统与控制研究所,专注仿生机器人、机器智能等研究,成为「绝影」等项目的负责人。

其实,朱秋国教授还有一个名衔——云深处科技(DeepRobotics)创始人。

2017 年 11 月,这家专注移动机器人领域的公司成立。雷锋网注意到,云深处科技官网显示着四款功能不同的机器人(绝影 Mini Lite、绝影 Mini、绝影和绝影 Pro),应用场景涵盖了教育科研、安防巡检、物流运输等。

一直以来,外界将云深处科技称为是“中国版波士顿动力”,2018 年朱秋国教授曾表示:

虽然绝影与波士顿动力公司的产品相比,从步态功能、行走速度到适应复杂环境等能力还有一些差距,但至少这是一个起步,表明开始有了自己的研究平台,有了自己的控制模型与算法。只要通过对其不断进行优化迭代,差距会不断缩小,中国未来肯定也会出现类似波士顿动力公司一样的黑马。

如今这家公司四足机器人技术的发展获得了国际权威学术期刊的认可,未来还将会有怎样的突破,我们拭目以待。

引用来源:

https://robotics.sciencemag.org/content/5/49/eabb2174

http://www.cse.zju.edu.cn/redir.php?catalog_id=1055601&object_id=1172993

https://person.zju.edu.cn/0011353#

http://www.cse.zju.edu.cn/redir.php?catalog_id=1055601&object_id=1076167

雷锋网雷锋网(公众号:雷锋网)雷锋网

雷锋网原创文章,未经授权禁止转载。详情见转载须知

分享:
相关文章

文章点评:

表情

编辑

关注前沿科技。
当月热门文章
最新文章
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说