鵝廠機(jī)器狗花式穿越10m梅花樁：前空翻、單樁跳、起身作揖…全程不打一個(gè)趔趄

豐色 Alex 發(fā)自 凹非寺

量子位 | 公眾號(hào) QbitAI

機(jī)器狗會(huì)中國(guó)功夫是一種什么體驗(yàn)？

且看下面這只黑白狗，直接就是一個(gè)花式過(guò)梅花樁：

瞧這單樁跳：騰空一躍，四腳穩(wěn)穩(wěn)落在前方小圓盤上，連個(gè)趔趄都沒(méi)打。

當(dāng)然，站立和起身作揖這樣的傳統(tǒng)技能也不在話下。雖然是在樁子上，但狗子完全能控制好力道不至于摔跤。

更別提下樁時(shí)，它還會(huì)耍一個(gè)完美的前空翻，穩(wěn)穩(wěn)落地結(jié)束表演。

真狗都很難做到吧～

如此身輕如燕的狗子很快就吸引了一波關(guān)注。

有人就表示希望再做大一點(diǎn)，這樣就能當(dāng)坐騎了。（話說(shuō)見(jiàn)過(guò)騎狗的嗎）

還有網(wǎng)友想讓它可以幫忙取快遞……（這還差不多）

所以，這只靈活的機(jī)器狗，到底什么來(lái)頭？

三招功夫過(guò)梅花樁

它是Max二代機(jī)器狗，來(lái)自騰訊Robotics X實(shí)驗(yàn)室，今天正式對(duì)外亮相。

在一開(kāi)始的訓(xùn)練思路上，騰訊的做法就和大眾不同。

我們知道，學(xué)會(huì)適應(yīng)復(fù)雜地形是大多數(shù)機(jī)器狗要學(xué)習(xí)的重要任務(wù)之一。

對(duì)于出現(xiàn)的踩歪、打滑等危險(xiǎn)情況，業(yè)界一般做法都是采用提?步頻、減慢速度、加?控制算法魯棒性的?段來(lái)恢復(fù)它們的平衡。

而騰訊選擇機(jī)器狗在梅花樁這樣“一旦踩歪踩錯(cuò)就沒(méi)有挽救機(jī)會(huì)”的極端地形上練習(xí)，就是為了限制它們規(guī)劃路線的誤差范圍。

這樣一來(lái)，機(jī)器狗就能夠做到一出腳就是對(duì)的，不需要試探、也不需要多余的動(dòng)作來(lái)維持或者恢復(fù)平衡，從而做到走得又快又穩(wěn)。

那么，Max是如何做到每一步都找準(zhǔn)樁?中?，精準(zhǔn)完成各種高難度動(dòng)作穿越梅花樁的呢？

簡(jiǎn)單來(lái)說(shuō)，分為三大招：地圖識(shí)別、行動(dòng)軌跡規(guī)劃和動(dòng)作控制。

1、識(shí)別地圖和定位

Max面對(duì)的是一段全長(zhǎng)10米，高0.8米（Max兩倍身高），最小樁面直徑僅10厘米梅花樁陣列。

在上樁之前，系統(tǒng)并不會(huì)給Max配備先驗(yàn)地圖，也就是每次它面對(duì)的都是未知的地圖。

因此，它要學(xué)的第一件事就是識(shí)別地形，感知自己和梅花樁的位置，以便為后面的軌跡規(guī)劃做準(zhǔn)備。

據(jù)研究人員介紹，這一步最大的挑戰(zhàn)是如何在持續(xù)力沖擊下實(shí)現(xiàn)精準(zhǔn)視覺(jué)定位和地形識(shí)別，同時(shí)兼顧實(shí)時(shí)性與低延遲。

為此，他們給Max身上配備了單?RGB攝像頭、慣性傳感器（IMU）、深度傳感器等多種設(shè)備，所有傳感數(shù)據(jù)融合在一起獲得高質(zhì)量的環(huán)境數(shù)據(jù)。

在各傳感器數(shù)據(jù)融合過(guò)程中，一種啟發(fā)式的算法被用來(lái)保證數(shù)據(jù)一致性，并通過(guò)合理評(píng)估和選擇各種傳感器數(shù)據(jù)在優(yōu)化過(guò)程中的權(quán)重，保證定位實(shí)時(shí)、穩(wěn)定并具有魯棒性。

由于Max在移動(dòng)過(guò)程具有速度快、步頻?、?沖擊?等特點(diǎn)，這會(huì)使得各種傳感器數(shù)據(jù)出現(xiàn)大量噪聲，引發(fā)干擾。

比如，在跳等動(dòng)作的持續(xù)力沖擊下，深度傳感器就會(huì)出現(xiàn)拖影現(xiàn)象。

因此，在地形的時(shí)域融合過(guò)程中，研究人員還引?了一個(gè)統(tǒng)計(jì)分布策略，它能在?效過(guò)濾錯(cuò)誤地形信息的同時(shí)，保留精確的有效地形區(qū)域結(jié)果，估計(jì)出樁?中?相對(duì)于機(jī)器?的精準(zhǔn)位置，在?定程度上也能緩解梅花樁晃動(dòng)帶來(lái)的?擾。

最終，Max做到了地形識(shí)別精度?于2cm、視覺(jué)定位累積誤差?于1%。

建成的地形?度圖可以獲取平?任意坐標(biāo)對(duì)應(yīng)的?度以及局部法向。

2、規(guī)劃最優(yōu)行動(dòng)軌跡

看準(zhǔn)地形后，下?步Max要根據(jù)所?信息完成動(dòng)作軌跡規(guī)劃，最大的難點(diǎn)是如何在快速穿越的過(guò)程中，保證實(shí)時(shí)規(guī)劃出最優(yōu)的路線。

這里就采用了一種6D最優(yōu)軌跡?成技術(shù)。

所謂6D，除了X、Y、Z軸上的位置數(shù)據(jù)，還包括機(jī)器狗需要做出的偏航、俯仰和滾動(dòng)維度的信息。

該生成技術(shù)可根據(jù)Max的運(yùn)動(dòng)步態(tài)、速度等指令，預(yù)估落腳點(diǎn)，并根據(jù)落腳點(diǎn)周邊的地形?度圖，選出最優(yōu)的點(diǎn)，也就是樁面中心。

此外，系統(tǒng)還會(huì)結(jié)合最優(yōu)點(diǎn)，考慮Max運(yùn)動(dòng)過(guò)程中的動(dòng)?學(xué)約束、摩擦約束、?端?作空間約束等，進(jìn)行?次優(yōu)化，實(shí)時(shí)求解真正的最優(yōu)6D軌跡。

對(duì)于跳躍、空翻這類動(dòng)作，Max還需要達(dá)到的一個(gè)目標(biāo)是省?，即驅(qū)動(dòng)?最?化。

這里就用到了一種基于?線性優(yōu)化的軌跡規(guī)劃技術(shù)。

該技術(shù)可以兼容四腳跳（Pronking）和雙腳跳（Bounding）等多樣化步態(tài)，通過(guò)跳躍距離、跳躍步態(tài)、最?關(guān)節(jié)?矩等約束條件，得出結(jié)果。

3、控制動(dòng)作，按軌跡精準(zhǔn)落點(diǎn)

動(dòng)作軌跡規(guī)劃好后，Max就可以開(kāi)始正式?動(dòng)，最大的考驗(yàn)是如何控制恰到好處的力、按照規(guī)劃軌跡實(shí)現(xiàn)精準(zhǔn)落點(diǎn)

在跟蹤參考軌跡方面，Max 采用了最新版xMPC+WBC（Model Predictive Control and Whole-Body Impulse Control，模型預(yù)測(cè)控制和全身控制）控制架構(gòu)， 基于更精確的線性化動(dòng)力學(xué)模型，效果更好。

而在力控方面，據(jù)研究人員介紹，一般來(lái)說(shuō)，動(dòng)作越是高動(dòng)態(tài)、越是不穩(wěn)，就越要求控制精度。

本次表演的動(dòng)作中，每個(gè)環(huán)節(jié)都有自己的難度：

空翻屬于高動(dòng)態(tài)，作揖、雙輪站立屬于易失穩(wěn)；而對(duì)于單樁跳躍這個(gè)動(dòng)作，機(jī)器狗的四?落腳點(diǎn)距離很近，?撐區(qū)域很?，收攏的腿部姿勢(shì)也導(dǎo)致 Max的運(yùn)動(dòng)及發(fā)?空間受限，對(duì)力控的精度更是要求極高。

為了實(shí)現(xiàn)以上動(dòng)作的精準(zhǔn)力控，團(tuán)隊(duì)?研了一個(gè)模型預(yù)測(cè)控制算法，并給Max加?了基于關(guān)節(jié)?矩反饋的觸地檢測(cè)能?。

這個(gè)算法的相關(guān)論文登上了機(jī)器人領(lǐng)域頂會(huì)ICRA 2022。

對(duì)于平移運(yùn)動(dòng)的追蹤，自研線性模型預(yù)測(cè)控制算法獲得了和業(yè)界經(jīng)典算法同等的控制效果；而對(duì)于旋轉(zhuǎn)運(yùn)動(dòng)的追蹤，其表現(xiàn)甚至比其他算法更優(yōu)秀。

具體而言，這個(gè)算法利?軸?和指數(shù)坐標(biāo)來(lái)表示旋轉(zhuǎn)運(yùn)動(dòng)，成功規(guī)避了之前線性化?法中的多個(gè)近似性假設(shè)，如：??速度、轉(zhuǎn)動(dòng)慣量在預(yù)測(cè)窗?內(nèi)時(shí)不變等。

最終保留了更多的參數(shù)，從?獲得了一個(gè)更精確的動(dòng)?學(xué)模型。

基于該動(dòng)?學(xué)模型，研究團(tuán)隊(duì)進(jìn)?步構(gòu)建了模型預(yù)測(cè)控制（model predictive control）?問(wèn)題，通過(guò)求解?次規(guī)劃（quadratic programming）的優(yōu)化問(wèn)題，來(lái)得出最優(yōu)?端接觸?。

此外，Max在做跳躍、前空翻等需要騰空的動(dòng)作時(shí)，可利用關(guān)節(jié)?矩反饋來(lái)判斷四肢觸地狀態(tài)，從而及時(shí)且精準(zhǔn)地進(jìn)?主動(dòng)的質(zhì)?軌跡規(guī)劃與柔順?控，有效避免身體大幅晃動(dòng)，使整個(gè)動(dòng)作看起來(lái)更流暢絲滑。

由此，借助以上三大招的功夫，Max二代完成了精彩的花式過(guò)樁表演。

去年，一代Max亮相，當(dāng)時(shí)它就開(kāi)創(chuàng)了腿輪一體化設(shè)計(jì)，讓機(jī)器狗不僅能站起來(lái)，還能滑著走。

這次，二代Max不僅學(xué)會(huì)了在樁上表演各種難度動(dòng)作，過(guò)樁速度也比國(guó)內(nèi)第一個(gè)會(huì)過(guò)樁的四足機(jī)器人Jamoca快了4倍。

除此之外，硬件方面，Max的輪足切換功能也做了改進(jìn)，磁吸式的腿部鎖定機(jī)構(gòu)升級(jí)為了機(jī)械式的，并增加了沖擊力解耦設(shè)計(jì)，最終提高了輪足切換的穩(wěn)定性。

以及Max的整體結(jié)構(gòu)上也進(jìn)行了拓?fù)鋬?yōu)化，增加了電池功率，外形上看起來(lái)更加緊湊簡(jiǎn)潔，在整機(jī)強(qiáng)度、抗沖擊性能等方面也有所提升。

研究人員表示，接下來(lái)，他們會(huì)基于Max這個(gè)四足機(jī)器人平臺(tái)，探索更精準(zhǔn)的傳統(tǒng)控制和AI控制算法，最終讓機(jī)器狗實(shí)現(xiàn)復(fù)雜環(huán)境下的任意行走。

狗子背后的實(shí)驗(yàn)室

看完了Max的精彩表演和它搭載的硬核技術(shù)，再來(lái)了解下這只機(jī)器狗的誕生地——

成立于2018年的騰訊旗下機(jī)器人實(shí)驗(yàn)室：Robotics X。

目前，實(shí)驗(yàn)室里一共“養(yǎng)”了兩只“狗子”，除了Max還有一個(gè)叫Jamoca的前輩，它是國(guó)內(nèi)第一只學(xué)會(huì)走梅花樁的機(jī)器狗。

當(dāng)然，除了“狗子”之外，這個(gè)實(shí)驗(yàn)室里還有其他機(jī)器人成員：

比如會(huì)花樣空翻、靈活越障的輪式機(jī)器人Ollie。

可以保持平衡并自動(dòng)駕駛的摩托車。

該實(shí)驗(yàn)室的負(fù)責(zé)人張正友博士，是著名的AI和機(jī)器人研究員，現(xiàn)任騰訊最高專業(yè)職級(jí)——17級(jí)科學(xué)家。

同時(shí)，他還是騰訊 AI Lab負(fù)責(zé)人，以及ACM Fellow和IEEE Fellow。

在加入騰訊之前，張正友曾任微軟人工智能及研究事業(yè)部首席研究員和研究經(jīng)理，在MSR工作了近20年。

正如前文介紹Max的未來(lái)發(fā)展方向所說(shuō)，比起做簡(jiǎn)單、重復(fù)勞動(dòng)的機(jī)器人，Robotics X更關(guān)注機(jī)器人的自主特性研究，注重于讓其學(xué)會(huì)自主判斷、自主決策等。

One More Thing

最后，一個(gè)小彩蛋：

如果你覺(jué)得機(jī)器狗遛起來(lái)沒(méi)有靈魂，不妨看看這個(gè)場(chǎng)面。

雖為機(jī)器，Max二代卻會(huì)“撲腳”、“撒歡跑”，是不是有點(diǎn)遛真狗的意思了？

不過(guò)，這其實(shí)是Max二代內(nèi)部AI訓(xùn)練完成后第一次測(cè)試時(shí)的樣子，研究人員表示：

當(dāng)時(shí)我們也不知道它會(huì)跑成什么效果，只是意外記錄下了這個(gè)視頻。

看來(lái)Max很有自己的想法啊！（Doge）

當(dāng)然，如果想讓它成為一只聽(tīng)主人話的狗， 通過(guò)指令即可對(duì)其發(fā)號(hào)施令。