輪式/履帶式移動機器人可以勝任很多場景的探索、運輸的任務，但是隨著應用空間的拓展，需要機器人在山地、峭壁、叢林、雪地等崎嶇復雜的地形的任務也逐漸增多，輪式/履帶式機器人難以在這類地形中移動，自然界中動物經過數億年的進化，具有極強的環境適應性，可以在各種路面上運動，而且具有很強的運動速度和負載能力，

目前的四足機器人已展示出了優秀的能力，未來隨著理論的深入和技術發展，機器人的運動速度等性能會進一步提升，自主化也會逐步實作，未來開發中，四足機器人有以下幾個發展趨勢，

1.輪足運動相結合

腿足式與輪式運動結合，既可以利用腿足機構實作復雜地形穿越，又能通過輪式控制移動效率，蘇黎世聯邦理工學院開發了一種足式-輪式運動結合的機器人^[1]，實驗中使用動作捕捉系統來記錄輪式四足機器人原型機的運動軌跡資料，和模擬結果與預期的位置姿態進行對比，

2.微型化

法國科學研究中心開發了一個低成本開源機器人^[2]，重量僅2.5kg，在進行機器人性能實驗評估時，光學動作捕捉系統來獲取機器人運動位置、速度和姿態角度和角速度資料，作為位姿的參考真值（ground truth），利用動作捕捉系統采集的資料，可以同時評估估計和參照跟蹤的性能，

3.更大負載和更靈活的操作能力

四足機器人除了移動能力外還需要具有一定的操作能力，來完成更復雜的任務，比較常見的方式是在四足機器人上方搭載一個機械臂，比如Boston Dynamic的Spot Arm機器人，愛丁堡大學在ANYmal機器人上放置了一個6自由度機械臂^[3]，通過軌跡優化提高系統的魯棒性，實作穩定的移動操作，在重復性實驗中，使用動捕系統計算機器人與操作目標之間的相對位姿關系，

但是這種方式需要額外搭載機械臂，降低了四足機器人的有效負載，現實世界中的很多動物利用四肢就即可完成操作，東京大學提出一種基于深度強化學習的方法，通過訓練模型實作四足機器人利用四肢蹬球的任務^[4]，實驗中使用動捕系統確定球實時的位置和角速度資訊，來評估機器人性能，

4.仿生進一步深化

對于足式機器人，防滑能力是一項重要指標，尤其是在山崖這種陡峭的地形運動時，防滑性尤為重要，山羊、鹿等動物在陡峭地形可以穩健的運動，但是目前仍不清楚哪些結構決定了防滑能力，英國帝國理工學院根據山羊蹄解剖結構設計了一種用于四足機器人的仿山羊蹄結構^[5]，研究了該結構的動力學性能，利用光學動作捕捉系統獲取結構三個主要關節運動程序中的角度變化，結合力傳感器資料，確定了山羊蹄三個主要關節的順應性水平與穩定性的關系，

5.環境感知更自然

隨著傳感器技術的發展，機器人可以獲得更準確和全面的環境感知，利用充分的環境資訊，機器人可以實作自主導航完成任務，常見的傳感器包括激光雷達、視覺攝像頭等，但是在地下礦井或下水道等極端場景中，由于煙霧、黑暗、污垢等原因，普通的傳感器難以發揮作用，牛津大學開發了一種本體感知定位方法，利用四足機器人的腳接觸，在沒有激光雷達和攝像頭的幫助下，根據預先繪制的環境地圖進行定位，無需任何攝像頭或激光雷達傳感器的幫助^[6]，所提出的方法使機器人能夠在地形特征上進行一系列接觸事件后準確地重新定位自己，該方法基于序列蒙特卡羅，可以同時支持 2.5D 和 3D 先驗地圖，實驗中使用高精度動作捕捉系統采集機器人姿態作為真值（ground truth），實驗開始時用動捕系統測量機器人在地圖中位置，僅用做初始化，后面使用粒子濾波器用于姿態估計，動捕系統僅用于計算統計誤差，

6.更多應用場景

由于四足機器人運動性能以及成本的約束，拓展并尋找合適的應用場景也很重要，除了管線巡檢、災情救援和軍事偵察外等場景外，四足機器人在太空探索中的應用也受到很多關注，

蘇黎世聯邦理工學院的研究人員受到貓的啟發，開發了一種用于星際探索的跳躍四足機器人Spacebok^[7][8]，Spacebok可以通過控制騰空階段四肢運動調整狀態，實作落地時達到預期姿態，機器人基于深度強化學習演算法，通過在仿真環境訓練神經網路，并直接部署在真實Spacebok機器人上，實驗簡化為一個二維平面，將Spacebok四足機器人固定在氣浮臺頂端，利用氣浮臺無摩擦運動模擬微重力狀態，實驗中需要實時獲取機器人的姿態和距離地面距離的資料作為狀態估計器的輸入，由于作者關注的是運動控制，姿態和距地面距離資料的獲取不是重點，因此使用外設的光學動作捕捉系統來跟蹤記錄機器人的高精度位姿資料，

同樣用于機器人在空間環境中跳躍，跳躍拉瓦爾大學提出了一種方法^[9]，使四足機器人可以在跳躍程序中關節限制條件下實作重定向，并利用原型機進行實驗驗證，為了對觀察結果定量驗證，作者使用動捕系統采集原型機運動資料，與仿真結果進行對比，通過對比均方根誤差結果，驗證所提方法的有效性，

經過多年發展，四足機器人已經取得了很多成果，在四足機器人的開發程序中，光學動作捕捉系統是一種有效而且必要的儀器設備，目前四足機器人的靈活性、運動速度等仍與動物有一定差距，需要進一步從仿生角度，研究動物結構、改進運動控制演算法，未來四足機器人一定有更廣闊的應用場景，光學動作捕捉系統也將發揮更大的作用，

參考文獻：

1.Geilinger M, Winberg S, Coros S. A computational framework for designing skilled legged-wheeled robots[J]. IEEE Robotics and Automation Letters, 2020, 5(2): 3674-3681.

2.Léziart P A, Flayols T, Grimminger F, et al. Implementation of a Reactive Walking Controller for the New Open-Hardware Quadruped Solo-12[C]//2021 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2021: 5007-5013.

3.Ferrolho H, Ivan V, Merkt W, et al. RoLoMa: Robust Loco-Manipulation for Quadruped Robots with Arms[J]. arXiv preprint arXiv:2203.01446, 2022.

4.Shi F, Homberger T, Lee J, et al. Circus anymal: A quadruped learning dexterous manipulation with its limbs[C]//2021 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2021: 2316-2323.

5.Abad S A, Herzig N, Sadati S M H, et al. Significance of the compliance of the joints on the dynamic slip resistance of a bioinspired hoof[J]. IEEE Transactions on Robotics, 2019, 35(6): 1450-1463.

6.Buchanan R, Camurri M, Fallon M. Haptic sequential Monte Carlo localization for quadrupedal locomotion in vision-denied scenarios[C]//2020 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2020: 3657-3663.

7.Rudin N, Kolvenbach H, Tsounis V, et al. Cat-like jumping and landing of legged robots in low gravity using deep reinforcement learning[J]. IEEE Transactions on Robotics

8.Arm P, Zenkl R, Barton P, et al. Spacebok: A dynamic legged robot for space exploration[C]//2019 international conference on robotics and automation (ICRA). IEEE, 2019: 6288-6294.

9.Garant X, Gosselin C. Design and Experimental Validation of Reorientation Manoeuvres for a Free Falling Robot Inspired From the Cat Righting Reflex[J]. IEEE Transactions on Robotics, 2020, 37(2): 482-493.

標籤：其他

上一篇：kubernetes網路模型

下一篇：edraw max(億圖圖示)