近日,麻省理工Sangbae Kim实验室的研究人员研发了一款名为MIT Humanoid的人形机器人:
网友评论:感觉像站起来的狗!其实机器人形似迷你猎豹(Mini Cheetah)四足机器人的直立版本,可以完成类似跑酷中的后空翻、180度跳跃等杂技动作。
值得期待的是,MIT Humanoid将于2021年7月19-21日在“Humanoids 2020”会议上展出。
那下一步呢?人类在进步,机器人同样。
双足机器人的下一歌目标似乎是要突破人类表演的极限,也就是杂技。我们知道,IHMC一直在开发一款名为Nadia的儿童大小的杂技人形机器人,现在,MIT的Sangbae Kim实验室也加入了进来,研究人员表示,他们正在研究新型杂技机器人。
▲机器人Nadia
麻省理工Sangbae Kim实验室研发致力于研发足式机器人,带来了很多具有划时代意义的机器人设计,例如四足猎豹机器人和仿人机器人HERMES等。在韩国的Naver实验室资助和支持下,他们一直在完善迷你猎豹这款机器人,让机器人完成一些动态动作,比如步态探索和一些低调的四足杂技。
▲迷你猎豹机器人
在最近发表在arXiv上的一篇论文中,Matthew Chignoli、Donghyun Kim、Elijah Stanger-Jones和Sangbae Kim描述了“一种新的人形机器人,一种可感知执行器的运动规划器,和着陆控制器,作为用于人形机器人高动态运动控制的实用系统设计的一部分”。
先来看硬件情况。麻省理工学院的Matt Chignoli(奇尼奥利)说,这款机器人的外观有点像迷你猎豹机器人的直立版。虽然MIT Humanoid的躯干和手臂非常接近迷你猎豹机器人,不过它的腿部是全新设计,采用了重新设计的执行器,具有更高的功率和更好的扭矩密度。
奇尼奥利表示:“腿部设计的主要重点是,实现人类步行和跑步时的那种平滑动态的‘脚跟到脚趾’动作,同时保持低惯性以与地面接触进行顺畅的交互。”“动态脚踝动作在类人机器人中很少见。我们希望开发出能够模仿人类腿部动作的健壮、低惯性和强大的腿部。”
▲MIT Humanoid执行从0.4米的平台上进行后空翻的动作
奇尼奥利谈到:“设计策略很重要,因为目前人形机器人领域有两大主导方向,分别是液压驱动机器人和带有串联弹性制动器机器人。随着我们不断改进本体感知执行器的性能,正如我们在这项工作中所做的一样,我们的目标是证明我们这种高扭矩密度、高带宽力控制和缓冲冲击能力的独特组合对于任何足式机器人(包括人形机器人)实现高度动态运动是最佳的。”
▲MIT Humanoid执行180°旋转跳跃(上)和站立前空翻(下)动作
“这只是在模拟,你可以在模拟中得到任何东西”这样的评论很正常。但是麻省理工方面尽可能的投入了大量工作来实现准确模拟。特别是,他们对机器人执行动态运动时所受到的详细的物理约束情况进行建模,允许规划人员考虑这些约束,并(希望)实现与模拟一样精确匹配的运动。
“当谈到机器人的物理能力时,我们在模拟中展示的任何东西都应该在机器人上可行。”奇尼奥利说。“在我们的模拟中,建有机器人执行器和电池的详细模型,并且这些模型已经通过了实验验证,虽然这种详细模型并不经常在机器人动态模拟中出现。”但是模拟终究还是模拟,无论建模多棒,转换到实际都很棘手,尤其是在完成高度动态的运动时。
“尽管我们相信我们的模拟器能够以高保真度精确模拟我们机器人的物理能力,但是当我们计划把预期要实现的杂技动作部署到硬件上时,我们的模拟器在某些方面仍然有不确定。”奇尼奥利解释说:“我们目前的主要困难是状态估计,我们一直参考与无人机状态估计相关的研究,无人机状态估计研究中利用到了视觉里程计。但是如果没有一个组装好的机器人来测试这些新的估计策略,就很难判断能否实现从模拟到真实的转移。”
MIT Humanoid的设计已经完成,计划在夏季制作,最终目标是实现MIT Humanoid在充满挑战性的地形上进行跑酷运动。人们很容易专注于机器人的整个杂技表演和跑酷角度,可以期待一些精彩视频。
但是根据奇尼奥利的说法,这项研究的真正重要贡献在于设计框架而不是机器人本身:“我们用小型人形机器人展示杂技动作的目的和实际的杂技表演无关,而是更多完成这些动作对于我们的硬件以及控制框架意味着什么。就机器人能力而言,这些运动很重要,因为我们证明,至少在模拟中,我们可以使用完全不同的驱动方案(分别是本体感应式电磁电机与液压制动器)来复制波士顿动力公司Atlas机器人的动态动作。
当人们考虑如何设计下一代的动态人形机器人时,验证本体感应器能够保留低机械阻抗和高带宽扭矩控制的优势同时,达到执行此类运动所需的扭矩密度,就非常重要。此外,杂技动作展示了我们的‘执行感知’运动规划器生成可行的运动规划的能力,这些设计扩展了我们机器人所能完成事情的边界。”
在未来,麻省理工学院的仿人机器人可以证明在完成广泛的复杂任务方面具有很高的效率。同时,研究人员计划在现实世界的场景中测试他们的设计、运动规划器和控制算法。