ETH足端近距离传感实现离散地形鲁棒运动控制
ETH研究将低成本红外近距离传感器嵌入四足机器人脚底,通过预接触感知强化学习策略控制离散地形,效果优于传统视觉方案。
AI 编撰 · 内容基于所列来源,重要信息请以原文为准
苏黎世联邦理工学院机器人系统实验室发表论文,提出一种仅依赖足端近距离传感和本体状态的四足机器人四条腿走路的机器人,也就是常说的「机器狗」。比双足更稳、技术更成熟,常用于巡检、科研和陪伴,也是很多人形机器人公司的技术起点。◆ 小白科普 · 现身离散地形运动控制让机器人的身体按想法精准动起来、并保持平衡的技术,相当于人类的「小脑」。◆ 小白科普 · 现身方法。研究团队在ANYmal-D机器人的橡胶足端嵌入STMicroelectronics的VL53L5CX时间飞行传感器把力、光、距离等物理信号转换成电信号的元件,相当于机器人的「感官」。◆ 小白科普 · 现身,该传感器具有45度视场角,输出4×4距离网格,采样频率60Hz,并向外倾斜约15度以覆盖落脚区域。为提升仿真在电脑里搭建虚拟世界来测试、训练机器人。成本低、速度快,但和真实世界总有差距。◆ 小白科普 · 现身到真机的迁移能力,研究人员对传感器噪声、延迟和缺失率进行精确建模,在训练中引入静态偏置、比例噪声、高斯噪声、读数缺失和20至60毫秒的时间延迟。
控制策略采用长短期记忆网络与近端策略优化算法,在Isaac Gym中分两阶段训练:第一阶段让机器人熟悉踏脚石、空隙等基础地形,第二阶段引入平衡梁、楼梯和复杂坡面。实验表明,在关节机器人身上可以转动或弯曲的连接部位。每多一个关节,就多一种动作的可能,也多一份重量、成本和故障点。◆ 小白科普 · 现身偏置、模型AI 模型的简称,指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令,输出动作。◆ 小白科普 · 现身尺寸误差和里程计噪声等扰动下,足端传感策略的鲁棒性显著优于基于机身中心高度扫描或聚合深度地图的方案。真机部署把机器人真正放到工作现场长期干活,而不只是在实验室演示。部署规模决定了数据回流和经验积累的速度。◆ 小白科普 · 现身测试中,机器人仅使用足端传感和本体状态,能以0.52米每秒的平均速度通过60厘米水平空隙、散乱踏脚石和20厘米窄梁等复杂地形。机器人学到的行为体现了主动感知特性:脚在空中摆动时利用传感器扫描空隙和平台表面,实现动态调整落脚点。
该研究指出,红外传感器可能受材料反射率和污染影响,但证明了复杂地形运动控制中局部预接触信号相比视觉感知堆栈具有更低延迟和更高鲁棒性的优势。