來源：雷鋒網(wǎng)

導(dǎo)語：機器人感知算法會被用到相機和激光雷達等傳感器的數(shù)據(jù)轉(zhuǎn)換對策和規(guī)劃物理行動中

波士頓動力一周前發(fā)布了一個長達90秒的視頻。在視頻中，Atlas完美地跑完了復(fù)雜的障礙賽。于是有很多網(wǎng)友好奇是什么黑科技讓機器人可以如此智慧。

機器人該怎么樣才能像運動員一樣奔跑、翻轉(zhuǎn)、跳躍？創(chuàng)造這些高能演示的是一個有趣的挑戰(zhàn)，但波士頓的技術(shù)目標(biāo)不僅僅是創(chuàng)造一場華麗的表演。在Atlas項目中，他們以跑酷為實驗主題，通過動態(tài)運動，感知和控制之間的聯(lián)系，來研究相關(guān)的問題。這些問題的解決有助于機器人更加順暢的運行。

機器人對跑酷的感知

機器人感知算法會被用到相機和激光雷達等傳感器的數(shù)據(jù)轉(zhuǎn)換對策和規(guī)劃物理行動中。雖然Atlas使用IMU、關(guān)節(jié)位置和受力傳感器來控制其身體并感受地面獲得平衡，但Atlas還需要感知算法來識別障礙物，如圖1中看到的木箱和窄橋。

圖1：這個動畫顯示了一個Atlas機器人深度相機生成的點云旋轉(zhuǎn)視圖。

Atlas使用深度相機以每秒15幀的速度生成環(huán)境點云。點云是距離測量數(shù)據(jù)的集合。Atlas的感知軟件使用多平面分割的算法從點云中提取表面。接著算法輸出的數(shù)據(jù)被輸入地圖系統(tǒng)，最后系統(tǒng)幫助Atlas用相機看到不同物體建立模型。

圖2：具有感知輸出的Atlas渲染。

圖2顯示了Atlas感知到的物體，并經(jīng)過反饋與計算規(guī)劃行動。左上角是深度相機拍攝的紅外圖像。主圖像中的白點形成點云。橙色輪廓標(biāo)記了跑酷障礙物檢測到的矩形面，這些矩形面隨著時間的推移被傳感器跟蹤。從而幫助Atlas設(shè)置特定的行為。例如，綠色的腳印標(biāo)記下一步在哪里跳躍和慢跑。

為了擴展跑酷課程，機器人被導(dǎo)入一張高級地圖，其中包括命令它去哪里，以及路上應(yīng)該做什么動作。這張高級地圖與實際課程不完全一致，它是對障礙物位置和一些主要動作的簡要描述。所以Atlas會使用這些簡要的信息來導(dǎo)航，同時使用實時感知數(shù)據(jù)來填充細(xì)節(jié)。例如，Atlas尋找一個可以跳躍的盒子，如果盒子移動到側(cè)面0.5米，Atlas會在那里找到并調(diào)整姿勢。如果盒子移動得太遠(yuǎn)，系統(tǒng)找不到它就會停下來。

圖3：展示機器人對跑酷課程中伙伴的感知的動畫。

這是一個3D可視化動圖，展示了機器人在跑酷障礙跑道上看到的內(nèi)容和機器人通過內(nèi)容反饋的計劃。主動跟蹤的物體被繪制成綠色，當(dāng)物體的距離超過感知范圍時，圖標(biāo)就會從綠色變成紫色。跟蹤系統(tǒng)也會不斷跟進物體的姿態(tài)傳給導(dǎo)航系統(tǒng)，導(dǎo)航系統(tǒng)會通過地圖上的信息設(shè)計好對應(yīng)物體的綠色腳印。

行為庫

你在跑酷程序中看到 Atlas 執(zhí)行的每個動作都來自“軌跡優(yōu)化離線設(shè)計”創(chuàng)建的模板。這些模板庫，允許科研人員往庫中添加新的軌跡，添加新的功能。

軌跡優(yōu)化離線設(shè)計，可以讓工程師交互探索機器人能力的極限，并減少機器人的計算量。例如，機器人如何收起四肢做后空翻，這些成就對項目的推進有莫大的幫助。因為這樣可以幫助機器人做到最合理的驅(qū)動?？蒲腥藛T可以利用離線優(yōu)化捕捉重要的發(fā)力點，并使用控制器在線調(diào)整它們的動作。

圖4：這種跳馬行為是使用離線軌跡優(yōu)化設(shè)計的復(fù)雜全身行為的一個例子。

模型預(yù)測

確定了機器人前面盒子、坡道和障礙的位置，并設(shè)計了一系列越過它們的動作。剩下的挑戰(zhàn)是填寫機器人執(zhí)行計劃所需的細(xì)節(jié)問題。

Atlas的控制器被稱為模型預(yù)測控制器（MPC），因為它使用機器人動力學(xué)模型來預(yù)測運動將如何演變。控制器的工作原理是優(yōu)化計算出現(xiàn)在最應(yīng)該做的事情是什么，從而盡可能形成好的運動姿態(tài)。

如上所述，行為庫中的每個模板都向控制器提供了最優(yōu)解的解決方案?？刂破髡{(diào)整力、姿勢和行為時機等細(xì)節(jié)，應(yīng)對環(huán)境幾何形狀、腳滑或其他實時因素。這樣就可以擁有能夠偏離模板運動的控制，自我創(chuàng)建運動過程。這種解決方案也大大減少了機器人可能需要的場景行為模板。例如，從52厘米的平臺上跳下來和40厘米的平臺跳下來，MPC會自動弄清楚細(xì)節(jié)。

圖5：顯示感知和計劃路徑的第一人稱視圖。

藍色箭頭對應(yīng)于MPC對機器人在路線中移動時質(zhì)心和動量的預(yù)測。

MPC的預(yù)測特性允許Atlas跨越行為界限。比如，知道跳躍后是后空翻，控制器可以自主創(chuàng)建一個平穩(wěn)過渡的動作。這也簡化了行為創(chuàng)建問題，研究人員不需要再提前考慮可能的行為序列。不過，MPC的創(chuàng)新是有限度的。例如，試圖從慢跑運動過渡到后空翻是行不通的。

為未來奠定基礎(chǔ)

他們對Atlas系統(tǒng)中創(chuàng)建和控制動態(tài)行為（也包括舞蹈）有了深刻的理解。但更重要的是，創(chuàng)造了一個可擴展軟件系統(tǒng)的機會，也讓Atlas系統(tǒng)通過感知自身環(huán)境做出改變，這個系統(tǒng)將與他們的團隊一起成長。