鹅厂机器狗花式穿越10m梅花桩，全程不打一个趔趄( 二 ) 丰色Alex发自凹非寺量子位|公众

最终， Max做到了地形识别精度?于2cm、视觉定位累积误差?于1% 。
建成的地形?度图可以获取平?任意坐标对应的?度以及局部法向。

文章图片
2、规划最优行动轨迹看准地形后，下?步Max要根据所?信息完成动作轨迹规划，最大的难点是如何在快速穿越的过程中，保证实时规划出最优的路线。
这里就采用了一种6D最优轨迹?成技术。
所谓6D ，除了X、Y、Z轴上的位置数据，还包括机器狗需要做出的偏航、俯仰和滚动维度的信息。
该生成技术可根据Max的运动步态、速度等指令，预估落脚点，并根据落脚点周边的地形?度图，选出最优的点，也就是桩面中心。
此外，系统还会结合最优点，考虑Max运动过程中的动?学约束、摩擦约束、?端?作空间约束等，进行?次优化，实时求解真正的最优6D轨迹。
对于跳跃、空翻这类动作， Max还需要达到的一个目标是省? ，即驱动?最?化。
这里就用到了一种基于?线性优化的轨迹规划技术。
该技术可以兼容四脚跳（Pronking）和双脚跳（Bounding）等多样化步态，通过跳跃距离、跳跃步态、最?关节?矩等约束条件，得出结果。
3、控制动作，按轨迹精准落点动作轨迹规划好后， Max就可以开始正式?动，最大的考验是如何控制恰到好处的力、按照规划轨迹实现精准落点
在跟踪参考轨迹方面， Max采用了最新版xMPC+WBC（ModelPredictiveControlandWhole-BodyImpulseControl ，模型预测控制和全身控制）控制架构，基于更精确的线性化动力学模型，效果更好。
而在力控方面，据研究人员介绍，一般来说，动作越是高动态、越是不稳，就越要求控制精度。
本次表演的动作中，每个环节都有自己的难度：
空翻属于高动态，作揖、双轮站立属于易失稳；而对于单桩跳跃这个动作，机器狗的四?落脚点距离很近， ?撑区域很? ，收拢的腿部姿势也导致Max的运动及发?空间受限，对力控的精度更是要求极高。
为了实现以上动作的精准力控，团队?研了一个模型预测控制算法，并给Max加?了基于关节?矩反馈的触地检测能? 。
【鹅厂机器狗花式穿越10m梅花桩，全程不打一个趔趄】这个算法的相关论文登上了机器人领域顶会ICRA2022 。

文章图片
对于平移运动的追踪，自研线性模型预测控制算法获得了和业界经典算法同等的控制效果；而对于旋转运动的追踪，其表现甚至比其他算法更优秀。
具体而言，这个算法利?轴?和指数坐标来表示旋转运动，成功规避了之前线性化?法中的多个近似性假设，如：??速度、转动惯量在预测窗?内时不变等。
最终保留了更多的参数，从?获得了一个更精确的动?学模型。
基于该动?学模型，研究团队进?步构建了模型预测控制（modelpredictivecontrol）问题，通过求解?次规划（quadraticprogramming）的优化问题，来得出最优?端接触? 。
此外， Max在做跳跃、前空翻等需要腾空的动作时，可利用关节?矩反馈来判断四肢触地状态，从而及时且精准地进?主动的质?轨迹规划与柔顺?控，有效避免身体大幅晃动，使整个动作看起来更流畅丝滑。
由此，借助以上三大招的功夫， Max二代完成了精彩的花式过桩表演。
去年，一代Max亮相，当时它就开创了腿轮一体化设计，让机器狗不仅能站起来，还能滑着走。