鹅厂机器狗花式穿越10m梅花桩,全程不打一个趔趄( 二 )


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 。
鹅厂机器狗花式穿越10m梅花桩,全程不打一个趔趄
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 。
鹅厂机器狗花式穿越10m梅花桩,全程不打一个趔趄
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 。