腾讯公布机器人最新进展:“轮滑小子”Ollie拥有触觉,人机交互更友好

机械
互联网
2022-09-13

9月9日,腾讯 Robotics X机器人实验室公布旗下轮腿式机器人Ollie最新研究进展,展示了首次曝光的“触觉交互”以及“双轮迈步”,进一步丰富机器人“感官”、提升其运动控制能力,展示了腾讯在机器人前沿技术上的领先布局与持续探索。

Ollie是腾讯自研的轮腿式机器人,也是腾讯Robotics X机器人实验室继机器狗 Jamoca和 Max之后的又一创新探索,它整合了多项领先的移动控制技术,在运动规划、平衡与稳定性、人机交互等领域做出了重点突破。凭借灵活的身姿,Ollie也被称为“轮滑小子”。

本次升级中新增的触觉传感器,使得Ollie拥有了“感知接触的能力”,可以对触摸动作给出回应,并挑战头部平衡球形物体等高难度任务。同时,通过运动控制与动作生成算法的升级,Ollie可以持续稳定地完成不同步频的双轮迈步动作,整体运动稳定性和灵活度进一步提升。

加入触觉交互,挑战头顶平衡球搬运任务

感知与认知技术是机器人得以安全、高效、自主运行的基础。近年来,计算机视觉领域发展迅速,取得了不少可以媲美甚至超越人类的成果。与此同时,触觉感知技术发展相对缓慢,一定程度上制约了机器人能力的扩展。如何在人机交互、运动控制和灵巧操作等场景中让机器人具备接近人类水平的触觉能力,成为近年的研究热点和技术挑战之一。

腾讯Robotics X机器人实验室将触觉传感器与轮腿式机器人Ollie进行了创新性结合。该传感器由腾讯Robotics X实验室与清华大学联合研发,采用具有超高灵敏度、超大量程、超快响应速度以及超强循环稳定性的新型压阻材料,结合定制化的电极适配模块和高速信号采集模块,加入自研的软硬件一体化解决方案,让机器人可以感知身体表面极其细微的压力变化。相关研究成果已经被纳米科技领域的国际知名期刊ACS NANO接收。

加入新型触觉传感器后,Ollie可以用自己的“皮肤”来感受外界的接触信息,包括对触碰方式、触碰力度、触碰方位、触碰轨迹形状的感知和识别,并以不同方式作出回应。

有了触觉的支持,结合稳定的运动能力,Ollie还可以挑战高难度的头部平衡、搬运球形物体的任务,充分利用球体与机器人表面的接触信息,结合自身姿态传感器和关节电机编码器的数据,实现了上身物体操控能力和下身移动平衡能力的完美结合。

在用移动机器人完成搬运任务时,一般会选择拥有稳定接触面的搬运对象,如纸箱等方形物体;如果要用平面“头部”搬运易滚动滑落的球形物体,对机器人就要困难得多。Ollie利用新型触觉传感器感知球的相对位置与运动状态,并实时处理数据,控制自身在不同地形上实现平衡稳定行驶的基础上,还能保持球不掉落。其背后的领先性技术,为移动机器人提升复杂场景下的自身移动与物品操控能力打下了坚实的基础。

  双轮迈步“进化”,不同地面行走“如履平地”

值得一提的是,最新的Ollie还展示了双轮迈步动作,与去年展示的“原地踏步”动作相比,新增同时踏步和移动的能力,而且持续时间更长、动作更流畅、整体表现更稳定。

双轮迈步动作的完成依赖于动作生成技术。这需要将机器人的动作划分为单轮支撑阶段和双轮支撑阶段。在单轮支撑阶段,机器人以轮式迈步的方式通过地面或跨越障碍物,存在单个轮子着地,类似“单轮站立”的状态。此时,机器人既要利用支撑的轮腿控制行驶转向,又要保持俯仰和横滚方向的动态平衡。面对这一情况,研究团队建立了简化动力学模型,并依据该模型,使用非线性优化方法,完成动作生成与控制。

双轮支撑阶段在迈步动作中是一个瞬时的切换状态,虽然时间很短,但难度很高。在这一阶段,机器人的两个轮子与地面间存在相对滑动。这使得机器人的接触力和动力学特性十分复杂。因此,研究团队采用了数据驱动方式,将强化学习方法用于该动作中关节角序列的生成,并将生成的关节角序列用于机器人动作与姿态控制。

Ollie出色的平衡能力主要基于自适应动态规划平衡控制技术,这是腾讯Robotics X机器人实验室的重点研究方向之一,相关论文已在行业内知名期刊IEEE Robotics and Automation Letters上发表,并在机器人领域国际知名会议IEEE/RSJ IROS 2021上展示。在此基础上,团队将自适应动态规划与全身动力学控制技术相结合,实现了机器人更广泛的地形适应性,相关论文已被IEEE/RSJ IROS 2022录用。

轮腿式机器人是近年来机器人研究的前沿领域。Ollie兼具轮式结构和腿部能力,轮式结构移动快、效率高,而腿部能力让Ollie适应不平地面、完成跳跃台阶等动作。如今,加上触觉和更为高阶的“双轮迈步”,Ollie的能力不断丰富。

未来,Ollie将会继续作为腾讯Robotics X机器人实验室的前沿技术探索的实验平台,承担从机器人本体设计、系统集成到广泛感知以及控制规划算法等诸多领域的研究任务,完成全栈技术能力的积累。