我们找到制作Ollie的Robotics X 机器人实验室相关技术工作者们聊了聊。

詹士 发自 凹非寺

量子位 | 公众号 QbitAI

这个小机器人有点厉害！

光秃秃「头」上放个小球，来回走也不掉：

还会举一反三，不同大小材质重量的球，都能稳住：

加大难度——

下了个小台阶，走上公园凹凸不平的绿地，它也「顶得住」：

上下坡，甚至中途小球弹起，也无所畏惧：

它叫Ollie，来自鹅厂Robotics X 机器人实验室，就在刚刚，上面种种技能被公之于众。

机器人Ollie诞生于2021年，刚亮相就为我们搞出了新花样，一年前，这个小机灵鬼以一出「后空翻」惊艳四座：

如今再看，更「灵活」，也更「聪明」了。

所以，这些技能是如何解锁的？

我们找到制作Ollie的Robotics X 机器人实验室相关技术工作者们聊了聊。

新能力，触觉感应

据介绍，Ollie背后的核心能力是——

触觉感应功能。

具体来说，该大类技术以触觉传感器为基础，在机器人身上将实现触觉信号的准确采集、处理，并基于触觉感知信号完成模式识别、人机交互、运动控制等任务。

放在Ollie顶球这个Case中，有三大关键项。

我们先从触觉传感器方面说起。

据实验室工程师分享，这回，他们将触觉传感器应用于Ollie，意在探索以触觉传感器作为机器人电子皮肤，对移动机器人的人机交互能力以及一体化感知、规划、控制能力上的赋能。

在压阻材料上，团队首次采用了合作研发的新传感器阵列，最小空间分辨率达创纪录的0.9mm。

该新型材料同时具有超高灵敏度、超大量程、超快响应速度、强稳定性的特点。

Ollie头顶就被安上一块这种传感器阵列，结合定制化的传感器电极适配模块和内部标准化的传感器信号采集模块，在Ollie 200mm x400mm头顶表面上实现了点阵信号的快速采集——

其次，看看平衡控制方面。

在过去，传统方法依赖机器人自身动力学参数的辨识，一旦参数不准确或情况变化，效果就会拉胯。

为此，团队为Ollie做了一套基于自适应动态规划的平衡控制（ADP），可以更快找到各场景和身姿状态下保持平衡的方式。

值得一提的是，这是「自适应动态规划」在轮式机器人平衡控制上的首次应用，相关论文已在IEEE Robotics and Automation Letters上发表。

最后还需要解决挑战高难度的头部平衡、搬运球形物体任务。

Ollie顶球难，难就难在「球是活动的」，机器人还在移动，其间需要不断根据球体状态变化调整自己。

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。

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。

正是以上三项关键技术，使Ollie得以在各种运动姿态和环境下把球稳稳「顶住」。

不过，触觉感知及相关衍生技术的意义不止于此。

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。

目前，它已能根据一次触摸，识别对象的方位：

△谁在摸我？原来是你！

画个圈，也能识别图案，且有样学样转一圈：

不止Ollie一「人」，在整个机器人领域，该方面探索有着更深更广的价值。

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。相对而言，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应用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。

因此，从Robotics X 机器人实验室视角看，Ollie只是一个具体研究对象，更看重的，是在触觉感知相关技术有进一步探索和尝试。

还有更多新技术

除了头上顶球，Ollie此番还秀出另一大独门绝技——

双轮迈步。

如果说，去年Ollie的腾空翻身的极限运动表演，那这回，「迈步向前」更像是瑜伽，拼的是核心力量和平衡性。

这一过程中，机器人单个轮子着地的时间和步频不等，Ollie凭单轮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。

所以，Ollie如何完成的？

工程师介绍，他们在单腿支撑阶段，为机器人建立了简易动力学模型，使用非线性优化的办法，完成动作轨迹生成与控制。

此外，在双腿支撑阶段，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。

也因此，双轮迈步成了Ollie的独门绝技。

关于未来进一步规划，Robotics X 机器人实验室工程师们透露，他们这回集中研究了身体表面的电子皮肤类型的传感器，后面考虑将触觉传感器应用在机器人其他部位。

你觉得，这些技术应用后，Ollie还能整出什么花活？

参考链接：
[1]https://ieeexplore.ieee.org/abstract/document/9497675
[2]https://arxiv.org/abs/2208.10933

— 完 —

量子位 QbitAI · 头条号签约

关注我们，第一时间获知前沿科技动态