本帖最后由 shyao 于 2020-4-23 15:41 编辑
近日参加了在澳门举行的IROS会议，这是世界机器人三大顶会（ICRA 、IROS、 ROBIO）之一，每年3月截稿，11月左右会议，今年收录文章1274篇，千人以上参与会议，盛况空前。国外对IROS认可度非常高，很多教授更愿意在会议而不是期刊上分享他们的想法，很多博士论文后面只有会议论文。所以参与会议能够了解到世界上大牛们都在做什么，进展如何，以及将来要做什么。IROS会期5天，第一天和最后一天是workshop，会有大牛来分享他们的想法。其他时间是例会时间，用于张贴文章海报，做PPT报告，会议期间还有机器人展览。
经常能看到的关于ZMP，DCM，优化，二次规划等内容就不介绍了，介绍一些在IROS会议上看到的比较新意的，分成三个方面和大家分享一下，分别是双足机器人结构、机器人模型和机器人相关问题讨论。
一、机器人结构
1.1 双足机器人踝关节驱动上置
目前国外大尺寸机器人在踝关节广泛采用驱动上置式结构，而不是传统的驱动和关节一体结构，即舵机方式（WABIAN-2机器人，图1a），舵机方式结构简单，但踝关节2个自由度，2个舵机安装在一起会导致脚部结构臃肿，重量集中在脚部，腿部转动惯量大。而采用驱动上置的好处是可以提高驱动器位置，降低腿部转动惯量，提高腿的摆动速度，结构也比较美观。图1b的Lola采用双联杆，而图1c的TORO机器人采用单联杆结构。双联杆可以构成并联驱动，两个连杆同向和反向运动，会实现踝关节pitch和roll运动，并联驱动可以有效降低对关节驱动扭矩的需求。从理论上来说，双联杆更有结构优势。
在IROS2019会议文章上看到2个连杆方式的双足机器人，一个是韩国科学技术高级研究院的Rainbow机器人[1]，图2a所示；另一个是德州农工大学的AMBER 3机器人[2]，如图2b所示。这两个机器人未见其他渠道报道，应该目前尚未发布。较新的几款机器人都采用了连杆结构，也许未来关节上置的驱动方式会成为一种主流。
1.2 日本绳索结构机器人
值得注意的是日本研究团队设计的“Kengoro”，如图3所示，用绳索来模拟人类肌肉，驱动关节转动。最新研究是通过绳索的张力 变换来感知受力，现场演示了对人膝跳反射的模拟，通过敲击膝关节绳索，获取到膝关节被敲击，然后执行膝跳反射动作。
图3 人工肌肉机器人
绳索肌肉不但作为执行器，同样也作为了力传感器。现场PPT报告展示了在足底力传感方面的应用。传统六维力传感器在踝关节只能测量6个量，而绳索肌肉驱动方式是多绳索驱动，每个绳索都可以作为力传感器，多个力传感器融合可以替代传统的六维力传感器。
1.3足底力传感结构
为了更加准确的获取足底踩踏力量和检测滑动，日本东京大学参考人类的脚趾和足跟，改进了脚部力测量方式，在足尖和足跟都增加了力传感器[3]，如图4所示。这种具有针对性的研究工作，很有理论价值和应用价值。
图4 足底传感器
二、双足机器人模型
2.1 虚拟摆混合模型
德黑兰大学研究人员通过观察对人行走时的平衡控制，首次使用三个倒立摆(TIP)的概念来描述人类的横向稳定性，提出了虚拟摆和倒立摆的混合模型[4]。如图5a展示的是传统的倒立摆模型，图5b是混合模型。其虚拟摆的模型如图5c所示，当支撑点在质心之上时，系统是自稳定的，当支撑点在质心之下时，系统不易稳定。虚拟支撑的概念有些像图5d中不倒玩具小人的工作原理。文章没有给出具体的应用公式，只是给出策略，但值得进一步研究下。
图5 虚拟摆和倒立摆的混合模型
2.2 仿生骨盆模型
伊利诺伊大学研究人员也是通过观察人类骨盆对行走的影响，利用球运动模拟骨盆重心变化，通过球在固定轨道内滑动来平衡躯干行走[5]，如图6所示目前已经做出部分硬件，很期待进一步的研究结果。
图6 仿真模型及实验平台
2.3 双足、四足一体化融合模型
意大利技术研究院基于虚拟腿，提出一个一体融合模型，建立了一种腿协调机制，将四足动态步态转化为常见的两足步态[6]，即一体模型同时涵盖了双足和四足机器人。如图7所示，文章将四足的两个腿等效成双足的一个腿，双足的时候用倒立摆模型，四足的时候，模型不变，添加一个额外的腿部协调。
图7 虚拟腿等效模型
2.4 四足模型在双足机器人上的应用
日本的产业技术综合研究所在双足机器人HRP-5P上采用四足的模型，实现扶墙行走[7]，如图8所示。所以模型只要好用，就可以创新性的拿过来用。
图8 基于四足机器人实现墙面移动
东京大学对倒立摆模型进行了改进，提出的VIP模型去掉了传统倒立摆模型的高度不变限制和质心角动量限制[8]，倒立摆模型及不同倒立摆模型间对比结果如图9所示。现场报告展示了机器人上下台阶的仿真视频，机器人上台阶很稳定，轨迹曲线很平滑，如图10a所示，但下台阶晃动很大，如图10b所示。目前该研究仍然主要处于仿真阶段，从仿真可以看出模型的有效性。改进的倒立摆模型没有了限制，会带来更多的解算问题，但同样也给应用带来更大的自由度。
图10 仿真行走视频 2.6 机器人防摔倒模型
东京大学关于预防机器人摔倒的文章，从摔倒检测、轨迹规划、落地点修正、落地时间修正、角动量控制、到屈膝降低重心[9]。如图11所示，方案非常完整，而且经过了实体机器人实验验证。该研究人员的进一步工作将增加视觉反馈，崎岖地形行走及机器人增加上半身后的平衡实验，很期待该方案的室外行走效果。
图11 双足机器人平衡控制
三、几个问题的解答
一些会议文章针对一些共性问题展开研究后给出了答案。
3.1 防撞步态规划次数问题
法国国家信息与自动化研究所提出的问题是，机器人在移动人群中行进时，1个行走周期内做几次规划比较好？研究结果如图12所示，研究结果表明至少需要2次规划，2次就可以达到很好的效果，即半步规划。规划次数增加，但效果并没有明显提升[11]。
图12 防撞步态跟踪规划
3.2 规划及跟踪问题
武汉大学针对步态规划提出几步规划好，1次还是2次？ One or Two （O or T），位置跟踪好还是速度跟踪好（Position or Velocity，P or V）？文章经过对比实验后，最终如图13所示，其中MPC为预控制方法，TVO 为速度跟踪两步预测、OVO 为速度跟踪一步预测优化、TPO为位置跟踪两步预测优化。实验表明，TVO方式，即速度跟踪、2步预测优化方式最好[10]。
图13 跟踪规划对比实验结果
四、总结
参加IROS会议能学到很多新东西，报告人会将研究的基础工作和下一步工作规划放在报告里，大牛们也会分享他们的研究工作和想法，而这些是通过读文章无法获取的。可能是人口老龄化的压力，日本的研究人员更注重细节和应用研究，比如机器人驾驶汽车[3]、机器人搬运重物和挖掘[12]等等，而其他国家的研究内容感觉趋同，日本研究人员不走寻常路。部分研究工作非常具有新意，但只停留在仿真阶段，模型也往往只有2D，距离实际应用较远。算法方面，模型、二次优化、滤波、神经网络、深度学习、融合等都是研究热点。四足机器人、无人机的相关研究非常多，远远多于双足机器人，是当前的研究热点。研究机器人，纯仿真是不行的，感觉双足硬件实验平台限制了双足机器人技术的发展。值得一提的是，IROS会议国家文章贡献，中国排第二，低于于美国，仍有不小的差距，同志们仍需努力啊。
图13 论文来源国家比例 [1] Jeong Hyobin, Kim Joon-Ha. Avoiding Obstacles During Push Recovery Using Real-Time Vision Feedback, Korea Advanced Institute of Science and Technology (KAIST)，IROS2019. [2] Chao Kenneth , Hur Pilwon. Generalized Contact Constraints of Hybrid Trajectory Optimization for Different Terrains and Analysis of Sensitivity to Randomized Initial Guesses” , Texas A&M University, IROS2019. [3] Shinjo, Koki , Kawaharazuka. Foot with a Core-Shell Structural Six-Axis Force Sensor for Pedal Depressing and Recovering from Foot Slipping During Pedal Pushing Toward Autonomous Driving by Humanoids, The University of Tokyo , IROS2019. [5] Huzaifa Umer , Fuller, Caleb. Toward a Bipedal Robot with Variable Gait Styles: Sagittal Forces Analysis in a Planar Simulation and a Prototype Ball-Tray Mechanism, University of Illinois at Urbana-Champaign, IROS2019. [6] Xin Songyan, Orsolino Romeo. Online Relative Footstep Optimization for Legged Robots Dynamic Walking Using Discrete-Time Model Predictive Control, Istituto Italiano Di Tecnologia (IIT), IROS2019. [7] Morisawa Mitsuharu , Benallegue Mehdi. Multi-Contact Stabilization of a Humanoid Robot for Realizing Dynamic Contact Transitions on Non-Coplanar Surfaces, National Inst. of AIST, IROS2019. [8 ] Guan Kaixuan, Yamamoto Ko. Virtual-Mass-Ellipsoid Inverted Pendulum Model and Its Applications to 3D Bipedal Locomotion on Uneven Terrains, The University of Tokyo, IROS2019. [9] Kojio Yuta, Ishiguro Yasuhiro. Unified Balance Control for Biped Robots Including Modification of Footsteps with Angular Momentum and Falling Detection Based on Capturability, The University of Tokyo, IROS2019. [10] Ding Jiatao, Xiao Xiaohui. Nonlinear Optimization of Step Duration and Step Location, Wuhan University， IROS2019. [12] Komatsu Shintaro, Nagamatsu Yuya. Humanoid Robot’s Force-Based Heavy Manipulation Tasks with Torque-Controlled Arms and Wrist Force Sensors, The University of Tokyo, IROS2019.
作者：乐聚机器人 朱政 | 
