IROS2019机器人领域研究成果分享

shyao 2020-4-22 10:02:55 显示全部楼层 阅读模式
本帖最后由 shyao 于 2020-4-23 15:41 编辑

微信图片_20200423153943.jpg

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。

微信图片_20200422094020.png

1 机器人踝关节结构变化


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。

微信图片_20200422100819.png
2  踝关节连杆驱动结构

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。

微信图片_20200422101706.png
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。

微信图片_20200422102037.png

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。

微信图片_20200422102337.png
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。

微信图片_20200422102618.png
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。

图片1.png
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。

图片2.png
8 基于四足机器人实现墙面移动

2.5 改进的倒立摆模型

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。

图片3.png
9 VIP模型及与其他模型的对比

微信图片_20200422103628.png
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。

微信图片_20200422103753.png

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]。

微信图片_20200422104003.png
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]。

图片4.png
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。

图片5.png
图13 论文来源国家比例
参考文献:
[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.
[4] Firouzi Vahid , Ahmad Sharbafi Maziar. TIP Model: A Combination of Unstable Subsystems for Lateral Balance in Walking, University of Tehran, 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.
[11] Ciocca Matteo, Wieber Pierre-Brice. Effect of Planning Period on MPC-based Navigation for a Biped Robot in a Crowd, INRIA, 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
回复

使用道具 评分 举报

大神点评3

古德古德
回复

使用道具 评分 举报

陈小生 2020-6-15 11:27:51 显示全部楼层
感谢分享。
回复

使用道具 评分 举报

LL97uziiiii 2020-6-30 15:04:47 显示全部楼层
学到了!
回复

使用道具 评分 举报

您需要登录后才可以回帖 登录 | 立即注册

  • 0 关注
  • 4 粉丝
  • 22 帖子