點擊藍字 關注我們
SUBSCRIBE?to US
近期，波士頓動力公司（Boston Dynamics）傾注了一些力量在制造能夠做商業用途的機器人，而另一方面，關于動態人形機器人的發展也并沒有落下。在最新的視頻中，波士頓動力公司展示了Atlas專注于感知和操縱的一些驚人的新功能，Atlas團隊負責人回答了我們（作者，以下簡稱我）關于他們如何實現這一目標的一些問題。
這里的亮點之一是Atlas能夠動態地移動和與對象交互，尤其是與具有較大質量的對象交互。舉著木板的快速旋轉180度是令人印象深刻的，因為Atlas必須完成所有增加的動力輸出。與旋轉的袋子投擲相同：當機器人在半空中釋放袋子時，它的動量就會發生變化，這需要在著陸時進行補償。要把箱子推倒，必須靠過去，但同時需要小心，這樣Atlas就不會在推動之后從平臺上摔下來。
雖然Atlas在這里展示的物理能力令人印象深刻，但這一演示也突出了要讓機器人以自主甚至半自主的方式發揮作用，還有多少工作要做。例如，環境改造是人類一直在做的事情，但我們在很大程度上依賴于我們對世界的了解來有效地做到這一點。我很確定Atlas沒有能力識別這樣的問題，考慮需要進行什么樣的修改才能使差距變得縮小，找到必要的資源，然后以人類的方式自主進行適當的修改。由此可以看到，在機器人能夠以富有成效的方式利用這些令人印象深刻的物理技能之前，在世界理解和推理方面還有很多工作要做。
這段視頻中還有很多內容，波士頓動力公司幫助我們整理了一些幕后解說：
關于這一點，我們向波士頓動力公司發送了幾個問題，Atlas團隊負責人Scott Kuindersma為我們進行了解答。
Q
Atlas事先對它將要操縱的對象了解多少？這些知識對于現實世界的操縱有多重要？
Scott Kuindersma：這段視頻中，機器人有一張高級地圖，其中包括我們希望它去哪里，我們希望它拾取什么，以及它一路上應該做什么特技。該地圖與真實環境的幾何匹配度不高；它是一個包含障礙模板和注釋動作的近似描述，由機器人的感知系統在線調整。機器人具有離線計算的對象相關抓取目標，模型預測控制器（MPC）可以訪問近似質量物體。
我們認為，現實世界中的機器人同樣會利用關于其任務和環境的先驗知識，但這些先驗知識采用什么形式以及它們提供的信息量可能會因應用程序而異，其中一些需求可能會與一些早期的商業應用程序相一致，但我們也在構建允許Atlas在頻譜上的其他點運行的功能。
Q
Atlas的硬件功能是否經常限制您使用Atlas的頻率？在這一點上，相對于改進軟件，改進硬件有多大區別？
Kuindersma：不經常。當我們偶爾花時間在inverted 540這樣得東西上時，我們是在故意突破界限。除了對我們來說非常有趣和（希望）激勵他人之外，這些活動幾乎總是結出持久的果實，并為我們提供了更強大的軟件來解決其他問題。
我們的硬件和軟件團隊之間的緊密結合，以及我們設計、迭代和相互學習的能力，是我們團隊與眾不同的原因之一。這偶爾會導致硬件升級和重大重新設計的行為。但從軟件的角度來看，我們一直覺得自己只是在觸及Atlas的表面。
Q
你能詳細說明一下你用來確保Atlas能夠成功執行最后一個技巧而不會陷入困境的故障排除過程嗎？
Kuindersma：控制器通過使用機器人模型來預測和優化其未來狀態。在這種情況下所做的改進是對該模型的擴展，包括了機器人四肢的幾何形狀和防止它們相交的約束。換句話說，我們沒有專門調整這一行為以避免自碰撞，而是在控制器中添加了更多的模型細節，以使其更好地避免不可行的配置。這樣，Atlas的所有行為都會受益。
Q
關于視頻，您還可以與我們分享什么？
Kuindersma：一些有趣的事實：圍繞MPC和操縱的核心新技術是在今年開發的，但我們為視頻繪制白板草圖和完成拍攝之間的時間是六周。2×12英寸平板的工具包投擲和旋轉跳躍是兩年前作為我們移動工作的一部分創建的180跳躍行為的在線推廣。控制器輸入的唯一區別是對象模型和所需的對象運動。
盡管機器人對投擲力學有很好的理解，但真實世界的表現對釋放的精確時間以及釋放過程中袋子是否碰巧被手指夾住很敏感。這些細節并沒有被我們的模擬工具很好地表現出來，所以我們主要依靠硬件實驗來改進行為，直到每次都能奏效。
微信號｜IEEE電氣電子工程師
新浪微博｜IEEE中國
?· IEEE電氣電子工程師學會 ·?
往
期
推
薦
Apptronik開發多用途人形機器人
光學AI可以滿足巨大的數據需求
電動汽車是必不可少的網格級存儲
新法拉第籠可以關閉和打開？
