人类都很难驾驭的漂移板，却被加州大学伯克利分校的双足机器人Cassie轻松实现，直行、转弯、高速行驶都不在话下。IEEE Spectrum对机器人设计团队进行了专访，为我们揭开Cassie背后的技术。

 

 

    机器人现在也可以驾驭漂移板了！

 

    新智元之前报道过媲美波士顿动力，双足机器人Cassie逆天跑跳，还会骑平衡车。

 

    而最近，Cassie的能力又升级了——超难的漂移板也能轻松驾驭！

 

    双足机器人应当具有人类走路的能力，但与此同时，在某些特定情况下，滑行也是有必要的。让双足机器人学会使用人类的滑行工具便成了很有意思的一个课题。

 

    但是，使用这些工具并不是一件易事。毕竟，连人类使用它们也是非常困难的。

 

    而在加州大学伯克利分校，由Koushil Sreenath领导的混合机器人实验室便成功实现了这项任务，而且是难度最大的漂移板！

 

    值得注意的是，Cassie是自主运行并完成这项任务的，它在漂移板上是实时完成所有自己的计算。

 

    这证明了加州大学伯克利分校控制器的稳定性，他们愿意让机器人在不受束缚的情况下在室外运行，而且他们貌似正长期考虑带轮子的双足机器人在现实世界中的用处：

 

    我们的反馈控制和自主系统允许在城市环境中快速移动，以帮助从食品运送到安全、监视到搜索和救援任务的各个方面。这项工作也可以帮助大型工厂和仓库的运输。

 

    IEEE Spectrum对话UC伯克利：有关Cassie我们想了解的一切

 

    IEEE Spectrum：视频中Cassie的表现是否真的代表了真实世界中的水平？如果出现意外情况会怎样？

 

    UC伯克利：它在真实世界中的表现就跟我们在视频中看到的是一样的，Cassie可以在校园里流畅的骑电动漂移板。

 

    控制器可以让Cassie稳稳的骑在漂移板上，并能够成功克服各种干扰，除了一种失效模式目前Cassie还解决不了。这种情况一般会发生在比如横向经过斜坡、或者一个大的障碍物在一侧的时候，会让板子侧翻离开机器人的双脚。

 

    目前Cassie还没办法自己上板下板。

 

    新智元注：漂移板分很多类型。像视频中这种漂移板操作难度非常大，碰到一些障碍没办法像滑板一样用ollie越过去，一旦从上面下来再站上去也很困难。

 

    IEEE Spectrum：Hybrid机器人实验室一直致力于让机器人能够克服各种地形挑战。但是像漂移板如何适应各种地形呢？

 

    UC伯克利：有意思的是，这项研究与我们之前在离散地形上行走的工作有关。虽然在粗糙和离散的地形，足的效果是最好的，但在平坦地形上轮子显然更有效。

 

    使足式机器人能够骑在各种小的移动平台上（例如漂移板、小鱼板、平衡车等），将提供多模式运动能力，提高各种地形上的运动效率。

 

    目前的研究通过使用漂移板这样的轮式平台进一步延伸了双足机器人在连续地形上的运动能力。从长远来看，我们希望开发多模态运动策略，以使双足机器人能够在日常生活中稳健有效地运行。

 

    实验中，加州大学伯克利分校的研究人员表示，Cassie证明能够在粗糙和不平坦的地形上骑行，包括下楼梯。

 

    IEEE Spectrum：训练Cassie使用漂移板需要多长时间？有什么比一般人类更擅长的技巧吗？

 

    UC伯克利：开发整个系统（例如控制器，路径规划器和视觉系统）整整花了8个月时间，其中还包括了开发Cassie和漂移板的数学模型、建立动态模拟、找出Cassie如何与各种传感器的连接和通信。接下来我们会做几个实验以慢慢提高性能。

 

    相比之下，一个具有良好平衡感、有过类似轮式运动经验的人，需要花几个小时才能学会使用漂移板。而没有任何滑板、轮滑经验的人来说，可能需要更长的时间。

 

    一个熟练漂移板的人可以自由的在两个板子上转换，但是Cassie不行。因为算法需要非零前进速度才能转换。不过，Cassie在粗糙和不平坦的地形上表现的比一般人更好，甚至可以骑着漂移板下一些楼梯！

 

    IEEE Spectrum：如何让Cassie更快或更灵活玩转漂移板？

 

    UC伯克利：虽然Cassie目前可以流畅的前进并躲避障碍物，但这种能力受到传感、控制器和机载计算的限制。为了使Cassie能够拥有更高级更复杂的动态控制，我们还需要不断改进。

 

    例如：需要planner考虑到Cassie-漂移板系统的整个动态，并快速生成动态可行的轨迹；需要控制器能够紧密协调Cassie的所有自由度，以便在平衡悬停的时候动态移动；需要对快速转弯引起的运动模糊伪像具有鲁棒性的传感器；需要能够以实时速度执行算法的板载计算。

 

    IEEE Spectrum：下一步计划？

 

    UC伯克利：我们正在努力通过充分利用Cassie的动力，为Cassie在漂移板上实现更高难度的动作。同时也在致力于让Cassie学会自己上板下板，以及创建多模式运动策略，应用于人类的日常生活中。