Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

真实再现生物脊柱功能,老鼠机器人也能像杰瑞一样灵活,Science Robotics 发布老鼠机器人最新研究成果

12 月 7 日,国际知名学术期刊Science Robotics》发表来自德国慕尼黑工业大学和中山大学的研究团队的研究文章——Lateral Flexion of a Compliant Spine Improves Motor Performance in a Bio-Inspired Mouse Robot」

图片

论文链接:https://www.science.org/doi/10.1126/scirobotics.adg7165

该研究团队开发了一款高度仿生的老鼠机器人。研究的核心创新在于引入了可变形的柔性脊柱,大幅提升了机器人的运动灵活性和效率。这一重大突破不仅推动了具有脊柱的足式机器人设计领域的发展,同时也为运动控制的相关研究提供了全新的视角和可能性。

论文作者包括来自德国慕尼黑工业大学的邴振山(Zhenshan Bing)博士,研究生 Alex Rohregger,Florian Walter 博士,黄裕泓(Yuhong Huang),Peer Lucas,Fabrice Morin 博士和 Alois Knoll 教授,以及中山大学计算机学院黄凯教授。

图片

图 1  论文被 Science 官网报道。

这项研究揭示了灵活的脊柱对于提升足式机器人的运动敏捷度至关重要。目前,尽管已有机器人能够通过「四肢」灵活移动,但在执行某些动作时仍存在一定程度的僵硬,这限制了它们的运动效率。因此,升级脊柱的设计,对于提升机器人的灵巧程度,尤其是对于体积受限、动力不足的小型和欠驱动四足机器人,显得尤为有益。

研究人员设计了一种符合神经机器人标准的老鼠机器人(Neurorobotic Mouse, NeRmo)。NeRmo 是一种仿生机器老鼠,模拟了真实老鼠的形态和肌腱驱动系统。它拥有能侧向弯曲的柔韧脊柱,这一设计显著提升了机器人的行走速度和机动性。这些新发现不仅为脊柱如何作用于「四脚兽」的运动系统提供了更全面的认知,更为未来的机器人开发提供了前瞻性的设计理念。

具体体现为,这种灵活的脊柱能够帮助 NeRmo 从不稳定的配置中调整姿势,增强其静态稳定性。同时,它还能有效地延伸步幅,进而提高行走速度,也让 NeRmo 在需要小转弯半径和快速行进时,表现出更优异的机动性。

研究团队首先详细探索了脊柱的水平弯曲对动物运动能力的多重影响。

  • 对静态稳定性的影响:脊柱的弯曲导致动物重心位置发生变化,这对于保持平衡至关重要。

  • 对步幅长度的影响:通过改变肩膀与臀部之间的距离,脊柱的弯曲有助于调整步幅长度。

  • 对转弯能力的影响:脊柱的弯曲还会改变臀部和肩部的轴线,从而影响转弯效率。

研究团队巧妙地将这些发现应用到了机器人的设计之中,显著提升了机器人的静态平衡能力、运动速度以及转弯能力。

NeRmo 有什么过人之处?

作为一款微型四足机器人, NeRmo 模仿了常见啮齿动物的肌骨骼解剖结构、外貌和运动模式。其机械设计和驱动系统的概述如图所示。

图片

图 2 老鼠机器人的机构设计示意图。

NeRmo 拥有几个引人注目的独特之处:

  • 完全柔性的脊柱,使得 NeRmo 可以在横向和矢状平面上实现平滑的弯曲;

  • 由肌腱驱动柔性的膝盖和肘部关节;

  • NeRmo 的电机 - 肌腱驱动系统模仿了四足动物的肌肉骨骼特征。物理特性方面,NeRmo 全长 405 毫米,肩胛骨到骨盆的长度为 117 毫米,高度 91 毫米,宽度 90 毫米,重量仅 225 克,采用耐用的 PA12 聚酰胺材料。

  • 在运动能力方面,NeRmo 具备 13 个自由度,可实现多种灵活的运动,包括旋转的髋关节 / 肩部和弯曲的膝盖 / 肘部,以及横向和矢状弯曲的脊柱,可水平旋转和俯仰的头部、可横向弯曲的尾巴。

  • 电子设备方面,NeRmo 搭载了一块 7.4 伏特、1000 毫安时的锂聚合物电池,配备肌腱和伺服电机(HD DSM44)为执行器,控制器采用树莓派 Zero 和 STM32。同时还具备摄像头和关节编码器传感器,支持高级感知和运动控制。

实验结果

实验一:柔性脊柱弯曲提升机器人静态稳定性

测试静态平衡的实验展现了基于脊柱平衡补偿机制(Spine balance compensation, SBC)的独特作用。这一机制通过侧向脊柱的弯曲来调整重心(Center of Mass, CoM),保证了机器人在最初不稳定的状态下仍能保持静态稳定。

图片

图 3 在脊柱 SBC 的作用下,机器人可以保持三足站立的稳定性。

实验过程如下:首先,NeRmo 被设置在一个中性的四足静态接触状态,其腿部直接位于肩部或臀部的正下方。接着,机器人的每条腿依次被抬起,转换至三足静态接触状态。在此状态下,抬起的腿在肩部或臀部关节的全运动范围内摆动,并同时测试启用和未启用 SBC 的效果。

结果显示,在未启用 SBC 的情况下,由于重心超出了支撑基底,机器人无法维持三足站立的平衡。然而,当启用 SBC 后,NeRmo 能够有效保持平衡。

为了进一步量化分析,研究人员监测了 NeRmo 在真实环境中的俯仰和滚转角度。即使在能够维持平衡的情况下,启用 SBC 的 NeRmo 在抬起前腿时的前倾角度减少了 50%,滚转角减少了 50%。在进行后腿平衡测试时,SBC 使俯仰偏差减少了 73%,滚转偏差减少了 80%,有效避免了机器人的倾覆。

实验二:柔性脊柱弯曲提升机器人运动速度

研究人员对 NeRmo 的直线行走能力进行了测试,实验结果显示脊柱侧向弯曲对行走速度有显著提升,有脊柱辅助的步态在速度上超过了传统步态。

论文详细展示了机器人不同步态频率下的行走速度,数据均从真实环境中获得。实验测试了六种不同的步态配置,涵盖了带脊柱和不带脊柱的理想小跑(分别标记为 “trt,s” 和 “trt,ns”)、带脊柱和不带脊柱的步行小跑(分别标记为 “walk,s” 和 “walk,ns”)以及带脊柱和不带脊柱的侧向行走步态(分别标记为 “lat,s” 和 “lat,ns”)。

图片

图 4 在脊柱作用下,机器人在多种步态测试中均有效提升了运动速度。

实验结果表明,在不同频率不同步态的大量实验中,NeRmo 的速度增幅达 8% 到 17% 不等。研究团队还观察到,脊柱辅助的步态比常规步态步幅更大。与标准步态的直线轨迹相比,脊柱辅助步态中摆动腿的轨迹展现出独特的曲线形态,这主要是由于脊柱的弯曲所引起的。同时,大量的模拟测试结果也与真实世界中的情况相符。

实验三:柔性脊柱弯曲提升机器人转弯能力

这项实验展现的是引入脊柱后对机器人转弯能力的加强。实验考察了三种转弯策略:基于腿部的转弯、基于脊柱的转弯以及混合式转弯。

在基于腿部的转弯策略中,机器人通过调整每侧步幅的长度来控制运动,这种做法会产生非对称的接触力分布,在重心周围生成偏航力矩。基于脊柱的转弯策略则利用脊柱的侧向弯曲来引导机器人,这种方法顺应了一些生物的自然行为。而混合式转弯策略则融合了基于腿部和基于脊柱的两种方法。

图片

图 5 在脊柱和腿部共同作用下的转弯行为兼具转弯速度和灵活性。

实验结果表明,在所有测试的步态频率和类型中,基于脊柱的侧向弯曲转弯无论在哪种转弯轨迹下都显示出最快的速度,比基于腿部的转弯快约 20% 到 30%。混合式转弯策略的速度也优于纯腿部驱动的转弯,仅略逊于纯脊柱驱动的转弯,但却有效地保证了小半径转弯的能力。

在实际应用中,混合式转弯策略实现了最佳的最小转弯半径,比基于腿部的转弯小约 30%,并且比纯脊柱驱动的转弯小 60% 到 85%。这些发现凸显了能弯曲的脊柱对于在机器人运动的重要性,也为未来的机器人设计提供了有价值的参考。

实验四:柔性脊柱弯曲提升机器人的整体运动能力

研究团队还在迷宫环境中对 NeRmo  进行了导航任务的测试。机器人在开启和关闭脊柱控制器两种配置下进行了测试。如图所示,迷宫场景要求机器人执行一系列的行走和转弯动作以穿越迷宫。为了确定 NeRmo 应该遵循的路径,研究人员采用了视觉传感器来获取运动路线的数据。

图片

图 6 在脊柱作用下,老鼠机器人可以更快地完成复杂的迷宫任务。

实验结果表明,受益于脊柱对足式运动的加成,机器人完成迷宫的时间减少了 30.6%。

结论

由科研团队精心打造的仿生机器老鼠 NeRmo,巧妙地模拟了真实世界中的老鼠行走时肌肉和骨骼的机制。NeRmo 最核心的亮点,就在于它装载了一种又柔软又有弹性、真实地再现了生物的功能的脊柱。和常见的四足机器人不同,NeRmo 的脊柱设计更加简洁和灵活,为相关领域提供了创新思路。

在一系列实验中,研究人员展示了这种柔韧的脊柱在提升小型欠驱动四足机器人运动性能方面的显著优势,尤其是对于静态稳定性、行走速度和转弯灵活性方面的提升。

值得注意的是,即使在三足落地的不稳定状态下,NeRmo 也能保持平衡,充分证明了其在实际应用中的强大鲁棒性。此外,这种脊柱的侧向弯曲对步幅的延伸,实现了更快的移动速度。在转弯性能方面,相较于传统的基于腿部动作的转弯,NeRmo 的速度提高了 40%,最小转弯半径也得到显著改进,展示了这项成果在提升四足机器人机动性方面的巨大潜力。

作者简介

图片

邴振山博士目前担任德国慕尼黑工业大学的高级研究员。他的研究领域主要涵盖仿生机器人、类脑算法以及基于强化学习的机器人运动控制等方面。在国际知名期刊上已经发表了80余篇学术论文,其中包括《Science Robotics》、《IEEE Transactions on Pattern Analysis and Machine Intelligence》等权威期刊。作为项目联合负责人主持国家自然科学基金中德合作交流项目,德国巴伐利亚州未来信息科技创新项目。现担任IEEE Transactions on Neural Networks and Learning Systems , Frontiers in Neurorobotics, Cyborg and Bionic Systems等多个SCI期刊副编委等职务。

图片

黄凯教授,中山大学计算机科学学院人工智能与无人系统研究所的所长。研究领域为嵌入式系统的分析、设计和优化技术及其工业应用,包括无人系统、手术机器人、仿生机器人等。

图片

Alois Knoll教授,计算机科学家,IEEE Fellow,慕尼黑工业大学计算信息与技术学院教授,任该学院机器人、人工智能和实时系统研究所所长。他在人机交互、神经机器人以及自动化系统领域做出了开创性贡献。

工程NeRmo
相关数据
感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

嵌入式系统技术

嵌入式系统,是一种嵌入机械或电气系统内部、具有专一功能和实时计算性能的计算机系统。嵌入式系统常被用于高效控制许多常见设备,被嵌入的系统通常是包含数字硬件和机械部件的完整设备,例如汽车的防锁死刹车系统。

强化学习技术

强化学习是一种试错方法,其目标是让软件智能体在特定环境中能够采取回报最大化的行为。强化学习在马尔可夫决策过程环境中主要使用的技术是动态规划(Dynamic Programming)。流行的强化学习方法包括自适应动态规划(ADP)、时间差分(TD)学习、状态-动作-回报-状态-动作(SARSA)算法、Q 学习、深度强化学习(DQN);其应用包括下棋类游戏、机器人控制和工作调度等。

人机交互技术

人机交互,是一门研究系统与用户之间的交互关系的学问。系统可以是各种各样的机器,也可以是计算机化的系统和软件。人机交互界面通常是指用户可见的部分。用户通过人机交互界面与系统交流,并进行操作。小如收音机的播放按键,大至飞机上的仪表板、或是发电厂的控制室。

量化技术

深度学习中的量化是指,用低位宽数字的神经网络近似使用了浮点数的神经网络的过程。

暂无评论
暂无评论~