找项目
找工程师
大学仕会员
联盟中心
机器人
FA零部件
工控类
大学仕自动化小程序
快速找自动化资源、人才
自动化外包小程序
快速找外包需求、找工程师
大学仕抖音号
随时掌握一手咨询
FA零部件测评
你的零部件选购指南
自动化服务商专用
项目资源一手掌握
自动化设备需求方专用
设备案例设备供应商了如指掌
大学仕微信公众号
随时掌握一手咨询
大学仕自动化小程序
快速找自动化资源、人才
自动化外包小程序
快速找外包需求、找工程师
大学仕抖音号
随时掌握一手咨询
零部件测评
微信扫码 进入小程序
自动化外包
微信扫码 进入小程序
客服协助
加客服免费发需求
联系客服咨询项目
客服电话1
13016879065
客服电话2
400-828-5522
电话咨询客服
投诉电话
18168813292
投诉热线
自动化零部件供应商入驻申请
*公司名称
主营业务
*姓名
*手机号码
电子邮箱
提交申请
激活店铺

只需2步,轻松拥有您的专属企业店铺

店铺信息

完善店铺信息,让雇主更加了解你

去完成
企业认证

完成实名认证,让雇主更加信任你

去完成
邀请你加入大学仕联盟
大学仕自动化小程序
长按识别进入小程序
资讯中心
当前位置:
四足机器人适合各种复杂环境
大学仕 2020-10-27 11:46
点赞 806浏览

  多年来,瑞士 ANYbotics 公司的团队一直在试图解决这个问题,他们的最新研究成果——《Learning quadrupedal locomotion over challenging terrain》登上了新一期《Science Robotics》的封面。

  在这篇论文中,他们提出了一种稳健的控制器,可以部署到 ANYbotics 旗下多种机器人中。有了新型控制器的加持,这些机器人可以轻松翻越溪流、草地、雪地、碎石坡等富有挑战的场景。




  在不平坦的地形上,常规腿式运动方法方法使得控制架构越来越复杂。许多情况都要依赖复杂的状态机来协调运动原语和反射控制器的执行。为了触发状态之间的转换或反射的执行,许多系统都明确地预估状态,例如地面接触和滑行移动。这种预估通常是基于经验设置的,并且在存在诸如泥土、雪地或植被等未建模因素的情况下可能会变得不稳定。还有一些在脚部使用接触式传感器的系统,在野外条件下也会变得不可靠。

  总体而言,随着考虑更多场景,用于在崎岖等特殊地形上进行腿式运动的常规系统的复杂性不断升级。在开发和维护方面变得非常困难,并且也容易出现控制器设计无法实现的情况(角落情况)。




  近来无模型强化学习(RL)已经成为腿式机器人运动控制器开发中的一种替代方法。强化学习方向的观点是调整控制器以优化给定的奖励函数。优化是通过执行控制器本身获取的数据来执行的,这会随着经验的增加而改进。强化学习已经用于简化运动控制器的设计,自动化设计过程的各个部分以及学习之前的方法无法设计的行为。

  但是,将强化学习用于腿式运动在很大程度上仅限于实验中的环境和条件。此前的研究实现了运动和恢复行为的端到端学习,但仅限于在实验室的平坦地面上进行。其他研究也开发了用于腿式运动的强化学习技术,但同样是在实验的环境中,主要集中在平坦或带有中等纹理的表面上。




  ANYbotics 的研究者提出了一种稳健的控制器,用于在充满挑战的地形上进行盲四足运动。该控制器仅使用联合编码器和惯性测量单元的本体感受(proprioceptive)度量,这是腿式机器人上最耐用最可靠的传感器。
(文章来源于机器人在线网)

继续阅读与本文标签相同的资讯

四轴机器人 机器人
推荐店铺
换一批
相关推荐
换一批
成功案例 热门商机 自动化技术 优质自动化公司