动作捕捉系统用于仿生多足机器人研究
1 前言
近30年来，移动机器人由于其在复杂环境移动和探索能力出色而备受关注。移动机器人大致可以分为三类：轮式机器人、履带式机器人和足式机器人。不同的移动机器人适用于不同的工作空间，具有不同的机动性、效率和稳定性。轮式和履带式机器人虽然可以在平面地形中工作，具有很高的移动效率，但是在大部地形和环境复杂的场景下无法胜任。
动物经过多年的进化，可以利用它们的腿在不同的地形中快速移动，具有出色的敏捷性和稳定性。足式机器人受动物启发，可以在各种地形下运动。从稳定性和移动性能角度，四足机器人是所有移动机器人中的最佳选择。与双足或六足机器人相比，机器人的四条腿更容易控制、设计和维护。近几年关于四足机器人的研究方向包括在仿生结构研究、运动控制、环境感知和智能化等。
2 仿生结构（帝国理工学院）
对于山崖这种陡峭的地形，防止滑落是一个重要挑战。山羊、鹿等动物在陡峭地形有很强的抵抗滑倒的能力。英国帝国理工学院戴森设计工程学院研究人员设计了仿山羊蹄结构[1]，组合柔顺偏航和俯仰，以及刚性滚动。这就使机器人出现了类似abs的行为，提高了系统的防滑性。
为了测试仿山羊蹄机械结构防滑性能，研究人员使用被动机器人山羊蹄对其三个关节的不同顺应性水平进行了数值模拟和滑动实验。实验中用到了力传感器、光学动作捕捉系统，其中动捕系统用来获取各主要关节运动过程中角度变化，结合力传感器和能量损耗，得出关节顺应性水平与防滑性能的关系。
3 运动控制（苏黎世联邦理工学院）
除了常见的适应各种地形行走的机器人，苏黎世联邦理工学院的研究人员还开发了一种用于星际探索的跳跃四足机器人[2][3]。与类地环境不同，在微重力条件下，跳跃步态的飞行阶段比站立阶段时间要长的多。这就使仅通过地面反作用力进行的姿态控制无法实现，而且在起跳时任何的微小动量都会导致在跳跃或者飞行过程中的明显姿态误差，需要对其进行校正。
在自然界中猫等动物会用身体和四肢来控制姿态，受到这种启发，研究人员开发了一种新的方法控制spcaebok，可以仅使用四肢实现精确的跳跃和着陆。基于深度强化学习的无模型学习算法练一个神经网络来控制跳跃四足机器人，并仅使用它的四肢进行姿态控制。将模拟中训练好的模型部署在显示世界中的spacebok机器人上，并在一个二维的微重力实验测试台上进行验证。
在地球上模拟微重力环境比较困难，这里研究人员将任务简化成机器人的二维矢状面。通过将机器人绕纵轴翻转90°实现重力卸荷。实验在欧洲空间技术研究中心的二维微重力测试的实验平台进行。研究人员将spacebok四足机器人固定在气浮台顶端，机器人可随着气浮台无摩擦的在平坦地面（即矢状面）自由移动，也可以绕俯仰轴转动。由于这个实验主要关注机器人的运动控制，所以使用光学动作捕捉系统跟踪机器人，获取机器人的高精度的位置、姿态、速度数据，用于状态估计，相当于简化了实验流程。在实际使用中，机器人会利用机载传感器获取这些数据。
4 自主化及智能化（东京大学）
四足机器人利用四条腿保持稳定，可以在一些复杂环境下运动，比如台阶，或者一些其他不平坦的地形，很适合完成一些现实中的移动任务。但是大多数四足机器人缺乏主动与环境交互并进行操作的能力。有一些四足机器人上增加了机械臂和末端夹爪，可以使机器人完成取放、开门或协同搬运等任务，但是考虑到机器人的负载，通常只能携带一个机械臂，其操作能力也极大受限。
现实世界中的很多动物利用四条腿就可以完成很多操作。东京大学JSK实验室的研究人员提出一种基于深度强化学习的方法，使四足机器人实现利用四条腿进行操作[4]。这个方法在无模型 RL 的模拟中进行训练，并在真实ANYMAL机器人上实现零样本部署。
实际机器人实验中让四足机器人蹬一个3kg重的瑜伽球，在球表面粘贴反光标识点，确定球重心的位置和姿态，来确定机器人蹬球的性能（蹬球的速度等）。此外研究人员还增加了外部扰动，用棍子触碰球，测试机器人稳定性水平。
5 客户案例
NOKOV度量光学动作捕捉系统作为国内典型的动作捕捉系统厂家，在仿生四足机器人方向有巨大的客户群体，除了高校科研院所，还有商业四足机器人公司。NOKOV度量动作捕捉系统除了作为四足机器人性能评估的仪器，还可以用来采集动物的运动数据，作为机器人开发的理论基础。
客户案例1-山东大学
山东大学开展了四足动物与环境之间的交互机理和步态研究，以及突发情况下的应急控制方法研究。实验在国家地震紧急救援训练基地的测试场。在仿生机器人的“躯干”和“四肢”的关节部分贴上反光标志点（Marker），NOKOV度量动作捕捉系统采集了数组机器人运动的过程，并导出各关节点坐标数据，研究人员再将这些数据导入开发的专用分析工具进行分析，得到运动轨迹、运动姿态和其他各项运动学参数，并进行数据处理。
客户案例2-吉林大学威海仿生研究院
吉林大学威海仿生研究院的研究人员在进行生物原型研究及数学建模时，需要获取蜥蜴运动时的姿态信息，通过分析蜥蜴运动特征，为开发仿生机器人提供理论依据。他们在蜥蜴的身体及四肢上各贴了一些反光标识点，使用NOKOV度量光学三维动作捕捉系统进行捕捉。
6 更多信息阅读
——2022.06.14——
参考
- ^[1] Abad S A, Herzig N, Sadati S M H, et al. Significance of the compliance of the joints on the dynamic slip resistance of a bioinspired hoof[J]. IEEE Transactions on Robotics, 2019, 35(6): 1450-1463.
- ^[2] Rudin N, Kolvenbach H, Tsounis V, et al. Cat-like jumping and landing of legged robots in low gravity using deep reinforcement learning[J]. IEEE Transactions on Robotics.
- ^[3] Arm P, Zenkl R, Barton P, et al. Spacebok: A dynamic legged robot for space exploration[C]//2019 international conference on robotics and automation (ICRA). IEEE, 2019: 6288-6294.
- ^[4] Shi F, Homberger T, Lee J, et al. Circus anymal: A quadruped learning dexterous manipulation with its limbs[C]//2021 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2021: 2316-2323.