球虫机器人_球虫机器人

球虫机器人是一种创新的动态稳定型机器人,摆脱了传统的宽大轮式底座,依靠一个球形轮子保持平衡并自由移动。这种设计提高了灵活性,使其能在狭窄空间中穿梭。通过精密的传感器和控制系统,球虫能够感知倾斜度并调整滚动以保持直立,类似于人类的平衡机制。未来,研究人员计划为球虫添加手臂和头部,增强其在日常环境中的交互能力。
摘要由CSDN通过智能技术生成

转自:http://baike.baidu.com/view/3739115.htm

球虫机器人

人类一直梦想着能够制造出这样一种机器人:行动自如,能在家庭、办公室和疗养院等场所帮助人们完成各种任务。科幻作家妙笔生花,从不同角度描写过这类机器人;科学家更是绞尽脑汁,为制造出这种机器人孜孜不倦地奋斗了多年,但是,这个梦想似乎至今仍遥不可及:机器人如何感知并模拟环境、进行自动推理、摆弄物体以及移动等重大问题,至今尚未解决。

0818b9ca8b590ca3270a3433284dd417.png

球虫机器人图片

现在,一些新颖的机器人纷纷崭露头角,虽然距人们的期待还很遥远,但在技术上已有一定突破,令人啧啧称奇:2002年,美国人工智能学会(American Association for Artificial Intelligence)在加拿大阿尔伯塔省埃德蒙顿市举行年会。一个研究小组将一台机器人放在会场入口处,结果这个聪明的家伙很快就走到报到处向大会报到,大会工作人员分配给它一间演讲厅,它自己设法找到了那里,并在指定的时间向与会者作了简短的自我介绍。有的机器人在

博物馆充当导游,表现得像模像样;还有的机器人可望出现在疗养院、养老院等场所,照顾或陪伴患者和老人。为了让机器人能灵活地拿取物品,计算机科学家和工程师还给它们装上了手臂和手。这些实验型机器人全都是立在一个底座上,底座由三四个轮子支撑着,这种结构被称为“静态稳定”型结构,即机器人即使在静止时也保持直立状态。

为了在日常环境中与人类实现有效互动,机器人必须具有一定高度。但机器人身材越高,重心也就越高,容易摔倒。为了避免摔倒,它的加速和减速动作都必须十分缓慢,还应尽量避免爬陡坡。为了解决这个问题,研究人员把静态稳定型机器人的主体和轮式底座造得比较宽大,增强稳定性,但如此一来,进门、出门,或在家具和人群间穿行时,灵活机动性又大打折扣。

几年前,我决定设计并建造一台瘦高型机器人——它机动灵活,能稳稳当当地支撑在一个球形轮子上,并由这个球轮推动着四处行走,这样就摆脱了宽大笨重的轮式底座,可以穿越狭窄的场所。尽管这类简单的机器人重心较高,但它仍能相当迅速地朝任何一个方向移动,由于此类系统采用了主动平衡的原理,因此被称为“动态稳定”型,也就是说,它只有不断对身体姿态进行必要的修正和调整,才能保持直立状态。我意识到这是一种全新的轮式移动机器人,前人从未涉足此类设计方案,因此我想不出什么更好的名字来称呼它,姑且就叫它“球虫”(ballbot)吧。

我和我的学生花了一年多的时间来琢磨这只球虫,研究了它的稳定性能,还考察了它是否适合在人类日常环境中工作。在这段时间里,许多人参观了我们的实验室,他们看见球虫仅靠一只球形轮子保持平衡,且行动自如,都感到不可思议。

维持平衡

0818b9ca8b590ca3270a3433284dd417.png

传统机器人固定在宽大的轮式底座上来保持平衡。可是球虫这种站在一只球轮上的“瘦高”型机器人,行走时究竟如何保持平衡而不至于摔倒呢?

人类能保持身体的平衡,得益于内耳前庭感官的帮助。大脑把前庭感官提供的信息同来自其他感官的信息(例如视觉信息)汇集起来,并加以整合,然后发出指令,控制腿部和脚部的肌肉,使人保持直立而不至于摔倒。球虫保持平衡的奥秘,与人类异曲同工:首先,球虫必须设定一个它要完成的目标,比如停在某个地方不动,或者在两个位置之间沿直线移动;其次,球虫必须随时了解重力的指向,能测定自己身体与这条垂线(即垂直指向地心的线)的偏离程度;第三,球虫还必须设法让自己脚下的球轮向任意方向滚动,并测量它在地板上走过的距离;最后,球虫还必须拥有一套行之有效的控制策略(controlpolicy),处理它测量的各种传感信息,并据此发布命令来指挥脚下的球滚动,实现自己的目标。

从古至今,解决所谓“垂线问题”(problem of the vertical)一直极具挑战性[见第40页]。好在近年来,计算技术、光纤和微电子机械系统(MEMS)等研究领域取得了长足进展,我们充分利用这些新技术,获得了成本低廉的新型方向传感装置,用来模拟传统旋转式陀螺仪(spinninggyroscope)的功能。

我们采用的系统有3台光纤陀螺仪,以相互垂直的方式安装在一个牢牢固定在球虫身体上的盒子内[见第39页框图]。每台陀螺仪均由3部分构成:光源、探测器和光纤线圈,不含旋转部件。光波在光纤线圈中以相反方向

传播,在探测器上发生相互干涉。工作时,球虫的身体朝不同方向转动,安装在它里面的3个方向传感器也随之转动,如此一来,探测器上接收到的光干涉条纹(interferencefringe)就会发生相应的改变。通过测量这些变化,并由一台微型电脑将这些

数据信息整合起来,我们就能得到机器人身体的俯仰角(pitch,前后倾斜)、侧倾角(roll,左右倾斜)以及偏转角(yaw,绕垂直轴的旋转)等数据。为了正确无误地确定垂线方向,所有陀螺仪都必须考虑地球自转这一因素。陀螺仪还会受到许多其他因素的影响,会造成误差,时间一长,误差积累,将引起偏移。我们的系统有3台微电子机械系统加速计,以相互垂直的方式安装在陀螺仪盒内,同陀螺仪并排放置在一起。这些加速计为球虫提供了每时每刻它在任意方向上的加速度数值,通过电脑的分析计算,球虫就可以修正光纤陀螺仪的偏移,随时掌握垂线的方向,也就是自身的倾斜角度。

以球为足

球虫的腿——球轮的移动,巧妙地利用了机械式鼠标原理,只不过与鼠标恰好相反:它由滚筒推动球轮转动,球轮则带动机器人主体前行。

利用电机驱动一个球向四面八方滚动,有若干方法,而我们在设计球虫驱动系统时,力求简单。当你按住一只机械式鼠标四处拖动时,鼠标底部的圆球便推着两个相互垂直的滚筒旋转。鼠标对滚筒的旋转进行测量,并将测量结果输入电脑,电脑据此控制光标在屏幕上作相应的移动。球虫走动的过程正好与此相反:球虫内的电脑输出指令,控制一对电机的运行,电机带动滚筒,滚筒再带动球旋转,球虫便可以沿任意方向走来走去了。从本质上来说,这是一种“反向鼠标球”的驱动方式。目前,球虫装有两台电机,它们控制着球的俯仰运动和侧倾运动,第三台电机尚待安装,它将控制球虫的偏转运动——到时候,球虫就可以迅速面向任何方向了。

正如马戏团的小丑踩在球上做出各种滑稽动作,球虫也“站在”球轮上。在球和机器人主体之间,安装了3个滚珠轴承,它们承受着机器人的重量。球轮则是一个空心铝球,上面包裹着一层厚厚的聚氨酯橡胶,以增加摩擦,尽量减少球轮与滚筒之间出现打滑。不过打滑的现象难以避免,因此必须通过某种机制来加以补偿。

为了测量球的转动,推断球虫的移动距离,我们在驱动电机上安装了光学编码器。每个编码器都拥有一个

固定光源,对面是一台光探测器。在光源与探测器之间,有一个固定在电机转轴上的透明旋转遮光板,上面涂有许多不透明的细细条纹。电机转动,便带动遮光板一起转动,这样,光源发出的光束时而被不透明的条纹挡住,时而又穿过条纹之间的空隙,到达光探测器,光探测器把计数结果发送到球虫的主电脑,电脑就能推算出球的转动情况,进而确定它滚动过的距离。

进退自如

根据不同的需要,球虫可采取不同的控制策略:前进、后退、转身或静立不动,从而达到自己的目标。

一言以蔽之,球虫只要掌握了自身的倾斜状况,便可以根据这一信息来确定滚动球轮的方式,以便保持平衡或到处走动。幸运的是,从本质上来说,球虫就是一个倒立的单摆,

物理学家早把这种机制研究得非常透彻了。我们运用最优控制理论技术,寻找驱动球虫的最佳策略,使球虫能够事半功倍,顺利到达目的地。球虫的测量系统将根据它所携带的传感器,测量或推断出自己在每个运动方向上的位置和速度,当然还有它身体的倾斜程度和倾斜速率。

我们运用了一种简化的线性数学模型来描绘球虫的动态平衡。1960年,匈牙利裔美籍数学系统理论家鲁道夫·卡尔曼(Rudolf Kalman)率先提出了一种巧妙的方法,用来导出这类系统的控制策略。借助卡尔曼的巧妙方法,通过一系列计算,球虫就可以得到每时每刻应该及时采取的最佳控制动作。球虫的主电脑每秒可完成数百次这样的计算。

如果球虫的目标是要从一处走到另一处,那么它的控制策略就是:先使球轮朝相反方向滚动一下,让球虫的身体略略前倾,产生一个向前运动的加速度。在接近目标位置时,球将自动加速,使球虫的身体略略后倾,使它逐渐停下来[见第40页框图]。如果球虫的目标是站立不动,那么它就应该尽力保持自身的平衡,使自己在每个方向上的位移、速度、倾斜度和倾斜速度都趋于零。

精益求精

在我们未来的生活与工作中,新一代机器人能与我们进行动态交流,而球虫正是研制这类机器人的有效平台。

我们对球虫的实验才刚刚开始。在实验过程中,我们通过无线电与球虫交流。我们打算给它装上一双手臂和一个脑袋,这个脑袋可以扫视四周、俯仰自如,再加上一个双目视觉系统和其他传感器,让它拥有高度自主能力,成为名副其实的机器“人”。这项研究的目的是,了解这类机器人在日常环境中与人打交道时的表现,并考察它的性能、安全性以及行走能力,看看它与传统的静态稳定型机器人相比,究竟孰优孰劣。我们认为,要打造在日常环境中行动自如的机器人,如果继续研制传统静态稳定型机器人,无疑是死路一条。

在研制动态稳定型机器人方面狠下功夫的,还不止我们这一个研究小组。其他一些研究小组推出了两轮机器人,它们在俯仰方向上处于动态稳定状态,不过在侧倾方向上则仍是静态稳定的。虽然与球虫相比,这些机器人目前还不具备全方位运动能力,但将来它们却很有希望在野外大展其灵巧敏捷的身手。

从长远来看,仿人的动态稳定型两足机器人将优于球虫,特别是在上下楼梯方面,它们的本领大大高于球虫。

世界各地的研究小组正不遗余力,研制这类结构复杂、造价不菲的机器人。我们的终极目标旨在打造出这样的移动机器人——它能在我们生活及工作的场所自如地同我们进行动态交流。目前看来,球虫将是我们研制这类更高级机器人的有效平台。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值