從浩瀚的海洋，廣袤的陸地，到縹緲的太空，人類的足跡正在不斷延伸。航空、航海、高鐵的日新月異更是令人與人之間的聯系變得日益密切。然而2019年末的這場疫情，卻讓我們不得不反思：當出行成為挑戰時，我們是否有可靠的替代方案，幫助人類應對危機？

眾所周知，無人化、自動化已經成為當下不可阻擋的發展大勢，而這場疫情也讓越來越多的人認識到，減少對人的依賴，不僅能夠降低成本，還能在關鍵時刻化解危機。越來越多的企業也開始布局無人化領域，冀通過機器人賦能相關產業，打破困局。

香港物流機械人研究中心（HKCLR）自成立之初，便以人工智能和機器人技術為研發重點，以推動前沿技術的商業落地為目標。今天就讓我們走進HKCLR的機器狗項目，看看中心如何賦能這款身手矯健的仿生四足機器人幫助人類解決難題。

明日之星 嶄露頭角

在無人駕駛的賽道里，無人車和無人機已經遙遙領先。但是，無人車雖然可以取代馬路上奔馳的快遞小哥，卻不能爬樓梯，跨障礙，因此無法解決“最後一公里”配送的難題。無人機近年來也成為眾多行業的新寵，雖然可以實現點到點的配送，但因為安全問題而令許多人卻步。

那麽有沒有一種機器人，既有能力走完路況覆雜的“最後一公里”，又能可靠地將貨物送到客戶手中呢？

機器狗可謂是“雖遲但到”，給“最後一公里”配送難題帶來了曙光。由於配備激光雷達等傳感器，機器狗具有三維空間的感知能力，可以自主規劃運動軌跡，還可以根據地形而自主調整步態，在“翻車”時，及時回正。簡單的來說，爬樓梯，跨柵欄，穿洞口對於機器狗而言，都不在話下，而且危險系數低，生存能力強。

創新突破 加速落地

值得留意的是，機器狗目前只被運用於一些特殊場景中，幫助人類處理危險而覆雜的任務，例如監測切爾諾貝利核事故現場的核輻射等。若讓機器狗走進千家萬戶，實現大規模商業落地，則仍需要進一步提升其靈活性、適應性和可靠性。這也是目前眾多研發機構爭相攻克的難點。

HKCLR機器狗團隊自主研發的天狼星系列機器狗，擁有尺寸更大、重量更大及負載更大的特點，對於解決機器狗負載和平衡性等問題具有重要意義。

HKCLR自主研發的天狼星系列機器狗

除了著力在機器狗的硬件方面進行提升之外，HKCLR機器狗團隊也通過一系列運動控制算法，完善機器狗在行走、跳躍等方面的運動表現。

團隊近期和UC Berkley 合作，通過強化學習一種簡單有效的機器人構型隨機方法，研發出一套具有普適性、可在多種型號的機器狗上進行部署的新型運動控制行走算法。

這種運動控制算法可以快速部署大多數具有傳統構型的機器狗，從而為研究者驗證硬件穩定性以及對機器狗控制算法研究提供一套簡單、高效的基準。

通過強化學習實現在單個控制策略在仿真平台上適合市面上大部分機器狗

HKCLR機器狗團隊分別在宇樹的A1，MIT的Mini Cheetah和HKCLR的天狼星系列這三種不同機械結構（如機械連桿長度、整機質量等）的機器狗上驗證了該算法的魯棒性。

HKCLR機器狗團隊在三中不同機械結構和尺寸的機器狗上驗證該運動算法

除此之外，賦予機器狗如動物一般靈活的跳躍能力也一直是HKCLR機器狗團隊專注的方向。傳統上，跳躍動作一般是通過基於仿生學的覆雜設計或者梯度的求解器來實現的。前者一般只適用於特殊場景中，而且結構比較覆雜；後者目前被廣泛用於目前機器人領域的控制器設計，具有很強的魯棒性，但美中不足是需要參考軌跡等初始條件。

基於上述原因，HKCLR機器狗團隊研發了另一套可用於規避上述問題的機器狗跳躍運動庫算法。該運動規劃主要是基於差分進化算法，並融合了拉丁超立方采樣和位形空間。該算法除了離線之外，亦可供在線使用。

以後空翻為例，在該框架中，HKCLR機器狗團隊首先根據機器狗觸地情況，把跳躍運動劃分為以下四個階段：

然後將跳躍運動分解為二維運動，並通過簡化模型進行受力分析。

團隊根據受力情況和簡化的剛體動力學模型得到基於二維矢狀面的動力學方程。然後根據動力學方程使用多項式擬合和最終達到的系統狀態來獲取所優化的方程。

為了使用具有物理意義的變量來表示上一步的系數，團隊通過多項式擬合的力(這里觸地力多大尚未知)後，得到了質心在x,z方向的滾動和平動加速度。然後根據系統的初始位置，獲取機器狗在xz切平面的位置、速度、角度和角速度方程。在給定初始狀態和結束狀態後，使用ODE求解器求出系統有關足底力的解析解。

根據上一步獲取的使用系統初始狀態和結束狀態表征的多項式系數後，團隊將未知量代入到啟發式算法（差分進化算法）中進行優化。值得留意的是，上一步中最後得到12個未知變量，其中包括最優跳躍時間，中間狀態的質心位置和角度等。

為了使優化算法滿足在線優化需求，團隊引入了拉丁超立方采樣、跳躍位形空間並把速度狀態變量轉換為位置和角度變量，從而大大加速優化此算法，將之前離線庫優需要優化的時間從600s左右提升至3s以內，且在外加熱啟動（從動態庫選出次優解，在線優化次優解）的情況下，將優化時間提升至0.3s左右。

操作時只需要給該算法提供落地的距離和pitch方向的角度，即可實現後空翻或者xz平面的任意跳躍。這里的後空翻為360度，後空翻落地距離為一個機器狗身位0.185m*2。最後將優化後的軌跡發給機器人即可執行該動作。

最新版在線跳躍優化的流程圖(ICRA2023 submit)

在線跳躍優化庫的部分實驗結果 

离线跳跃库的原理框图(IROS2022 Accepted)

HKCLR機器狗團隊已經通過實驗驗證了該算法的有效性。他們指示Mini-Cheetah機器狗執行了各種跳躍任務，其中包括後空翻動作、跳躍高度為30cm的窗形障礙物、側翻越過高度為27cm的矩形障礙物，以及垂直跳躍超過70cm的高度，實驗結果令人滿意。

在HKCLR新型運動規劃框架的加持下，機器狗在跳躍動作的覆雜度、高度以及落地穩定性等方面，已經遠遠超越市面上大部分運動框架的表現。

堪當重任 未來可期

團隊隨後將在跳躍動作著陸的準確性方面進行深入探索，他們將在該運動框架中添加飛行階段控制器，並對著陸階段控制器進行改進，以增強框架的魯棒性。

HKCLR的目標是將機器狗 “訓練”得像貓一樣的敏捷，從高處跳下時，可以在空中自主調整姿態；即使地面並不平整或者有雜物，也能在空中自主調整姿勢，保證四肢朝下，平穩落地。除此之外，斜跳和斜空翻、行跑避障、四足變雙足行走避障、機械臂耦合控制、多機協同配送等也是HKCLR機器狗團隊日後即將攻克的重點。

雖然今時今日，機器狗的應用領域還十分有限，但隨著HKCLR等科研力量的精益求精、不懈努力，相信總有一天，機器狗將以更敏捷可靠的形象，更加深刻地參與到我們的生活中來。也許這一天，很快可以實現！

參考文獻： 

［1］GenLoco: Generalized Locomotion Controllers for Quadrupedal Robots https://arxiv.org/pdf/2209.05309.pdf;

［2］An Optimal Motion Planning Framework for Quadruped Jumping https://cuhkleggedrobotlab.github.io/publication/offline_jumping/