復(fù)雜機(jī)器人的運(yùn)動(dòng)控制，一直阻擋機(jī)器人產(chǎn)業(yè)發(fā)展的老大難問(wèn)題，遲遲沒(méi)有得到很好的解決。即便是代表機(jī)器人最高水平的波士頓動(dòng)力，其機(jī)器人離實(shí)用也還遠(yuǎn)。近兩年發(fā)展迅猛的AI，儼然如萬(wàn)金油般，被用在各種地方，自然也包括機(jī)器人控制領(lǐng)域，而且似乎取得了不錯(cuò)的效果。前端時(shí)間，UCberkely的強(qiáng)化學(xué)習(xí)專家Pieter Abbeel創(chuàng)辦了Embodied Intelligence，業(yè)務(wù)更是直接涵蓋了VR、AI、機(jī)器人三大熱點(diǎn)。
為了搞清楚VR、AI等新技術(shù)如何在機(jī)器人控制領(lǐng)域應(yīng)用，本文根據(jù)一些相關(guān)論文和公開(kāi)資料，包括Pieter Abbeel的演講，對(duì)VR和AI在機(jī)器人控制方面的應(yīng)用進(jìn)行了簡(jiǎn)單梳理，發(fā)現(xiàn)AI和VR等在機(jī)器人控制等方面還是有實(shí)在的應(yīng)用，只不過(guò)離取得實(shí)質(zhì)性突破，還有相當(dāng)長(zhǎng)的距離。
機(jī)器人控制的幾種類(lèi)型
很多機(jī)器人的研究目標(biāo)很多是模擬人的智能，所以研究人的控制系統(tǒng)，對(duì)于機(jī)器人有很大的借鑒意義。人體的神經(jīng)系統(tǒng)由大腦、小腦、腦干、脊髓、神經(jīng)元等共同構(gòu)成，復(fù)雜而又完善。人體神經(jīng)系統(tǒng)包括中樞神經(jīng)系統(tǒng)和周?chē)窠?jīng)系統(tǒng)。中樞神經(jīng)系統(tǒng)由腦和脊髓組成，是人體神經(jīng)系統(tǒng)的最主體部分。周?chē)窠?jīng)系統(tǒng)是從腦和脊髓發(fā)出的分布到全身各處的神經(jīng)。無(wú)數(shù)的神經(jīng)元存在于神經(jīng)系統(tǒng)各處，構(gòu)成神經(jīng)網(wǎng)絡(luò)。
中樞神經(jīng)網(wǎng)絡(luò)負(fù)責(zé)運(yùn)動(dòng)控制，主要分成三層：
大腦：居于最高層，負(fù)責(zé)運(yùn)動(dòng)的總體策劃，各種任務(wù)的下達(dá)。
小腦：居于中間層，負(fù)責(zé)運(yùn)動(dòng)的協(xié)調(diào)組織和實(shí)施。人體平衡由小腦控制。
腦干和脊髓：屬于最低層，負(fù)責(zé)運(yùn)動(dòng)的執(zhí)行，具體控制肌肉的骨骼的運(yùn)動(dòng)，由腦干和脊髓完成。
三層對(duì)運(yùn)動(dòng)的調(diào)控作用不同，由高到低，低層接收高層的下行控制指令并具體實(shí)現(xiàn)。大腦可直接也可間接的通過(guò)腦干控制脊髓運(yùn)動(dòng)神經(jīng)。
如果把機(jī)器人與人進(jìn)行類(lèi)比，機(jī)械臂控制器就類(lèi)似于人的脊髓，負(fù)責(zé)控制電機(jī)（肌肉）和機(jī)械機(jī)構(gòu)（骨骼）的具體運(yùn)動(dòng)，多足機(jī)器人的運(yùn)動(dòng)控制器，就類(lèi)似于人的小腦，負(fù)責(zé)控制平衡和協(xié)調(diào)。而機(jī)器人的操作系統(tǒng)層，則類(lèi)似于人的大腦，感知和認(rèn)知世界，并下達(dá)各種復(fù)雜的運(yùn)動(dòng)目標(biāo)。
基于以上類(lèi)比，參照目前的各類(lèi)機(jī)器人的情況，機(jī)器人的運(yùn)動(dòng)控制大概可以分成4種任務(wù)：
脊髓控制——機(jī)械臂運(yùn)動(dòng)的基礎(chǔ)控制。工業(yè)機(jī)器人，各類(lèi)機(jī)械臂，無(wú)人機(jī)的底層運(yùn)動(dòng)控制等面臨的主要是這類(lèi)問(wèn)題。
小腦控制——多足機(jī)器人的平衡和運(yùn)動(dòng)協(xié)調(diào)控制。這塊目前是機(jī)器人控制仍未突破的難點(diǎn)，目前做的最好的顯然是波士頓動(dòng)力。
大腦控制——環(huán)境的感知。主要是掃地機(jī)器人、無(wú)人機(jī)等底層運(yùn)動(dòng)控制已經(jīng)封裝好的機(jī)器人的導(dǎo)航和路徑規(guī)劃。需要通過(guò)環(huán)境感知，對(duì)自身和目標(biāo)進(jìn)行定位、導(dǎo)航和運(yùn)動(dòng)規(guī)劃。
大腦控制——環(huán)境的認(rèn)知和交互，也就是機(jī)器人具體執(zhí)行交互任務(wù)，如控制機(jī)械臂抓取物體，執(zhí)行操作等。這是服務(wù)機(jī)器人需要突破的重要問(wèn)題。
幾種具體控制的AI應(yīng)用情況
1.脊髓控制類(lèi)
脊髓控制的兩種典型的應(yīng)用是機(jī)械臂路徑規(guī)劃和無(wú)人機(jī)的飛行控制。這類(lèi)問(wèn)題屬于傳統(tǒng)自動(dòng)控制理論，以數(shù)學(xué)和動(dòng)力學(xué)建模為基礎(chǔ)，發(fā)展了很多年，已經(jīng)有了非常完備的理論和實(shí)踐基礎(chǔ)，也取得了很好的效果。雖然深度學(xué)習(xí)在最近很熱，理論上也可以用于這類(lèi)控制。但目前在這類(lèi)基礎(chǔ)控制領(lǐng)域，并沒(méi)有應(yīng)用。主要原因可能有：
1）工業(yè)機(jī)器人高精度重復(fù)特定動(dòng)作等，基于自動(dòng)控制理論已經(jīng)能從數(shù)學(xué)上很好的解決，且由于了解原理，屬于白盒系統(tǒng)。既然有可靠的白盒方案，沒(méi)必要換成黑盒的神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)。
2）工業(yè)機(jī)器人等應(yīng)用領(lǐng)域，對(duì)控制算法穩(wěn)定性要求很高。而作為黑盒方案的神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)，數(shù)據(jù)上還無(wú)法證明其穩(wěn)定性。神經(jīng)網(wǎng)絡(luò)控制器一旦發(fā)生問(wèn)題，難以進(jìn)行解釋和改進(jìn)。
3）神經(jīng)網(wǎng)絡(luò)算法基于大量數(shù)據(jù)訓(xùn)練，而現(xiàn)有的運(yùn)動(dòng)控制中，比如飛控，拿到實(shí)際實(shí)驗(yàn)數(shù)據(jù)的成本高，大量數(shù)據(jù)的獲取非常困難。
2．小腦控制類(lèi)
小腦控制典型問(wèn)題是類(lèi)人型雙足和多足機(jī)器人的平衡和運(yùn)動(dòng)協(xié)調(diào)控制問(wèn)題。這方面一直是基于傳統(tǒng)控制理論在進(jìn)行研究，不過(guò)由于相比于機(jī)械臂或無(wú)人機(jī)，其運(yùn)動(dòng)的自由度高很多，難度很大。雙足類(lèi)人機(jī)器人給人大多數(shù)的印象還是運(yùn)動(dòng)遲緩、僵硬、站不穩(wěn)。波士頓動(dòng)力的Altas、大狗等已經(jīng)是在這方面最先進(jìn)的，波士頓動(dòng)力學(xué)公司并未公布他們使用的技術(shù)，但谷歌工程師Eric Jang表示，根據(jù)從演講得來(lái)的信息，BD的機(jī)器人控制策略使用基于模型的控制器，并不涉及神經(jīng)網(wǎng)絡(luò)相關(guān)算法。
3．環(huán)境感知類(lèi)
主要的場(chǎng)景是服務(wù)機(jī)器人的路徑規(guī)劃、無(wú)人機(jī)目標(biāo)追蹤、工業(yè)機(jī)器人的視覺(jué)定位等，通過(guò)感知環(huán)境，給封裝好的運(yùn)動(dòng)控制系統(tǒng)下達(dá)目標(biāo)運(yùn)動(dòng)指令。
目標(biāo)識(shí)別
環(huán)境感知過(guò)程中的目標(biāo)識(shí)別，如無(wú)人機(jī)目標(biāo)的識(shí)別和追蹤等，有神經(jīng)網(wǎng)絡(luò)的幫助，可以識(shí)別的更準(zhǔn)確，已經(jīng)在大疆等無(wú)人機(jī)上應(yīng)用。
定位導(dǎo)航和路徑規(guī)劃
目前機(jī)器人的定位導(dǎo)航，主要基于流行的vSLAM或激光雷達(dá)SLAM技術(shù)。主流的激光雷達(dá)方案大概可以分三步，中間部分環(huán)節(jié)可能涉及到一些深度學(xué)習(xí)，大部分內(nèi)容并不涉及深度學(xué)習(xí)相關(guān)。
第一步：SLAM，構(gòu)建場(chǎng)景地圖，用激光雷達(dá)構(gòu)建場(chǎng)景的2D或3D點(diǎn)云，或者重建出3D場(chǎng)景。
第二步：構(gòu)建語(yǔ)義地圖，可能會(huì)對(duì)物體進(jìn)行識(shí)別和分割，對(duì)場(chǎng)景中的物體進(jìn)行標(biāo)記。（有的可能略過(guò)這一步）
第三部：基于算法進(jìn)行路徑規(guī)劃，并驅(qū)動(dòng)機(jī)器人的運(yùn)動(dòng)。
4．環(huán)境交互
典型應(yīng)用場(chǎng)景：機(jī)械臂抓取目標(biāo)物體等。與環(huán)境的交互，一直是傳統(tǒng)自動(dòng)控制難以解決的問(wèn)題。近年來(lái)，以強(qiáng)化學(xué)習(xí)為基礎(chǔ)，AI相關(guān)技術(shù)用在了這類(lèi)問(wèn)題上，取得了一定的研究進(jìn)展，但是否是未來(lái)的主流方向，仍存在很大爭(zhēng)議。
12下一頁(yè)>（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。 ）
