前言:
2019年的Robocon比賽出的題目有關四足機器人越障爬坡的賽題,這不就是指的是波士頓的大狗嗎?是以近期做了些仿真,效果還行,在我之前用強化學習訓練的機械狗上面又多加了個自由度,仿真還是在Unity3D上進行,總的來說就是比較友善!但是Unity也有它的坑,導緻我調試檢查好長時間!這裡由于内容很多,是以就簡單介紹下仿真結果和發展方向。如果有人問我,為什麼不做實物,那就是資金不夠,連一條腿的硬體都做不起!
在Unity中由于一些原因,沒有像 浙大和波士頓通用動力的機器狗使用力控,但即使這樣,最後的效果還是可以的。我想在如果能做出實物有的話,可以 基于力控通過AI來訓練他上樓梯或者跳躍,這點就是MIT在Cheetah3做的實踐。同時大狗隻是一個平台,依據雷射雷達和機器視覺在深度學習方面的應用,可以做到導航避障,物體跟蹤,安裝機械臂,就可以進行物體抓取。
放一張Cheetah3的靓照:
仿真結果:
原地踏步,高擡腿
向前走及側面移動:
側面移動1:
側面移動2:
以上就是一些簡單的的動作執行,每條腿都是獨立的,步态的所有參數都可以調節,而且現在的程式架構是基層的,意味着隻要有上層進行通訊或者指令就可以做出相應的動作!上層結構包括步态規劃,姿态回報及控制等。
前個禮拜也嘗試着畫了舵機版機械狗的三維模型,有興趣的朋友可以聯系我。
CATIA的設計原型:
求機械大佬勿嘲。
再來一張實物的照片:
用舵機說實話沒有回報是有極大缺陷的,不贊成!但是資金嚴重短缺!
總的來說,做出硬體是非常消耗時間和金錢的事情,目前能力所不及,而且還沒有到一些複雜的結構設計!
這條狗,我希望後面能有機會做出來(不一定是上面這樣),不僅僅是傳統算法的驗證,同時還是一個執行強化學習算法的平台,将傳統的經典算法和機器學習互相結合起來,将有非同凡響的效果,這點我深信不移!在早些時候,個人認為神經網絡群将在機器人學大放異彩!
目前,個人想基于這套傳統的算法,去進行模仿學習(Imitation learning)的研究,讓機器人以傳統算法為先見之明去學習步法!前面我做的基于PPO的訓練大狗的例子:PPO-DOG
就在不久前在IROS2018,馬德裡,用公布了Altas的視訊: