憑借與人類相似的形态和運動能力，人形機器人未來有望被廣泛應用于各種操作和運動任務中，以支援或替代人類工作。
然而，在狹窄受限較多的工作環境中，要想讓人形機器人在其中穩健工作，必須使其具備多接觸運動能力。
多接觸運動不僅涉及機器人四肢末端的接觸（如手和腳），還涉及四肢中間部位（如膝蓋和肘部）的接觸。
盡管近年來人們對人形機器人多接觸運動的規劃和控制已經進行了積極研究，但目前實作多接觸運動的人形機器人大多數僅限于手和腳，而不是像人類一樣能與整個身體的任意區域進行接觸。
▍提出新控制方法，實作全身多接觸運動
一般來說，我們将涉及機器人任意身體部位接觸的運動定義為全身多接觸運動。
要想實作這種複雜的運動形式，主要面臨兩大挑戰：全身接觸感覺的能力，和在多接觸狀态下的平衡控制。
近日，來自CNRS-AIST JRL和東京理科大學的研究人員攜手合作，對此進行了深入研究，并開發了一種控制方法。
該方法通過安裝在機器人身體表面的分布式觸覺傳感器，實作了全身多接觸運動。與傳統的力/扭矩傳感器相比，這些薄而靈活的分布式觸覺傳感器能夠在不對機器人身體形狀進行大改的前提下，測量全身接觸情況。這使得機器人不僅能實作四肢末端的多接觸運動，還能通過四肢中間部位（如膝蓋和肘部）進行支撐，進而大大提高了機器人在面對幹擾和環境誤差時的運動穩定性。
從傳感器的開發到基于傳感器的運動生成，關于人形機器人觸覺測量的研究範圍雖然廣泛，但除了雙足行走時機器人腳底的壓力中心（CoP）和支撐區域的計算外，之前很少有研究使用觸覺傳感器進行人形機器人的平衡控制。在本研究中，該團隊明确使用觸覺傳感器來控制全身接觸的人體運動的平衡。
通過擴充以前開發的有效多接觸運動控制技術，研究團隊為機器人配備了分布式觸覺傳感器，将測量範圍擴充至中間區域，并通過使用力/扭矩傳感器和分布式觸覺傳感器的回報控制來穩定機器人運動與平衡。動力學模拟驗證結果表明，研究團隊開發的觸覺回報大大提高了全身多接觸運動對幹擾和環境誤差的穩定性。
此外，研究團隊還進行了模拟世界和真實世界的實驗。在測試中，肢體上安裝了分布式觸覺傳感器的真人大小人形機器人RHP Kaleido展示了各種全身多接觸運動，如向前邁步并用前臂接觸支撐身體以及以大腿接觸保持坐姿平衡等。這表明，通過研究團隊開發的控制方法，人形機器人可以執行全身多接觸運動，并且具有更好的穩健性。
該研究成果的相關論文以“Whole-Body Multi-Contact Motion Control for Humanoid Robots Based on Distributed Tactile Sensors”為題發表在《IEEE Robotics and Automation Letters》上。
接下來，一起來和機器人大講堂深入探索這一研究成果！
▍兩大實作難點？新控制方法如何實作？
據了解，研究團隊提出的控制系統由質心運動控制和肢體運動控制兩部分組成。相比之前開發的控制系統，新系統增加了基于觸覺傳感器的子產品擴充，用于适應全身接觸。具體來說：
質心運動控制
其質心運動控制通過作用在機器人質心（Center of Mass, CoM）上的合力矩（Resultant Wrench）來實作。合力矩由分布在機器人各接觸區域的接觸力矩組成，這些接觸力矩基于分布式觸覺傳感器測量的實際接觸多邊形進行線上更新。質心運動規劃采用模型預測控制（Model Predictive Control, MPC），以最小化質心狀态與參考狀态之間的誤差，并通過比例-微分（Proportional-Derivative, PD）回報控制進行質心狀态穩定。
肢體運動控制
其肢體運動控制通過分布接觸力矩到各接觸區域來實作期望的合力矩。力矩配置設定通過求解一個二次規劃問題來完成，確定滿足單邊和摩擦限制。此外，采用阻尼控制（Damping Control）來實作各接觸區域的期望接觸力矩，其中分布式觸覺傳感器用于測量實際接觸力矩。
分布式觸覺傳感
為了實作全身多接觸運動控制，研究團隊還在機器人肢體表面安裝了分布式觸覺傳感器，以擷取關鍵接觸資訊。這些分布式觸覺傳感器由多個隻能測量法向觸覺響應的單元組成，資料從這些單元轉換為接觸力矩，用于阻尼控制。為了線上更新接觸多邊形頂點，系統基于分布式觸覺傳感器的測量估計接觸表面區域，并計算包含所有檢測到接觸的單元的最小矩形作為接觸多邊形。
▍仿真與真實實驗，證明控制方法可行！
為了驗證控制方法的可行性，研究團隊為真人大小人形機器人RHP Kaleido的前臂和雙腿安裝了了分布式觸覺傳感器電子皮膚，并進行了模拟世界和真實世界的實驗。
仿真實驗
在動力學模拟器MuJoCo中，研究團隊通過虛拟人形機器人JVRC13驗證了全身多接觸運動的有效性。仿真實驗涉及肘部接觸行走、膝部接觸站立和大腿接觸坐姿三種運動。實驗結果表明，與沒有觸覺回報相比，采用觸覺回報顯著提高了機器人運動的魯棒性。
肘部接觸行走：在有誤差的傾斜牆面上行走時，采用觸覺回報的機器人能夠在更大的牆面高度誤差範圍内穩定行走，并且改善了僅基于腳部零力矩點（Zero Moment Point, ZMP）的跟蹤性能。
膝部接觸站立：在受到前後方向幹擾力時，采用觸覺回報的機器人能夠承受更大的幹擾力，保持平衡。
大腿接觸坐姿：在可旋轉座椅闆上坐姿時，采用觸覺回報并更新接觸區域的機器人能夠成功保持平衡，避免向後翻倒。
真實世界實驗
在真實世界中，研究團隊使用裝備有分布式觸覺傳感器e-skin的人形機器人RHP Kaleido進行了全身多接觸運動示範。
初步實驗通過人與機器人前臂的實體互動驗證了觸覺回報的有效性。随後，機器人成功執行了前臂接觸環境的行走運動和僅大腿接觸座椅的坐姿平衡運動。
實驗結果表明，機器人能夠在全身多接觸運動中保持穩定，盡管存在環境誤差和模型誤差。