機器狗會中國功夫是一種什么體驗？且看下面這只黑白狗，直接就是一個 花式過梅花樁：

瞧這單樁跳：騰空一躍，四腳穩穩落在前方小圓盤上，連個趔趄都沒打。當然，站立和起身作揖這樣的傳統技能也不在話下。雖然是在樁子上，但狗子完全能控制好力道不至于摔跤。

更別提下樁時，它還會耍一個完美的前空翻，穩穩落地結束表演。

真狗都很難做到吧～

如此身輕如燕的狗子很快就吸引了一波關注。有人就表示希望再做大一點，這樣就能當坐騎了。 （話說見過騎狗的嗎）

還有網友想讓它可以幫忙取快遞…… （這還差不多）。所以，這只靈活的機器狗，到底什么來頭？

三招功夫過梅花樁

它是Max二代機器狗，來自騰訊Robotics X實驗室，今天正式對外亮相。在一開始的訓練思路上，騰訊的做法就和大眾不同。

我們知道，學會適應復雜地形是大多數機器狗要學習的重要任務之一。對于出現的踩歪、打滑等危險情況，業界一般做法都是采用 提?步頻、減慢速度、加?控制算法魯棒性的?段來恢復它們的平衡。而騰訊選擇機器狗在梅花樁這樣“一旦踩歪踩錯就沒有挽救機會”的極端地形上練習，就是為了限制它們規劃路線的誤差范圍。

這樣一來，機器狗就能夠做到一出腳就是對的，不需要試探，也 不需要多余的動作來維持或者恢復平衡，從而做到走得又快又穩。

那么，Max是如何做到每一步都找準樁?中?，精準完成各種高難度動作穿越梅花樁的呢？

1、識別地圖和定位

Max面對的是一段全長10米，高0.8米（Max兩倍身高），最小樁面直徑僅10厘米梅花樁陣列。在上樁之前，系統并不會給Max配備先驗地圖，也就是每次它面對的都是未知的地圖。

為此，他們給Max身上配備了單?RGB攝像頭、慣性傳感器（IMU）、深度傳感器等多種設備，所有傳感數據融合在一起獲得高質量的環境數據。

在各傳感器數據融合過程中，一種啟發式的算法被用來保證數據一致性，并通過合理評估和選擇各種傳感器數據在優化過程中的權重，保證定位實時、穩定并具有魯棒性。

由于Max在移動過程具有速度快、步頻?、?沖擊?等特點，這會使得各種傳感器數據出現大量噪聲，引發干擾。比如，在跳等動作的持續力沖擊下，深度傳感器就會出現 拖影現象。

因此，在地形的時域融合過程中，研究人員還引?了一個 統計分布策略，它能在?效過濾錯誤地形信息的同時，保留精確的有效地形區域結果，估計出樁?中?相對于機器?的精準位置，在?定程度上也能緩解梅花樁晃動帶來的?擾。

建成的地形?度圖可以獲取平?任意坐標對應的?度以及局部法向。

2、規劃最優行動軌跡

看準地形后，下?步Max要根據所?信息完成動作軌跡規劃，最大的難點是如何在快速穿越的過程中，保證 實時規劃出 最優的路線。

這里就采用了一種 6D最優軌跡?成技術。所謂6D，除了X、Y、Z軸上的位置數據，還包括機器狗需要做出的偏航、俯仰和滾動維度的信息。該生成技術可根據Max的運動步態、速度等指令，預估落腳點，并根據落腳點周邊的地形?度圖，選出最優的點，也就是樁面中心。

此外，系統還會結合最優點，考慮Max運動過程中的動?學約束、摩擦約束、?端?作空間約束等，進行?次優化，實時求解真正的最優6D軌跡。

對于跳躍、空翻這類動作，Max還需要達到的一個目標是 省?，即驅動?最?化。

這里就用到了一種 基于?線性優化的軌跡規劃技術。該技術可以兼容四腳跳（Pronking）和雙腳跳（Bounding）等多樣化步態，通過跳躍距離、跳躍步態、最?關節?矩等約束條件，得出結果。

3、控制動作，按軌跡精準落點

動作軌跡規劃好后，Max就可以開始正式?動， 最大的考驗是如何控制恰到好處的力、按照規劃軌跡實現精準落點。

在跟蹤參考軌跡方面，Max 采用了最新版xMPC+WBC （Model Predictive Control and Whole-Body Impulse Control，模型預測控制和全身控制） 控制架構， 基于更精確的線性化動力學模型，效果更好。而在力控方面，據研究人員介紹，一般來說，動作越是高動態、越是不穩，就越要求控制精度。

本次表演的動作中，每個環節都有自己的難度：

空翻屬于高動態，作揖、雙輪站立屬于易失穩；而對于 單樁跳躍這個動作，機器狗的四?落腳點距離很近，?撐區域很?，收攏的腿部姿勢也導致 Max的運動及發?空間受限，對力控的精度更是要求極高。

為了實現以上動作的精準力控，團隊?研了一個 模型預測控制算法，并給Max加?了 基于關節?矩反饋的觸地檢測能?。這個算法的相關論文登上了機器人領域頂會ICRA 2022。

對于平移運動的追蹤，自研線性模型預測控制算法獲得了和業界經典算法同等的控制效果；而對于旋轉運動的追蹤，其表現甚至比其他算法更優秀。具體而言，這個算法利?軸?和指數坐標來表示旋轉運動，成功規避了之前線性化?法中的多個近似性假設，如：??速度、轉動慣量在預測窗?內時不變等。最終保留了更多的參數，從?獲得了一個更精確的動?學模型。

基于該動?學模型，研究團隊進?步構建了模型預測控制 （model predictive control） 問題，通過求解?次規劃 （quadratic programming） 的優化問題，來得出最優?端接觸?。

此外，Max在做跳躍、前空翻等需要騰空的動作時，可利用關節?矩反饋來判斷四肢觸地狀態，從而及時且精準地進?主動的質?軌跡規劃與柔順?控，有效避免身體大幅晃動，使整個動作看起來更流暢絲滑。

由此，借助以上三大招的功夫，Max二代完成了精彩的花式過樁表演。

去年，一代Max亮相，當時它就開創了腿輪一體化設計，讓機器狗不僅能站起來，還能滑著走。

這次，二代Max不僅學會了在樁上表演各種難度動作，過樁速度也比國內第一個會過樁的四足機器人Jamoca快了4倍。

除此之外，硬件方面，Max的輪足切換功能也做了改進，磁吸式的腿部鎖定機構升級為了機械式的，并增加了沖擊力解耦設計，最終提高了輪足切換的穩定性。以及Max的整體結構上也進行了拓撲優化，增加了電池功率，外形上看起來更加緊湊簡潔，在整機強度、抗沖擊性能等方面也有所提升。

研究人員表示，接下來，他們會基于Max這個四足機器人平臺，探索更精準的傳統控制和AI控制算法，最終讓機器狗實現復雜環境下的任意行走。

狗子背后的實驗室

看完了Max的精彩表演和它搭載的硬核技術，再來了解下這只機器狗的誕生地——成立于2018年的騰訊旗下機器人實驗室：Robotics X。

目前，實驗室里一共“養”了兩只“狗子”，除了Max還有一個叫 Jamoca的前輩，它是國內第一只學會走梅花樁的機器狗。

當然，除了“狗子”之外，這個實驗室里還有其他機器人成員：比如會花樣空翻、靈活越障的輪式機器人Ollie。

可以保持平衡并自動駕駛的摩托車。

該實驗室的負責人張正友博士，是著名的AI和機器人研究員，現任騰訊最高專業職級——17級科學家。同時，他還是騰訊 AI Lab負責人，以及ACM Fellow和IEEE Fellow。

在加入騰訊之前，張正友曾任微軟人工智能及研究事業部首席研究員和研究經理，在MSR工作了近20年。正如前文介紹Max的未來發展方向所說，比起做簡單、重復勞動的機器人，Robotics X更關注機器人的自主特性研究，注重于讓其學會自主判斷、自主決策等。

One More Thing.

最后，一個小彩蛋：如果你覺得機器狗遛起來沒有靈魂，不妨看看這個場面。

雖為機器，Max二代卻會“撲腳”、“撒歡跑”，是不是有點 遛真狗的意思了？不過，這其實是Max二代內部AI訓練完成后第一次測試時的樣子，研究人員表示：

當時我們也不知道它會跑成什么效果，只是意外記錄下了這個視頻。

看來Max很有自己的想法啊！ （Doge）

當然，如果想讓它成為一只聽主人話的狗， 通過指令即可對其發號施令。

來源：量子位