波士顿动力Atlas机器人完美自主导航 这次是真的

“逆天机器人Atlas”能够自主导航了！

大家对Atlas 机器人一定不陌生。2013 年，波士顿动力公司为美国国防部高级研究计划局(DARPA) 的一项挑战赛创造了Atlas 机器人，它能走能跑，草地、雪地、碎石地都不在话下，甚至能做360 度后空翻。它被称为“逆天机器人Atlas”。

尽管有如此惊人的敏捷度，Atlas 机器人在走路时仍然很容易摔倒，尤其是当地面不平整时，双足机器人很难计算他们的脚应该放在哪里才能保持平衡。

这是因为，Atlas 机器人走的每一步都必须由人类操作员决定，并通过用户界面输入。

编程让机器人在平坦的地面上行走已经够困难的了，但是佛罗里达人类与机器认知研究所(IHMC) 正在解决一个更大的挑战：确保双足机器人能够成功地在崎岖的地形上行走。

该研究所自2016 年以来一直在研究这个问题。

今天，IHMC 发布的最新视频（标重点：不是CG！），展示了这个领域的最新进展：机器人可以通过自主步伐规划算法，在狭窄的地形中自主导航了！

视频中，IHMC 开发的自主步伐规划(autonomous footstep planning) 程序正在波士顿动力公司的Atlas 机器人和美国宇航局开发的Valkyrie 机器人上运行。

视频展示了机器人在一堆煤渣块上面行走，甚至能穿过更窄的路径，由于导航选项有限，路径越窄导航就越困难。

操作人员为机器人指定一个开始点和一个结束点，然后映射所有可能的路径，评估每个路径的成本，选择一个最好的路径，最终到达目标点—— 所有这些都发生在快速的现代硬件上。

利用IHMC 的算法，这些机器人还可以快速适应环境变化和路径障碍，甚至能够在一条“独木桥” 式的狭窄路径上行走。

该算法使用机器人的传感器对环境进行调查，并将环境分割成多个部分。每个部分都被分解成一系列的多边形，从而创建一个环境模型，这样机器人就可以规划出从起点到目标点的每一步。

研究人员表示，还有很多工作要做——Atlas 机器人在狭窄小路上自主导航行走的成功率是50%，在崎岖地形的成功率达到90%，而在平坦地形的成功率接近100%。

研究人员计划提高路径规划的速度和能力，在迷宫和看不见的目标环境中测试，第一步是加入一个身体路径规划器。

视频和论文已经提交给IEEE 2019 类人机器人大会。

详解Atlas如何自主导航：点云分割、基于图搜索

IHMC 在视频中详细描述了机器人如何做到自主导航的。

为了在一个杂乱或复杂的环境中行走，双足机器人必须要能够找出他们可以把脚放在哪个位置，而且需要快速完成这个过程。在参加DARPA 机器人挑战赛时，IHMC 团队需要让人类操作员通过一个用户界面来指导Atlas 的每一步放在什么位置，这个过程非常缓慢，给操作员带来了很大的负担。

一旦脚步放错，机器人就会跌倒——IHMC 的Atlas 机器人在最后一场决赛时毫无预兆地跌倒了……

在这个最新研究中，研究人员使用传感器获取机器人周围环境信息，生成点云，然后将点云分割成平面区域，以更紧凑的形式表示来自传感器的大量数据。

点云环境模型。有了这个环境模型，目标就变成了规划一系列的脚步，让机器人的初始点走到最终目标。

为此，研究人员使用基于图的搜索技术，如A* 算法，图中的每个节点代表一个脚步。当展开一个节点时，对x 和y 平移进行网格搜索。

在此基础上，考虑前一步的平移和旋转，并评估每一步的成本，确定下一步的最佳位置。

通过正确的调优和检查，这种方法适用于各种各样的环境。

例如与平地上，它可以很快地规划目标，成功率接近完美。

当穿越崎岖的地形时，规划速度也相当快。

目标位置的改变会机器人避障的最佳路径。

机器人还能够利用规划算法挤着穿过狭窄的通道。

在这种环境下，为了避免与环境发生碰撞，机器人不得不几乎完全转向一侧。

部分脚印在环境中提供额外的落脚位置，允许机器人在更复杂的地形中行走。

机器人还可以重新规划路径。

例如，当Valkyries 的路径被阻挡时，它可以重新回到目标的新路径。

最后一个例子是台阶高低不平的环境，目标地址是较高的平台。

Atlas 能够规划它的路径先踩较高的煤渣块，然后回到较低的煤渣块，一高一低地走，直到到达目标。

Atlas有望成为身手灵活、自主导航的灾区救援机器人

Atlas 机器人由波士顿动力公司制造，IHMC Robotics 编写了控制、感知和规划算法，使机器人具备了视频中展示的灵活性。

现在，Atlas 机器人拥有了在平坦、粗糙和狭窄的路径上自主导航的能力，这对于帮助灾区救援很重要，因为在灾区，倒塌的瓦砾使得传统的救援服务难以进入。