“蜘蛛侠”要完!伯克利、斯坦福的机器人一言不合就爬墙

简介: 开门、踢足球、后空翻、杂技表演,这年头还有什么是机器人做不到的!

开门、踢足球、后空翻、杂技表演,这年头还有什么是机器人做不到的!

迪士尼的特技替身反正是快要失业了,下一个担心丢饭碗的可能就是蜘蛛侠了。

伯克利、斯坦福等高校已经相继研发出了爬墙机器人,飞檐走壁无所不能。

今天,文摘菌就整理了这些爬墙机器人的档案。究竟有多厉害,一起来看!

来自UC Berkeley的RSTAR

先来看看来自UC Berkeley的明星爬墙机器人,RSTAR。

RSTAR由是UC Berkeley仿生微系统实验室在Negev Gurion大学研发的爬墙机器人,发明人是David Zarrouk教授。

2018年Brisbane举行的IEEE机器人与自动化国际会议(ICRA)上,这款名为 “后起之秀”(Rising STAR, or RSTAR)的机器人惊艳全场。它采用了伸直的轮腿灵活性,并增加了另一种自由度,使机器人的身体能够与腿分开移动,通过改变质心帮助它爬过障碍物。

RSTAR是Zarrouk蔓生系列机器人中最新的一款,设计用于处理各种地形障碍,同时最小化运输成本。在这个上下文中,“蔓生”指的是机器人的腿,它的角度(可调整地)向下和向身体外延伸。RSTAR有一个附加的自由度,它的身体可以改变相对于腿的位置,改变机器人的质心。

这似乎是一个简单的改变,但它能让一系列新的行为也可以发生了——不仅能让机器人爬过更大的障碍物而不翻身,而且还能垂直爬上间隔很近的墙壁,还能通过调整腿的步态“爬行”穿过狭窄的缝隙。

可调节的质心有助于保持机器人更稳定,翻转实际上是非常有用的,因为它使机器人能够在更快更有效的圆形轮和更有能力的辐轮之间进行切换。

RSTAR在坚硬的平面上最高速度约为1m/s,尽管它的乌龟步态意味着它可以处理非常柔软或颗粒状的表面(如厚泥或沙子)而不会被粘住。

在其前身STAR的基础上,RSTAR增加了一个带有一个马达的简单机械装置,以来增强这款机器人克服障碍的能力。Zarrouk教授很快就融合了将轮子之间的距离延伸到车身的概念,并最终选择了四杆扩展机构(FBEM)将质心向纵向移动,使机器人更具有可动态重构性。他最终发现,这个有趣的特性也可以用来增加稳定性,或者在需要的时候故意向上倾斜或上下翻转。

image

RSTAR的蔓生旋转机构的特点是蜗轮具有高齿轮比和自锁时不被激活。电机的锥形齿轮确保两个蜗杆齿轮以相同的速度旋转,但方向相反

最初的STAR非常擅长在障碍物下爬行,在崎岖的地形上爬行,并且以非常高的速度爬行。但是,和其他所有的机器人一样,它的攀爬能力受到轮子大小的限制。

它可以攀爬超过其车轮直径70%的障碍物。通过改变它的高度和宽度,RSTAR在跑步上或者在粗糙的地形如砂砾、石头或草中行走效率更高。

RSTAR也可以使用乌龟的步态在颗粒状或高度滑的地形上爬行,而不必转动车轮。RSTAR能爬升的障碍物的高度也更大了,并且大部分取决于其FBEM的杆长。

通过将它的质心移动到前方,RSTAR可以在不翻转的情况下越过陡峭的斜坡。RSTAR还可以垂直爬升到类似管道的环境中,甚至可以在不接触地面的情况下,通过将轮子按在墙上而水平爬行。

STAR系列非常适合执行搜索和救援行动,特别是在倒塌的建筑物或洪水地区等非结构化环境中。在一次真正的搜救行动中,机器人必须克服不同类型的连续障碍物才能到达目标。

Zarrouk教授认为,这样的机器人应该是简单的,可靠的,并且能够克服多种常见的障碍,而不需要任何外部的机械干预。RSTAR结合了几种攀爬能力和形状的变化,使它可以越过障碍物,或者在缝隙间或缝隙下偷偷溜进。此外,RSTAR速度较快,能耗较低,增加了工作范围和工作时间。

image

装有轮子的RSTAR能以20cm/s的速度爬上两堵墙之间的空间。机器人的宽度可以根据墙壁的两侧而变化

来自迪士尼的VertiGo

image

VertiGo是一款能够从地面到墙壁过渡的爬墙机器人,由迪士尼苏黎世研究院和ETH合作开发。该机器人有两个可倾斜的提供推力的螺旋桨和四个轮子。

一对轮子是可操纵的,每个螺旋桨有两个自由度来调节推力的方向。通过从地面到墙壁再回到地面,VertiGo扩展了机器人穿越城市和室内环境的能力。机器人能够快速地在墙上移动,并具有敏捷性。

使用螺旋桨在墙壁上提供推力可以确保机器人能够穿过像砖石结构这样的凹痕。选择两个螺旋桨而不是一个,可以实现从地板到墙壁的过渡——使用后螺旋桨将推力应用到墙壁上,使用前螺旋桨施加向上的推力,从而实现翻转到墙壁上的目的。

来自Stanford的Stickybot系列及改进版SCAMP


image


Cutkosky和他的博士生Sangbae Kim从壁虎身上得到了灵感。壁虎的脚底覆盖着数十亿的纤维,具有200纳米宽的脚套。壁虎可以附着在任何表面上,因为分子间有一种叫做范德华力的弱引力,作用于纤维尖端和壁虎爬行的表面之间。粘附是有方向性的:只有当脚趾向下拖动时,纤维才会粘附,而且会朝相反的方向释放。

为了模拟壁虎的干式粘合,研究人员发明了一种聚合物贴片,上面覆盖着大约30微米宽的柄。柄呈斜角,顶端倾斜,具有方向性粘性。膜片安装在一个机器人的脚趾垫上,Cutkosky和Kim赋予该机器人一个壁虎的步态、卷曲的脚趾和其他细节。

斯坦福大学的研究人员已经获得了一种生物感应装置的专利,这种装置可以利用各向异性摩擦材料来测量光滑的垂直表面。该设备的灵感来自壁虎和其他攀缘蜥蜴,采用类似的顺应性和力控制策略来攀爬(或挂在)光滑的垂直表面,包括玻璃、瓷砖和塑料面板。

Stickybot的攀爬能力是毋庸置疑的,但是它不能飞行,因此,该实验室继续研究了一款新型的集攀爬和飞行于一体的机器人SCAMP。
SCAMP是一种有腿的四旋翼,可以在墙壁上栖息,然后用细小的脚爬上它们。

image

SCAMP是第一个将飞行、栖息与被动依附技术和攀爬结合在一起的机器人。它也可以从攀爬失败中恢复,也可以在准备再次飞行时起飞。所有这些都是在户外进行的,只使用搭载的感应装置和计算能力,利用以前所有的攀爬机器人的经验以及从大自然中吸取的教训。

SCAMP的腿部设计让人联想到许多攀缘昆虫,从长腿叔叔到螳螂,这绝非偶然。动物需要长而有效的步伐,但受四肢重量的限制。当我们进入昆虫的世界时,异速标度法则意味着长、瘦、几乎失重的腿成为首选的解决方案。

SCAMP并不是昆虫大小的,但是也足够小到像碳纤维和光谱这样的现代工程材料能提供的大小,让我们可以制造出像爬虫一样长、重量高效的腿。

来自CMU的WAALBOT

image

Waalbot由两套三足轮组成,它们使用旋转执行机构进行单自由度运动,包括被动关节和弹性屈曲。Waalbot不像其他机器人那样使用真空吸力或磁力吸引,而是使用干式粘合,以粘在墙壁和天花板上。

采用PIC单片机控制机器人的运动,它具有车载电源。此外,一个弹簧负载的尾巴确保机器人总是会推到表面。

Waalbot有能力克服小的障碍,这主要得益于它的腿的运动。以下是一个三条腿的Waalbot视频。

纵观各种爬墙机器人,原理以及机械结构各异。有的利用仿生学,学习壁虎爬墙的原理,有的利用力学设计机械结构,通过增加螺旋桨或者轮子实现飞行和攀爬。然而不抛开这些,它们都是实现了同一个愿景,并且希望能将这些机器人应用于搜索和救灾中。

正如邓小平所言,不管黑猫白猫,抓到老鼠的就是好猫。

原文发布时间为:2018-07-25
本文作者:文摘菌
本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“大数据文摘”。

相关文章
|
3月前
|
机器学习/深度学习 传感器 机器人
机器人策略学习的Game Changer?伯克利提出Body Transformer
【9月更文挑战第13天】加州大学伯克利分校的研究团队提出了一种名为Body Transformer(BoT)的创新架构,旨在通过将机器人的物理形态建模为传感器和执行器组成的图,并利用掩码注意力机制汇聚信息,为机器人学习策略提供有效归纳偏置。BoT不仅在模仿学习和强化学习中表现出色,在任务完成、缩放特性及计算效率方面超越传统架构,而且具备更强的稳定性和泛化能力。尽管存在适用范围和计算资源等局限性,BoT仍展示了在实际应用中的巨大潜力。论文详情见:https://arxiv.org/pdf/2408.06316v1
35 6
|
Web App开发 机器学习/深度学习 人工智能
|
算法 机器人 大数据
只需看一眼,伯克利最新机器人就可以copy你的动作!
通过观察另一个人的做法来学习一项新技能,即模仿的能力,是人类和动物智力的关键部分。我们能让机器人做同样的事情吗?
1395 0
|
算法 大数据 机器人
机器人快跑!伯克利和CMU联合开发两足机器人,两条细腿,一马平川
还记得波士顿动力那些灵活的机器人么,避障碍爬楼梯甚至送快递,在各种地形随意穿梭。 现在,加州大学伯克利分校和卡内基梅隆大学的实验室研发出了一款更灵活的腿形机器人ATRIAS,它们可以像人类一样可以在崎岖的地形上行走,跨越障碍物,并且,不会受障碍物高度和相隔距离的影响。
1991 0
|
Web App开发 机器学习/深度学习 机器人
UC伯克利研发史上最灵巧机器人,物品分拣每小时达300次
加州大学伯克利分校的研究人员最近研发了一款新的机器人,由一个高分辨率3D传感器和两个高度灵活的机械臂组成,在分拣物体任务中每小时平均次数达到200~300次,接近人类水平。研究者称,这是有史以来世界上最灵巧的机器人。
10564 0
|
自动驾驶 机器人
伯克利创造出“可看到未来”的机器人,能帮助无人驾驶预测事故
加州大学伯克利分校的计算机科学家们研发出“可以预见未来要发生的事情”的机器人技术。运用视觉预见技术,在完全自主学习的情况下,这种机器人可以看到如果他们执行特定的动作会产生怎样的结果。目前的机器人原型还比较简单,只能预测几秒的未来,研究者在NIPS 2017上展示了这项技术。
1578 0
|
23天前
|
人工智能 自然语言处理 算法
具身智能高校实训解决方案 ----从AI大模型+机器人到通用具身智能
在具身智能的发展历程中,AI 大模型的出现成为了关键的推动力量。高校作为培养未来科技人才的摇篮,需要紧跟这一前沿趋势,开展具身智能实训课程。通过将 AI 大模型与具备 3D 视觉的机器人相结合,为学生搭建一个实践平台。
181 64
|
5天前
|
人工智能 自然语言处理 机器人
机器人迈向ChatGPT时刻!清华团队首次发现具身智能Scaling Laws
清华大学研究团队在机器人操作领域发现了数据规模定律,通过大规模数据训练,机器人策略的泛化性能显著提升。研究揭示了环境和对象多样性的重要性,提出了高效的數據收集策略,使机器人在新环境中成功率达到约90%。这一发现有望推动机器人技术的发展,实现更广泛的应用。
48 26
下一篇
DataWorks