网站建设布局样式,个人网页模板网站,本地专业app开发公司在哪里,淘金网站建设来源#xff1a; 机器人大讲堂8月1日#xff0c;清华大学依托精密仪器系的类脑计算研究中心施路平教授团队在《自然》#xff08;Nature#xff09;杂志上发表了一篇封面文章#xff0c;发布了一项最新研究成果——类脑计算芯片“天机芯”。同时#xff0c;搭载天机芯 机器人大讲堂8月1日清华大学依托精密仪器系的类脑计算研究中心施路平教授团队在《自然》Nature杂志上发表了一篇封面文章发布了一项最新研究成果——类脑计算芯片“天机芯”。同时搭载天机芯由赵明国教授团队打造的无人驾驶自行车也火爆网络。对此机器人大讲堂特邀赵明国教授带来《基于自然动力学的机器人控制——无人驾驶自行车及被动行走》主题演讲为大家详细讲述他们是如何利用天机芯实现自行车的自动驾驶的并给我们带来生动有趣的被动行走理论。赵明国教授左与大讲堂联合发起人王伟右赵明国教授在仿人机器人步态控制上拥有近20年的研发经历2003年赵明国教授进入清华自动化系工作全身心投入到仿人机器人步态控制及无人驾驶自行车的研究中。他不仅是清华大学自动化系副研究员、机器人控制实验室主任同时担任优必选科技人形机器人首席科学家和优必选科技人形机器人团队一起在最前沿的人形机器人技术上进行探索他所带领的团队多次参加全球机器人领域最知名的RoboCup机器人世界杯比赛在多个赛项上获得前三名。以下机器人大讲堂对赵明国教授演讲内容进行了简单整理无人驾驶自行车 在挑战的过程中我们看的是哪些控制的方法可以吸收过来做一些新的东西。所以我们本身的目的并不是把无人驾驶自行车做出来。它没有太现实的应用价值。只是把它作为一个标杆去challenge一些技术然后这些技术在其他行业能够应用。所以它在天机芯片上也就是一个应用只不过它包含了很多内容可以去做一些事情。 大家几乎都会骑自行车很清楚这些问题自行车一旦会骑了很容易。但自行车的平衡受很多因素的影响自行车速度、弹性的车轮和不同地面之间的摩擦、风的扰动等等。自行车是人类100项最伟大的发明之一一定有很多内容值得我们去做研究。一个自行车看起来很简单但是它可以作为一个很好的研究平台把很多问题抽象出来。在我们早期的研究中是在固定的速度下面通过车把的转向控制就可以实现在平地上行走或者在稍微粗糙一点的草地上行走具有比较好的稳定性也可以过一些障碍。自行车做到这样的功能没有特别大的难度这是我们最早一代的天机芯片。对于车来讲这是一个固定速度在一个恒定速度下面车没有任何问题控制起来是很容易的。真正的难度在于所有的速度降下来速度发生变化有各种扰动的时候能不能做的更好那就需要更多的功能。 关于降速这个事我们也做了一些实验。让车的速度降下来当车身发生倾斜的时候重力的力矩就会把车拉倒所以车一定要有个速度绕着圆弧跑就会有离心力。离心力如果和重力达到一个平衡车是倒不了的。对于自行车来讲能把速度降到的极限是降到1.5几公里就可以了。 我们对车的基本想法是能跟住它的主人所以我们用神经网络做了一些训练让车可以在主人的后面跟着主人去跑。我们最开始的愿景有这一项。主人变速车要改变速度主人变路径车也要改变路径。这就超出了车的控制之外大的系统要形成一个闭环能够去追踪一些事情。把这些都做完之后我们加上了一些基本的功能比如语音识别所有的控制功能都用天机芯片来实现。天机芯片里是两部分一部分是像黑盒一样模仿大脑一部分是像白盒一样模拟大脑。我们做了两部分结构是第一个异构的芯片识别、操控恰好是用异构的两部分来实现的。这个车能不能用我每周都会被问到这个问题因为每周都有到实验室来参观的从教授到企业家都会问这个问题。基本分成两个极端。一种极端觉得这是个很好的东西。实际上机器人面临的环境非常复杂我们几乎处理不了所以现在只能说我们有其中的一项技术但是还有十项技术要我们去做才能达到视频里能用的效果。只做其中一个不足以支撑那么多应用所以希望更多的人加入进来。 机器人面临的挑战要比其它人工智能的领域难得多解决的问题要现实得多所以还是要一块一块的去解决我们能解决其中的一块目前控制平衡我们能解决得很好。再往后发展人工智能要解决更多领域的问题才能有更广阔的应用前景但是现在没有突破性的技术。这个技术不在于机器人本身还是在于人工智能本身人工智能要落地在机器人上去做。当然工业机器人不需要没有人工智能这么大的发展之前工业机器人发展的挺好。但是为什么要为它做服务因为机器人更大的空间还是服务机器人。 机器人要想真正应用必须和人工智能结合。解决的问题都是靠人工智能来解决的我们在里面解决的是从属问题。所以机器人一定是作为人工智能的载体这样才能把问题解决掉引进人工智能的手法也还是为了解决控制层面的问题。我们要把平台做好让人工智能研究者可以在上面做更多的算法和应用测试。所以机器人一定要作为人工智能的载体这样才能把问题解决掉。 人工智能后面的基础是芯片芯片是按摩尔定律去做的。制造行业、机器人行业再做也是线性增长线性增长和指数级增长去对比自然而然你就明白要选择哪一个所以一定要拥抱回报率更大的那一个。 关于自行车的运动模型 这是它的模型一个车身的倾角、一个车把的转向角、一个速度三个参数量就可以了。一个后轮的驱动电机或者前轮驱动电机一个车把转向电机就够了传感器就是车身的倾角。非常简单的原理和平衡车没有太大的区别。这是一个简化的动力学方程已经做了一定的简化去掉了若干项非常弱的项我们都去掉了所有的这些项它的系数都和我画圈的速度相关。这是在参数上做了很大变化的系统它的控制就不是那么好控制但是我们讲科普讲原理的时候只拉出特别强的那几项。状态之间的耦合对参数的敏感要在工程上把这些做的很好。我们最主要的工作还是把速度估计的非常准测车轮的速度是没有用的传统的状态观测器也不太适用也很难建立模型所以要有理论自己的实践去做这件事情。下面是简化好的模型。 控制器结构也比较容易做像大多数机器人一样无非是一个反馈和前馈。反馈部分解决不确定性的问题前馈部分解决动力学问题。所以我们把动力学的K1、K2、K3加在里面把反馈部分调好这个事情就可以做到了。这是最基本的控制系统我们还要解决很多问题比如车下坡动力没有重力线变得非常大要加一些刹车控制。正常的控制可以加速、可以减速在自行车里只能加速没有减速不可能靠电机来减或者靠刹车来减几乎不好控制所以调整车速的时候要把刹车也加上这里面就涉及到大量工程问题。经过几年现在这个车上坡、下坡、各种负载的变化、风的变化基本都没有大的问题。应对速度的变化我们可以用神经网络自动去适配速度。我们未来想做什么短期要把低速、静止包括机动性、粗糙路面可以做的更棒。中期还是这个思路希望车能够像人一样人骑自行车能够出来的功能它都能表现出来比如腾空、落地。将来希望两轮的平衡车能够在复杂环境中行驶这个时候还需要加环境感知系统因为一辆摩托车跑到100公里以上对环境的感知要求就非常高了。所以它能带动的问题还是比较多的。这个车可以继续做下去除了芯片以外还有它本身控制的研究。被动行走 1990年它发表在机器人技术性最好的杂志上几乎把这套理论和方法全部写下来了但实际上这个结果一直没有得到太多人的关注和认可。直到2005年康奈尔大学用这个原理做了右下角的机器人。这个机器人几乎可以以跟人相同的能量效应完成走路并发表在Science的307期上当年引起了很大轰动。波士顿动力放了一个视频你可以踹大狗。2005年那个时间段所有几个刷新大家眼球颠覆大家想法的东西都达到了最大的能量效力本田的机器人大概只有20分钟波士顿动力效力还要低。 这个时候这篇文章登在Science上也很正常因为做到了与人几乎相当的效力。这套原理怎么应用大家非常关注2005年一直到2010年这个领域突然火爆起来。但之后进展非常缓慢说白了这个事情就是牛顿定律所有事情已经解释的非常清楚了之后大家也没有提出太多的方法好在是期间Science发表了好几篇相关研究文章。 这篇文章之后我们上Science的想法是回收能量上了一篇实物做出来又上了一篇。实际上这就是一个背包背包里放一个磁铁切割磁力线就可以发电但效率很低没法使用。这个原理被实际做出来放在腿上腿在走路过程中做正功和负功又发表了一篇Science第一作者是中国人是西工大的一个学生出去之后在加拿大做博士后时做的09年发表在Science上。纯被动的脚踝增强是2016年康奈尔发表在Nature上可以提高人走路的效率和能量。除此之外大的结果就没有了都是在技术领域去做的。 2014年以后我发现了一些新的问题觉得可能比较重要。这是一篇文章将人走路的步态记录下来发现乱七八糟因为每一步都不是完全相同这个乱会随着年龄有所不同但乱里面是不是有规律。最开始人们认为这就是随机的数据但分析了以后发现不是随机的跟年龄、跟混沌等参数有关。关于自行车有两个极端有些人觉得非常好有些人觉得没什么用。认为是胡闹的人基本只看到90分以下的事情认为可能有点过于理想化了。曾经有一家世界500强企业的董事长清华的副校长带着他来实验室看这个研究董事长很不客气说搞这个有什么用什么也干不了产生不了什么应用。副校长以期待的眼光看着我当时我就说了一句话学校里面做研究你承认不承认他说这个我承认你们是做了一个很不错的研究我说那就对了任何一件事情我们都要分成两部分第一部分是做研究第二部分是做应用。做研究是我们的事情做应用是企业家的事情。 实物机器人也有人发现了这是日本一个仿被动的四足机器人一直观测发现后面几乎进入到了混沌的结果。清华力学系的一个博士生叫柳林他做的被动机器人几乎观察到了八分杈。我也做了一个小的实验装置学生拿手机去录音也观察到了八分杈左右的结果。混沌会带来很多重要的结果。单周期步态代表只有一个周期角度只有一个每一步都是重复的。但是多周期到混沌以后每一步都不重复覆盖的面积非常大但是就是不倒可以不停地从一个跳到另一个。展开时间轴曲线你看不出这些曲线有什么区别所以画出来就像一个毛线团一样一圈的毛线都是一个状态的轨迹。问题是人走路最理想的状态是单周期的还是人的走路就是混沌的这就涉及到我前面提出的生理学的问题最终测出来的结果是倾向于混沌的。根据李亚普洛夫指数的大小来判断它是不是混沌随着年龄不同也会不同几乎最后测出来都是认可混沌的。医学人提出来这个结果在工科人看来有点不太满足用了5、6个人每个人走二十几步拿这个数据说这个是混沌这个不是混沌这个是帕金森那个是什么在工科人看来量不够所以我们希望做的更多一点。在我们做的小机器人上也观测到这个现象导致我们产生了别的想法人走路是混沌的还是单周期应该用哪个模型来走。现在所有人都是单周期的这个理论、那个理论都是按照单周期来做的只有一个方法不是现在在美国比较火的认为有可能能达到波士顿动力水平的就是HCD混合人工态方法。本质上没有用单周期而是用了很多周期在做。 我做了一个特别简单的被动机器人左边第二个。别看小效力很高。我们是在两腿之间加了橡皮筋用了燕尾夹去调整橡皮筋的张力改变它的刚度也可以用燕尾夹夹一些质量块无非是调整弹簧的刚度实际就是改变参数。经过微小的改变就可以让系统稳定性极大的增强。和前面放的帕金森的视频一样视觉上做一个微小的刺激就改变了整体的属性。这些系统的方式有共通的地方能不能通过微小的改变四两拨千斤的去做这个事情走路的过程中没有人用大脑去走路都是用脊柱来控制的中枢神经就可以控制振荡系统是工作在混沌状态还是工作在什么状态能不能通过微小参数去调节就变得很重要我们要把这件事情解决好。我们得出来被动方面可以起到很好的作用所以我们就看动力方面。这个机器人十几公斤只在两腿之间加了一个很小的电机和一个橡皮筋用电机拉橡皮筋非常简单的走路模式就出来了。脚底下有个开关前面的开关碰到了电机向后拉拉多少度反过来就向另一个方向拉但是表现出来的步态跟人的几乎差不多。模型随着弹簧参数的变化最后也会变化出混沌混沌意味着稳定性非常强。如果走路本身就是混沌状态这个事就很好解释先天的动力学就是很稳定的。这变成一个很大的问题我们做机器人按什么原理去做做外骨骼按什么原理去做存在最根本的差异所有人都按照单周期这样的步态去做其实就是欠缺一个理论基础。 这边注定是一个机械的做法但是你做仿生仿的是原理我们就要确定这个原理是不是正确的。我们做的模型只能是两条腿之间拉个橡皮筋不是太合理人是躯干和一条腿之间有弹簧和肌肉另一条腿也是肌肉肌腱。所以我们做了这样一个模型仿真分析居然也有混沌现象。过渡到混沌之前出来一个左边的图时间图。横轴是时间纵轴是角度。看数据看不出太大区别不仔细看认为还是个周期性步态可能采样点不一样但是发现蓝色的点不是特别准确。实际做下来之后发现是右面这个图。它就在最外面的圈上跑一次也不会重复但会经过13个周期回来一次不过永远不能整除只能一圈一圈绕最后走路的截面变成一个游泳圈不是一条线。是在游泳圈表面上这样绕永远不重复变得非常稳定再往下过渡就是混沌了。好处是稳定性好坏处是抗干扰能力不够强给它一个扰动它就容易倒倒在游泳圈上。说明稳定状态的区域不够大整个混沌非常大但效力不够高。所以我们希望单周期的效力高。右边圈画了一个点这个点是效力最高的点。这张图左边是单周期的右边是混沌的代表效力的不同和稳定性的不同。我们想了一个方法每一次都微小的改变参数而不是强加一个控制力。改变参数的结果是让它产生的动力学轨迹能够在游泳圈上倾向于我要的那个点每次都贪婪地选一个最优值出来这就需要计算。所以我们安排了一个时间窗口预测所有的动力学预测之后按照不同的参数把它选出来去做。 还是拉动两条腿上的橡皮筋一条是红色一条是蓝色。标准的过程是在T等于0的时候两个角度红色在0的位置上另一条腿是蓝色的在上面某一个角度上。时间开始以后到T1阶段两个都朝某一个方向动动到T1的时候蓝色的不动红色到T2的时候反方向动一下这个过程就结束了。就两个参数一个是拉的角度一个是拉的时间。如果能只控制T1、T2一个T1是一个系统改变一次以后变成另外一个系统。所有的系统在某一个时刻就去选哪个系统对未来是最好的我就选哪一个系统。T1、T2是按照对数收敛分布我大概三十几组数如果一瞬间能算出来在零时刻就知道从现在开始走一步这几组参数里哪个最好我就走哪一个。每一步都这样做就会出现一个非常好的结果。方法是要很长时间才能回来绿色的圆代表原来的游泳圈上面的所有点要求它能够回到中间这个点越快越好。对我们来讲要30步到40步才能回到高效力的点上去。因为混沌是不做任何工作的它要等等到你进入一个很小的区域因为才能开始控制把它收敛回来但是我们不用等直接就可以做所以我们大概不到10步就可以回来。每一步都预测结果有可能是稳定的有可能是不稳定的直接切一个最好的就可以了。所有的动力学系统都像银河系的图一样绕着螺旋线回来原点绕着落选线回来要非常长的步才能回来但是一个系统的螺旋线这个点用另外一组参数回来可能第二步就回到这个点了因为我是途径这个点欺骗了它一下所以这个时候要做计算和选择在很远的地方也能回来绿色的圈就变得很小这个点很大。当它遇到地面干扰的时候非常容易就切换过去了。在此之前解决干扰问题相对比较困难要建模要搞很多控制现在做一个简单的切换就可以了。理论分析很长但实际执行的算法非常少现在还处于只是平面机器人阶段。 我们拿这个做了个游戏是它的能力这是个超级玛丽可以在草地上走也可以在斜坡上走可以在粗糙的路面上走。最后遇到球可以转过去。我们不去测试机器人的某项指标就是做了一个走路的方法目标只有一个就是走而且要控制速度是多少。所以走在不同路面都会引起速度的变化为了控制速度就会带来这些属性。 以后的应用除了控制速度、控制落脚点其他的东西都可以加进去但目前只用的控制速度和落脚点两项。 我大概就做了两件事一个是做足式机器人的研究一个是做自行车但主业还是足式机器人自行车是副业。我们希望基础的研究未来可应用、可落地的时候可以应用于服务机器人特别是人形机器人。谢谢大家张亚勤、刘慈欣、周鸿祎、王飞跃、约翰.翰兹联合推荐这是一部力图破解21世纪前沿科技大爆发背后的规律与秘密深度解读数十亿群体智能与数百亿机器智能如何经过50年形成互联网大脑模型详细阐述互联网大脑为代表的超级智能如何深刻影响人类社会、产业与科技未来的最新著作。《崛起的超级智能;互联网大脑如何影响科技未来》2019年7月中信出版社出版。刘锋著。了解详情请点击【新书】崛起的超级智能互联网大脑如何影响科技未来未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能互联网和脑科学交叉研究机构。未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市云脑研究计划构建互联网城市云脑技术和企业图谱为提升企业行业与城市的智能水平服务。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
