波士顿动力机器人跑酷揭秘！不用动捕和特效，凭借感知适应做动作

落日映苍穹つ 2022-09-08 06:00 140阅读 0赞

波士顿动力机器人get跑酷技能，着实震撼了一波网友。

然而，它的跑酷技能究竟是不是**真**的？

![波士顿动力机器人跑酷揭秘！不用动捕和特效，凭借感知适应做动作][8232537708ddb3ef7dc2829e056c6930.gif]

这套行云流水的动作，背后到底有没有“预设程序”？

机器人是根据环境实时做出动作判断，还是每一步都经过精确测量……

现在，波士顿动力亲自公布了机器人Atlas跑酷背后的原理。

让我们从**机器人的视角**，来看看它眼中的跑酷世界是什么样的。

# 机器人眼中的跑酷世界 #

在机器人Atlas的大脑中，有一个模糊的地图“轮廓”。

同时，Atlas还会拿到一些目标信息，例如在行动中需要完成什么动作、会遇到什么样的障碍物。

相比于精确的感知地图，这个稀疏地图并不会精确到路线轮廓和障碍物之间的距离，而是需要靠Atlas用感知算法去“看”。

像这样，需要实时规划出自己的行走路线，并根据障碍物的距离进行调整：

![波士顿动力机器人跑酷揭秘！不用动捕和特效，凭借感知适应做动作][322fc1ef73ebba3d20d008af245b719c.gif]

△“看”不到远处的障碍物

例如，Atlas知道地图上会出现一个盒子，它要做的动作是跳上去。

这个盒子可能会与地图的标注相差甚远，甚至往旁边移动了0.5米，但它仍然能靠感知算法，正确找到这个盒子并跳上去（除非盒子远得离开了Atlas视野范围，它就会停下来）。

这是3D可视化后，Atlas的跑酷“世界”：

![波士顿动力机器人跑酷揭秘！不用动捕和特效，凭借感知适应做动作][791f26a538137fd0b5fc8442930d0089.gif]

其中，Atlas下一步需要跟踪的物体是**绿色**的，而不在传感器视野范围内的物体，则是**紫色**的。

Atlas会凭借自身的**跟踪系统**，来不断地估计障碍物在地图上的精确位置；再根据导航系统，结合实时感知数据，绘制出需要行走的绿色脚印。

那么，Atlas究竟是怎么感知环境、并做出动作的呢？

首先，它会通过感知算法来“看”，即获取摄像机、激光雷达等传感器数据；然后，再做出行动判断，即转换为决策和物理上的动作。

感知上，Atlas利用**ToF深度相机**，来生成帧率为15的点云，其中包含大量的距离信息，并借此判断出如何跨过像间隙、窄梁这样的障碍目标。

动作上，Atlas通过**惯性测量单元**和**力传感器**，结合关节位置信息来控制身体运动，同时在地面上保持平衡。

![波士顿动力机器人跑酷揭秘！不用动捕和特效，凭借感知适应做动作][75296e1023377231f4eebec6ae7b6c34.gif]

Atlas会采用感知软件，利用**多平面点云分割算法**来从点云中提取出物体表面，并被输入到绘图系统中，让系统通过摄像机参数/照片建立不同物体的模型。

这是Atlas眼中的障碍物、和它的行动规划图：

![波士顿动力机器人跑酷揭秘！不用动捕和特效，凭借感知适应做动作][9f276617532bf33deea5776553362289.png]

其中，Atlas会通过深度相机捕捉到红外图像（左上角），并从图像数据中提取出点云，绘制出跑酷障碍物的表面（橙色轮廓）。

再根据传感器观测数据实时进行位置跟踪，在这些物体表面上规划下一步行动，例如跳跃或慢跑等，并提前生成绿色的轨迹脚印。

# 预设动作，但无须预设细节 #

从上面的感知算法中可以看出，机器人Atlas的跑酷确实“有备而来”。

也就是说，无论是翻越、跑、跳跃、后空翻，Atlas在跑酷过程中的每一个动作，都需要提前设计好，并被放进模板库中。

![波士顿动力机器人跑酷揭秘！不用动捕和特效，凭借感知适应做动作][9a1451644ee82ef84bc1f8e8c8cf197b.png]

在设计中，这些动作会根据**轨迹优化**技术进行完美调整，再根据具体的行动目标，从模板中进行选用。

同时，利用轨迹优化机器人的离线行为，让工程师来探索机器人行动的极限，来降低计算量。

例如，发现机器人训练过程中的一些限制条件，并及时做出调整。

像机器人**后空翻**这个动作，表面上的成功率来自于机器人的四肢协调，但经过优化后才发现，这背后的根本原因是由于身体的驱动限制。

![波士顿动力机器人跑酷揭秘！不用动捕和特效，凭借感知适应做动作][806092280790ab46863ecaa12b98f61b.gif]

而一切行动的控制，都来自于一个叫做**MPC**（模型预测控制器）的Atlas“大脑”，它要做的就是计算出当下的最佳动作，并根据时间推移预测出最好的行动。

也正是由于这个控制器，让波士顿动力不用在意Atlas的控制细节，因为它不仅能从52cm的跳台跳下来，也能从40cm的跳台一跃而下。

同时，机器人也不会自己做出慢跑后直接后空翻这样“不可能”的行为。

如上种种可以看出，机器人背后确实做出了大量“预设”，但最终的行动和目标，却并不全是演练和动画。

至于网友之前猜测的CG特效，这次波士顿动力似乎的确没用在视频中。

![波士顿动力机器人跑酷揭秘！不用动捕和特效，凭借感知适应做动作][7a729947ebdf4178feebc1353058e66b.png]

期待机器人Atlas的下一场表演。

![波士顿动力机器人跑酷揭秘！不用动捕和特效，凭借感知适应做动作][5c9c0240e83898b9d9fc514fb0ee1b71.gif]

参考链接：  
\[1\]https://blog.bostondynamics.com/flipping-the-script-with-atlas  
\[2\]https://www.youtube.com/watch?v=EezdinoG4mk

— 完 —

[8232537708ddb3ef7dc2829e056c6930.gif]: /images/20220829/c24bf62daaa644178afad123047aa581.png
[322fc1ef73ebba3d20d008af245b719c.gif]: /images/20220829/0d357ca9be7d49e59a69b3a217477eba.png
[791f26a538137fd0b5fc8442930d0089.gif]: /images/20220829/eb7085a77a8444aca53ea9214575463e.png
[75296e1023377231f4eebec6ae7b6c34.gif]: /images/20220829/ffd8a3c2514b4ddd96c7829a193888a4.png
[9f276617532bf33deea5776553362289.png]: /images/20220829/357a527c06ba4f2992cbedc3c61def81.png
[9a1451644ee82ef84bc1f8e8c8cf197b.png]: /images/20220829/888791b03ec044ec9ba7717cb8d8a7c9.png
[806092280790ab46863ecaa12b98f61b.gif]: /images/20220829/00fcb85b99754df382bc87d6a90a3479.png
[7a729947ebdf4178feebc1353058e66b.png]: /images/20220829/9965234164d047fa9a7b87349331368c.png
[5c9c0240e83898b9d9fc514fb0ee1b71.gif]: /images/20220829/7dd2f4e2d24d452b9aee3574a972be27.png