狗狗是狗狗狗腳我們最忠誠的朋友之一，無論何時何地，腳崴都會陪伴在我們身邊。辦狗然而，麻癥當我們發現我們心愛的狗狗狗腳狗狗腳崴了，我們會感到非常擔心和痛心。腳崴狗狗腳崴了可能是辦狗因為跳躍、奔跑或者不慎摔倒所造成的麻癥。那么，狗狗狗腳當狗狗腳崴了，腳崴我們應該怎么辦呢？首先，辦狗我們需要觀察狗狗的麻癥行為和表情，看是狗狗狗腳否有明顯的疼痛或不適。在緊急情況下，腳崴應該立即將狗狗帶到獸醫診所進行檢查和治療。辦狗如果情況不太嚴重，我們可以先嘗試給狗狗休息和輕柔的按摩以減輕疼痛。同時，可以適度冷敷受傷部位以減輕腫脹。如果狗狗的腳崴仍然存在疼痛或腫脹的跡象，一定要及時咨詢獸醫師的意見，避免延誤病情。愛護狗狗，就是為它提供最好的治療和照顧，幫助它早日康復。

豐色 Alex 發自 凹非寺

量子位 | 公眾號 QbitAI

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？

簡單來說，分為三大招：地圖識別、行動軌跡規劃和動作控制。

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。

因此，它要學的第一件事就是識別地形，感知自己和梅花樁的位置，以便為后面的軌跡規劃做準備。

據研究人員介紹，這一步最大的挑戰是如何在持續力沖擊下實現精準視覺定位和地形識別，同時兼顧實時性與低延遲。

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。

最終，Max做到了地形識別精度?于2cm、視覺定位累積誤差?于1%。

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??！（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。

— 完 —

量子位 QbitAI · 頭條號簽約

關注我們，第一時間獲知前沿科技動態