【archsummit架构师峰会】基于大模型的基础框架、中台、应用层等专题全覆盖 >>>
写点什么

腾讯发布max二代机器人,能在梅花桩上完成跳跃、空翻等高难度动作-金马国际

  • 2022-08-08
  • 本文字数:1533 字

    阅读完需:约 5 分钟

腾讯发布max二代机器人,能在梅花桩上完成跳跃、空翻等高难度动作

腾讯正式发布四足机器人 max 二代版本


8 月 8 日,腾讯正式发布 max 二代机器人(以下简称 max)。据介绍,max 能够在梅花桩上完成旋转踏步、单桩跳跃、双轮站立等高难度动作。同时,过桩速度达到“前辈”jamoca 的 4 倍。



据了解,max 是由腾讯 robotics x 实验室自研的多模态四足机器人,采用原创的腿轮一体的本体设计,实现了“崎岖路面走得稳,平坦路面跑得快”。相比一代,max 在视觉感知、轨迹规划、运动控制等方面实现技术创新。同时,max 原创性地融合了机器人腿式与轮式运动模态,从硬件上的机械和电路设计,到软件上的系统框架和控制算法创新,使得 max 在崎岖路面走得稳,在平坦路面跑得快,更契合人类社会的现实环境。


依托于机器人视觉定位、地形识别、全向六自由度运动规划、高精度模型预测控制等技术,max 能够对复杂地形进行精确识别,并且根据地形实时想好步子,避免踩歪、打滑、摔倒等风险。通过梅花桩复杂地形场景,以及精确落点跳跃等条件设置,成功验证了 max 对复杂地形的适应能力。



在腾讯 robotics x 实验室为 max 设置的测试场景中,max 需要快速通过一个阵列全长 10 米,高 0.8 米(约为 max 身高 2 倍)高低起伏的梅花桩阵列。想要顺利通过这一复杂地形,max 面对的挑战重重。首先,max 需要实时地形识别、建图,以应对密集细杆梅花桩这种复杂并带有轻微晃动的地形。看准地形后,max 需要根据地形规划适合的运动轨迹,自动调整俯仰、侧身与转向,从而适应高低起伏的地形。



从结果来看,max 在持续高频的冲击条件下,定位精度累计误差小于 1%,地形识别精度小于 2cm。



为更好保障 max 力控精准度,腾讯 robotics x 实验室在机器人移动能力和机身本体设计上都做了改良。max 具备触地检测能力,可准确判断足端触地状态,进行质心轨迹规划与柔顺力控,避免身体的大幅度振荡以及足端触地后的反弹,确保落地平稳与运动流畅。


同时,max 的机身本体在 2021 年版本基础上,完成了结构和电气系统的大量优化,能够应对跑、跳、翻等高动态动作产生的持续强力冲击,保证了本体的稳定性和可靠性。



除移动表现的进步之外,max 在运动效率方面也有显著提升。max 在完成跳跃、空翻等高难度动作时,可规划出最省力的运动轨迹,即如何让所需的驱动力最小化。


具体来讲,max 可以根据目标跳跃距离、跳跃高度以及关节力矩限制等条件,计算出最优的跳跃轨迹,兼容四脚跳(pronking)和双脚跳(bounding)等步态。 


自研模型算法,深度强化学习


据悉,腾讯 robotics x 实验室于 2018 年成立,目前实验室研究方向包括作为机器人基础技术的感知能力,以及灵敏运动、灵巧操控、智能体三大支柱技术,致力于智能协作机器人。


为更好完成跳跃、空翻等高动态动作所带来的对机器人控制精度的挑战,团队结合离线最优跳跃轨迹规划及实时平衡运动轨迹规划,自研了模型预测控制算法(chi et al., a linearization of centroidal dynamics for the model-predictive control of quadruped robots, icra 2022)。


与此同时,腾讯 robotics x 实验室也利用深度强化学习等 ai 技术,推进机器人智能研究,让机器人在虚拟环境中自主学习,更好地适应复杂环境的变化。


不同于预先设计好规则之后做重复任务的工业机器人,腾讯 roboticsx 实验室更关注机器人的自主特性研究,目的就是要在有很大不确定性的动态环境里,能够实现机器人的自主判断、自主决策,并自主完成任务。


据实验室研究人员介绍,基于深度强化学习与 sim2real 等技术,max 用几个小时就能初步学会自然灵动的步态。作为腾讯 robotics x 实验室自研的多模态四足机器人移动技术平台,max 的相关新技术与算法同时具备良好的迁移性,为实验室研发其他类型的移动机器人、适配潜在应用场景沉淀技术与经验。


未来,腾讯 robotics x 实验室还将在机器人行业做全方位、多领域的探索,向人机共存、共创、共赢的未来不断迈进。

公众号推荐:

跳进 ai 的奇妙世界,一起探索未来工作的新风貌!想要深入了解 ai 如何成为产业创新的新引擎?好奇哪些城市正成为 ai 人才的新磁场?《中国生成式 ai 开发者洞察 2024》由 infoq 研究中心精心打造,为你深度解锁生成式 ai 领域的最新开发者动态。无论你是资深研发者,还是对生成式 ai 充满好奇的新手,这份报告都是你不可错过的知识宝典。欢迎大家扫码关注「ai前线」公众号,回复「开发者洞察」领取。

2022-08-08 11:242662

评论

发布
暂无评论
  • 原来,5g还能这样颠覆我们的娱乐生活吗?

    2021-07-02

  • 运动控制是人形机器人的核心技术之一,也是人形机器人适应人类生存环境所必需的能力。对于仿人机器人来说,在具有动态扰动的情况下实现鲁棒运动是一项具有挑战性的任务,但却是仿人机器人适应复杂的人类生存环境所必需克服的难题。

    2022-07-20

  • 6月3日,腾讯轮腿式机器人ollie(奥利)在机器人行业顶会icra正式亮相。它像一个灵活的“轮滑小子”,能完成跳跃、360度空翻等高难度动作。

  • 8月25日,在第二届中国民用无人驾驶航空发展国际论坛上,美团无人机业务负责人毛一年进行了主题为“城市低空末端物流特定类运行创新实践”的分享。

  • infoq获悉,近日在北京智源大会上,智源研究院发布了目前精度最高的智能线虫“天宝”、ai芯片生态实验室和九鼎智算平台、大模型产业落地加速等方面的多项进展。

  • 波士顿动力机器人组团跳舞背后的技术实力揭秘。

  • 技术创新一直是移动机器人(agv/amr)发展的主旋律。

  • 基于时空大数据的空中高速公路:一种城市空中移动性管理分布式控制框架

  • 讲师介绍: 吕蕴偲,sre 工程师,就职于国内某云服务商,负责 devops 及云上金马国际的解决方案架构设计,多年云行业相关领域经验。熟悉 aws 亚马逊云、阿里云等公有云,对多云云上架构设计部署有相关经验。 问题背景: 云中的资源有一个特性就是弹性,弹性扩容满足了资源按需扩容和动态管理的需求,能够避免闲置资源的浪费。弹性伸缩是一项基础设施自动化的服务,弹性伸缩的主要目的是根据所监控的数据实现资源的动态平衡以达到期望值,提升服务效率的同时降低运维成本。 内容看点: 弹性伸缩的方式及选择 弹性伸缩策略及案例讲解 负载状态及伸缩粒度

    2022-04-29

  • 谷歌 ai 提出双重策略强化学习框架,帮助机器人安全学习动作技能

    我们的目标是让机器人在现实世界中自主学习动作技巧,并且在学习过程中不会跌倒。

  • 5g能给智能医疗带来什么帮助吗?

    2021-07-07

  • 自动驾驶系统中的行为预测模块主要负责预判其他交通参与者未来一段时间的行为,其困难主要源自现实世界和人类行为的高度不确定性。本文列举了现实环境中的不同场景,讨论了两种不同预测方法,即基于行为规划的预测和基于机器学习的预测,用于准确预测各种复杂交通行为并刻画其多模态特征和不确定性的困难和挑战。

  • 据介绍,小马智行对第三代自动驾驶卡车软硬件集成系统的软件算法、传感器方案、造型设计、车辆线控底盘等方面都进行了全方位革新。

  • 谷歌ai团队再立新功:探索聚变反应堆的控制之道

  • 5g还能赋能车联网吗?

    2021-07-09

  • 轮腿式机器人是近年来机器人研究的前沿领域。

  • 实现自动驾驶是一个复杂的系统工程,需要精准感知环境,理解交通参与者的意图并能够在广泛丰富的场景下,实现稳定安全的无人驾驶。需要面对真实路况中的大量 “不确定性”。

  • 总结

    2023-12-01

  • 这节课是我们数据算法这章的最后一节课了,我们来聊聊到目前为止人工智能领域里的终极算法——深度学习算法。

    2021-09-13

  • 波士顿动力机器狗又调皮了。

发现更多内容
金马国际
网站地图