|
MIT所打造的人形机器人系统不只能在危险的环境运作，能负担繁重的任务，此设计最重要的影响是由现代汽车（Hyundai Motor Company）研究员Dong Jin Hyun衍生设计出的可穿戴式外骨骼。 一年一度的国际消费性电子展（CES）在1月初于美国拉斯韦加斯举行，在展出的众多五花八门的消费性电子装置中，笔者偏好寻找能对这个世界带来一些重要影响的电子技术；CES第一天，我首先注意到的就是韩国现代汽车（Hyundai Motor Company）展示的可穿戴外骨骼机器人（wearable roboTIc exoskeleton），由该公司的资深研究员Dong Jin Hyun讲解。 可穿戴外骨骼机器人技术的研发始于美国麻省理工学院（MIT）的「高效益机器人架构与电机系统（highly efficient roboTIc mechanisms and electromechanical system，HERMES）」，是MIT仿生机器人实验室（BiomimeTIc RoboTIcs Lab）旗下的研究项目；该实验室提出了一个概念、着手设计，最后打造了可远程操控的全身人形机器人原型。 MIT所打造的人形机器人系统不只能在危险的环境运作，能负担繁重的任务，此设计最重要的影响是由Dong Jin Hyun衍生设计出的可穿戴式外骨骼。 让HERMES与人形机器人动作平衡设计工程师一直在尝试让机器人的运动发挥到极限──也就是说让机器人的动态行为动作就跟人类一样。我们身为人类，能透过大脑思考来适应不寻常、未预期的状况，让我们能在问题解决方面非常有创造力；透过在机器人身上布署某种形式的人工智能以及运动技巧，就可能让机器人能进入高度危险、可能致命的环境执行任务，以保障现场工作人员的生命安全。 藉由采用发散运动分量（divergent component of motion，DCM），操作员与机器人能透过质心（center of mass，CoM）与压力中心（center of pressure，CoP）的动力达成平衡同步化；我们人类能透过几个关节协调复杂的动作，并同步协调动作的优美与顺畅，而研究人员也希望打造出能完全模仿人类流畅动作的机器人。 能达成以上目标的方法之一，是透过全身远程操作（whole-body teleoperation）来撷取、模仿人类的动作。
MIT研发的机器人系统HERMES，是一种能执行复杂动态操作任务的人形机器人设计。（来源：参考数据1） 远程的机器人操作员需要能与机器人的身体与感官合为一体，也就是说能感觉到机器人的力量以及受到的干扰，并因此能导引机器人成功执行任务、就像操作员自己在现场一样。MEMS传感器应该在这种设计中扮演了重要角色，现在加速度计与陀螺仪已经能有效被运用于这类人形机器人系统的运作与感测。 惯性量测单元（IMU）以及传感器中枢，能实现机器人的精确控制、自动化以及定位（positioning）；如ADI的EVAL-ADIS2评估系统能协助加速产品上市，Bosch Sensortec也有可搭配其智慧中枢（Smart Hubs）以及专用传感器节点（ASSN）的优异传感器中枢软件。
Bosch Sensortec的MEMS传感器解决方案阵容坚强。（来源：Bosch Sensortec） 客制化IMU设计让机器人站稳讲到IMU，似乎与HERMES人形机器人无关，不过客制化IMU能让设计工程师维持拥有天生不稳定运动轨迹（motion profile）的机器人之稳定性；例如为Ballbot设计的客制化IMU，能为这种本来形状就无法「站稳」的机器人，带来维持稳定所需的精确度。 在校准IMU之前需要先校准ADC，这有助于简化IMU的校准，只需要简单的设备就能完成；Kalman滤波器在此是实现数据融合以及精确角度估算输出的关键，并能让机器人完美平衡。Kalman滤波器也能去除陀螺仪讯号漂移，以及可能会让加速度计失误的移动加速噪声。
{xa， ya}两个轴代表是加速度计敏感度，与陀螺仪耦合，量测环绕加速度计轴的角速度（angular velocities）。（来源：参考数据2） Kalman滤波器 Kalman滤波器能过滤噪声，产生不可观察的状态（non-observable state），并预测未来状态；过滤噪声非常重要，因为很多传感器的输出噪声都太多，无法直接使用；Kalman滤波器能让设计工程师计算不确定的讯号/状态，一个重要的应用是生成估计速度所需的不可观察状态。 通常在机器人的不同关节上都会有位置传感器（编码器），不过简单地区分位置以取得速度，会导致产生噪声；Kalman滤波器能被应用于估算速度，另一个不错的功能是能被用来预测未来状态，这在传感器回馈的时间延迟特别大的时候很有用，时间延迟会导致马达控制系统不稳定。 HERMES系统的控制架构设计人类操作员会需要能无缝的虚拟远程临场（telepresence），才能让机器人在危险环境执行困难的、原本只能靠人类的灵巧与聪明大脑才能完成的任务；而至关重要的是，整个回馈回路的动力以及延迟必须以人形机器人密切管理。 我们在进行动作训练时，必须要先了解产生某个动作的基本原理；在这种案例中，人类本体感受的反射，也就是让身体能正常运作的肌肉、关节与神经肌肉系统之间的聚合，需要50~100ms的反应时间，而视觉处理反应时间约是200~250ms。这种了解有助于实现机器人操作员在远程操控机器人执行任务，就像他们自己在现场一样。 MIT的设计工程师估计，在平衡回馈信息显示为施加于操作员髋部的力道之策略方面，训练后的反应时间应该要藉于人类本体感受反射以及视觉处理之间；为了以非视觉方法证明髋部的力道回馈策略，会以髋部位置量测参考。代表人类本体在髋部感受到的力道输入以及视觉输入。
HERMES系统与人类操作员的回馈回路图，操作员以腰部的非视觉力道回馈来稳定平衡回馈回路中的机器人（粗线箭头）；而细线箭头指示的是视觉数据以及更高层级感知规划的回馈路径。（来源：参考数据3）
图为来自髋部本体感觉刺激力道以及视觉刺激阶梯输入讯号的人类髋部移位。（来源：参考数据3）
人类-机器人之平衡回馈回路的事件传递流程。（来源：参考数据3） |
|
|
