智东西（公众号：zhidxcom）
编译| 张铭滟
编辑 | 云鹏
(资料图)
智东西6月30日消息，据IEEE Spectrum报道，南非开普敦大学的机器人学家受猎豹启发，正在研究猎豹解剖学和动力学的细节，以使他们的机器人也可以具备猎豹高速的特质。野外的猎豹在狩猎中表现出了顶级捕食者非凡的灵活加速的能力和其他高速动作，学者以猎豹为灵感，研发控制腿式机器人（legged robots）的方法。
电动机械有助于将腿式机器人带入主流，它提供了一种简单紧凑的控制机器人肢体的方法，具有安全灵活运动所需的控制功能。大多数电动机无法提供的是与生物肌肉性能相类似所需的瞬时功率。这就是Atlas可以称是目前最强大、最动态的机器人的原因。Atlas使用液压执行器让一个真人大小的机器人做后空翻，这几乎是获得所需动力的唯一方法。
▲图为Atlas机器人
一、机器人的爆发力或许可以像猎豹一样
受猎豹高速奔跑的启发，南非开普敦大学的机器人专家开始试验老式的气动液压执行器。通过使用气体而不是液体作为工作流体，机器人就可以用相对简单和廉价的形式获得较高的力重比，并具有流体力学所缺乏的内置顺应性。事实证明，如果要让机器人像猎豹一样奔跑，复杂的控制可能甚至没有必要。
南非开普敦大学的阿米尔·帕特尔说到：“我们认为，快速机动可能不需要精细的力控制。”
首先，让我们来谈谈液压系统的问题，因为液压系统复杂、昂贵，如果它们爆炸，有时会爆炸，而且会有各种各样的混乱。尽管水力学的不顺从性使它们更容易建模和控制，但问题在于实践中不易应用。
如果你追溯到20世纪80年代，马克·赖伯特（Marc Raibert）在麻省理工学院开发动态腿机器人时，那些跑步和跳跃机器人依赖于气动而不是液压，因为气动更容易实现。
现在的机械多用液压而不是气动的重要原因是空气是可压缩的。这种机械的内置顺应性很好，但会打乱大多数传统的控制方法。
开普敦大学副教授Amir Patel解释道：“这种制动器很难精准控制力量。液压装置是不可压缩的，它的效果更好，但它比气动装置贵。当观察到需要四肢进行爆发性运动的动物时，我们认为气动装置是一种很好的制动器。但这点经常被忽视。”
Patel在猎豹生物力学方面做了大量的研究。最近，Patel一直在研究，试图以更真实的方式跟踪猎豹的动态，了解它们是如何按照自己的方式移动的。但捕捉猎豹精细动作这件事非常难。这项工作仍在进行中，但Patel基于其研究提出了一种新的猎豹运动方法。Patel说：“从我们多年来在南非研究猎豹的情况来看，它们从休息状态加速时似乎并没有进行精细的力量控制。它们只是尽可能地用力推动，这让我们认为像气动这样的开关制动器可以完成这项工作。我们认为，机器人的快速机动可能不需要精细的力控制。”
二、灵感源于猎豹的Kemba腿式机器人
Patel与同事Christopher Mailer、Stacey Shield和Reuben Govender一起制造了一个名为Kemba的腿式机器人，用以探索气动可以提供的快速加速和机动性。Kemba的臀部采用了高扭矩准直驱电机，可实现更精准的定位，并在膝盖上安装了强力气动活塞。虽然电动马达提供了精确控制，但活塞是由简单便宜的二进制阀控制的，可以打开或关闭。
研究人员在建模气动执行器的复杂动力学方面付出了相当多的努力，因为需要了解气动执行机构的工作。但是，Kemba的要求是使用气动装置进行爆炸驱动，从臀部的电动机获得更精细的控制。
有了吊杆支撑，7公斤重的Kemba能够在受控着陆的情况下反复跳到0.5米，并达到1米的最大跳跃高度。
Patel解释说，虽然这些跳跃高度和最高速度等指标看起来很不错，但这并不是研究的重点内容。“对于Kemba，我们专注于运动的过渡阶段，比如从静止状态快速加速，或者在高速步态时休息。目前大多数论文研究并没有真正关注运动的这一阶段。我希望更多的实验室能够公布他们在这一领域的结果，这样我们就可以获得一些指标（和数据）进行比较研究。”
▲图为Kemba腿式机器人
第一作者Christopher Mailer表示，Patel最终希望Kemba成为生物学家可以用来了解动物运动生物力学的平台，但在可预见的未来，它可能会保持束缚。“很多人问我们什么时候会将Kemba做成完整的机器人，或者Kemba携带压缩机是否现实。但我们制造Kemba的目的主要是执行和学习仿生运动，而不是专注于机载动力或自主性。”
未来Kemba会有新的升级。它的脊椎和尾巴正在研发中，这两者都将提供新的自由度，让机器人行为更生动。当然，想让腿式机器人接近真正的猎豹，还有很长的路要走。气动方法有其前景，或者说，任何有可能降低腿式机器人成本的方法都可以纳入考虑。
结语：生物行为可以成为腿式机器人的研究灵感来源
力量控制是腿式机器人领域的关键技术之一。控制是腿式机器人稳定和灵活运动的基础。腿足机器人的控制方法灵感可以来源于生物模型分析。
基于对生物行为的学习可以探索机器人如何模拟生物的运动爆发力，获得新的运动技能，实现预期的运动能力。
关键词：
