用微信扫码二维码

分享至好友和朋友圈

TABV在真实场地进行测试大规模陆空轨迹规划测试实例地面机器人在随机移动障碍物下穿行随机障碍物位置移动加大穿行难度地面机器人在不平等地势上行驶矩形机器人与L型机器人通过狭窄通道和缝隙测试

来自浙江大学控制科学与工程学院的长聘副教授高飞，在刚刚过去的国际机器人旗舰会议IROS 2023发表的最新研究成果备受关注，在功能更强的新型无人机平台，性能更优的全状态轨迹规划、高速运动下的感知-规划闭环、超轻量化的集群协同自主导航等方面取得了一系列创新性的成果。在如下三个有代表性的成果中，NOKOV度量动作捕捉系统为研究提供了实时位姿采集与定位追踪等数据。

▍研究成果一：为被动轮式TABV 设计统一规划和控制框架 动作捕捉助力实现精准轨迹追踪

性，这给轨迹规划和运动控制带来了巨大挑战。由于 TABV 的双模性，很难找到一种合适的公式来保证两种模式的动态可行性，以及模式转换过程中的连续性和平滑性。此外还需要提高规划效率以实现实时性能。

高飞团队针对这一痛点，对被动轮式TABV设计了一套基于模型的统一规划和控制框架方案，这种优化算法既简化了规划问题，又确保了动态可行性。

在实验细节当中，高飞团队使用NOKOV度量动作捕捉系统对陆空双模飞行器进行六自由度（6DoF）实时位姿采集与定位追踪，同时利用Realsense D430深度相机进行数据采集，以此来保证物理可行性和平滑的运动转换。这套规划和控制框架未来将会持续开发，进而应用到崎岖山地与陆地运输当中。

▍研究成果二：机器人集群通过实时动作捕捉 实现随机移动障碍物下 安全平稳的轨迹移动

2022年5月5日以封面文章形式在线发表于《科学·机器人》（Science Robotics）的成果“全自主微型飞行机器人集群（Swarm of Micro Flying Robots in the Wild）”，在仅靠机载摄像头、机载计算芯片资源和传感器的情况下，实现了在野外复杂树林环境下感知周围障碍物、定位自身位置、实时规划飞行路径等系列操作，受到国内外媒体的广泛报道。Science Robotics评价该工作：“作为国际首个可分布式运行于非结构化场景的集群系统，该工作为机器人社区提供了瞩目贡献，迈出了无人机集群走出受限实验室场景的重要一步。”

时隔一年，高飞团队在地面机器人集群控制方面取得新的进展，这次研究主要围绕地面机器人集群在非固定（人为移动）的障碍物下实现安全平稳的轨迹移动。

在实际测试场地当中，高飞团队使用三个地面机器人进行协同控制。测试方式需要让地面机器人从一侧穿梭到另一侧，在穿梭区域设置形状不同的障碍物。为了加大测试难度，在几次穿梭测试之后，高飞团队的研究人员会随机调换障碍物的位置。以达到障碍物完全随机场景。

在障碍物识别与动作捕捉方面，高飞团队的地面机器人配备Nvidia Jetson Nano板载处理器和单线激光雷达。激光雷达有效探测距离为3米，定位由NOKOV度量动作捕捉系统完成，Wi-Fi模块用于广域轨迹定位，机器人不需要提前知晓地图，而地图的绘制、规划与控制均是在机载板卡上完成的。

测试画面显示，三台地面机器人在人为随机移动障碍物的场景下，依然能够多次成功穿越障碍区并未发生碰撞，轻松实现了地面机器人的安全平稳轨迹移动。

在崎岖地形的探索方面，高飞团队使用地形地面映射来描述地形对机器人的影响，提出崎岖地形上的类车机器人轨迹优化框架，该框架解决了评估地形可穿越性，以及如何处理与地形相关的机器人动力学模型这两个问题。

在实施细节方面，高飞团队将其部署在地面机器人上，有由Nvidia Jetson Nano芯片单元提供算力，并通过NOKOV度量动作捕捉系统对地面机器人在崎岖地形中进行定位，此外在地面机器人上还安装了带有位置反馈的MPC控制器用于轨迹跟踪。

在实验过程当中，地面机器人穿越由泡沫塑料制成的地形模型，模型上具有明显的凸起、障碍物与斜坡等复杂地形，实验结果显示，地面机器人在达到目标状态的整个过程当中，保持了较高的速度和较小的跟踪误差，并且没有违反约束条件。

▍研究成果三：以机器人为中心的RC-ESDF方法 通过动作捕捉完成整体碰撞评估 可适用任何形状机器人

为了让移动机器人在复杂环境中灵活穿行，减少机器人在复杂地形中产生碰撞。高飞团队提出了一种以机器人为中心的ESDF（RC-ESDF）方法，该理论模型通过在机器人本体坐标系中预先构建的Robocenter ESDF（RC-ESDF）适配任意形状的移动机器人。

为了验证这套理论的可操作性，高飞团队使用了麦克纳姆轮式机器人进行测试，该机器人采用凸型和非凸型两种版本，计算模块采用英特尔i5-1135G7板载NUC迷你主机。环境信息由预先构建的精确点云图存储，实时定位由NOKOV度量动作捕捉系统提供，用以对机器人位置进行实时监控和评估，并且将安全距离阈值设定为0.1米。

该方法忽略了RC-ESDF以外的障碍物信息，只考虑落在区域内的障碍物点，进而大大减少计算任务。同时基于对机器人本体的位置和旋转优化，为任意形状的地面机器人生成安全轨迹。相比传统的ESDF方法，RC-ESDF可实现快速轨迹优化，尤其是在密集环境状态下拥有更好的躲避障碍物的能力。

结语与未来：高飞领导的浙江大学FAST-Lab FAR团队为机器人集群与机器人自主轨迹规划提供了新的思路，随着算力优化以及动作捕捉性能提升，我们将看到高飞团队更加成熟的规划与控制框架解决方案。未来随着技术成果转化的全面商业落地，我们将会看到基于自主轨迹规划的机器人在消防、探索、科研等领域开辟更大市场。

关于高飞：

高飞：博士，浙江大学控制学院长聘副教授，博士生导师，FAST实验室FAR课题组负责人；浙大湖州研究院-集群机器人自主导航研究中心PI，智能无人系统协同导航控制技术联合实验室主任。承担国家自然科学基金委优秀青年基金（2024-2026）等重要国家级课题；主要研究方向：机器人轨迹规划、自主导航、集群协同、定位感知。近五年以第一作者/通讯作者身份在Science Robotics, IEEE Transactions on Robotics (TRO), ICRA，IROS等知名机器人期刊、会议发表论文60余篇；发表Science Robotics封面论文并被国内外媒体如新华社、光明日报、科技日报、泰晤士报、AAAS等广泛报道；获IEEE TRO 2020年最佳论文荣誉奖等学术荣誉。

NOKOV度量动作捕捉系统为研究提供实时位姿采集与定位追踪数据

特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.