Disney Snapbot力学讲解

这篇文章来源于DevicePlus.com英语网站的翻译稿。

Snapbot是迪士尼研发团队发布的最新机器人开发项目。本款机器人带有主体和六条可拆卸支腿,呈蜘蛛外形,采用模块化设计,并且能以多种不同方式重新配置,从而可用于不同的移动模式。

robotics-snapbot

Snapbot在行动

 

 

什么使Snapbot与众不同

Snapbot的研发重点是能够在保证机动性的同时进行重新配置。无论是否只连接了一条腿,或者是否连接了全部六条腿,机器人仍然能够行进。

虽然以前有很多团队都致力于研发有腿机器人(单足机器人、双足机器人、四足机器人、六足机器人等)的可变配置,但这些机器人中的大多数都进行了基于模型的设置。因此,您可以将机器人设置为三条腿,连接三条腿后观察机器人的行为。

借助Snapbot,采用嵌入式算法可“读取”机器人的配置并相应地调整其运动模式。这意味着在“受伤”以后,例如失去一条腿,它可以调整其行为。

robotics-snapbot-multiple-legs

Snapbot的组成部分

Snapbot的硬件包括3D打印机身和六条腿。

主体是机器人的中心枢纽。机器人外形类似于六边形,六条边为六条腿提供接口,底部有六个三角形支腿,可最大限度地减少机器人与地面的摩擦。

这款机器人配备了7.2V锂离子电池,可为机器提供无线电源。还配置了一个OpenCM9.04微控制器,可为机器提供数据处理能力。微控制器通过四颗铆钉连接到机身框架,来自微控制器的数据被输入两个集线器中,然后每个集线器将数据传输到最近的三条腿中。

机身总宽度仅为3英寸,其重量(包括电池和电子设备)约为0.4磅。

每个模块化支腿以径向形式连接到主体,与Anthrobot不同,这款机器人配置了六条腿,在主体两侧各三条腿。

Snapbot最多可以连接六条腿,但设计有三种支腿用于提供三种不同类型的运动。三种腿为:滚动间距型、偏航间距型和滚动偏航间距型。每条腿都采用3D打印方式按单个铰接部件进行打印,不能拆卸,每个部件都配备Dynamixel XL-320位置控制伺服系统。脚底带有橡胶垫,可以缓冲腿部承受运动的压力和冲击。

这种支腿设计的重点是保持零件的轻量化,同时仍保持一定程度的结构完整性。每条腿重0.19至0.026磅,具体取决于腿的类型。

Snapbot的研制受到了哪些启发?

与其他仿生机器人一样,Snapbot也受到了生物的启发,研究人员对此进行了深入研究。他们还特别研究了那些能够根据自身情况改变位形的人。当一个人坐着站起来时,他改变的不仅仅是位置,还有肢体运动,就像海星这样的动物为逃避捕食者能够自愿断肢,然后肢体可以再生。

该研究报告还指出昆虫即使在失去六条腿中的一条或多条腿后仍能行走。研究报告还引用了青蛙经历的变态过程—长出两条腿并失去一条尾巴。

在设计机器人时,研究人员还研究了其他模块化机器人系统,这些系统带有较小的积木式部件和均匀的联轴器。此外,研究人员还研究了如何利用机器学习技术创建能够适应环境而不断变化或改变结构/配置的机器人。

工作原理 – 拼接

机器人身体和腿互相分离和重新连接的机制是通过磁体元件完成的。总共采用了四块磁铁,包括每个机器人支腿的连接,使得支腿容易脱离或重新与躯体结合。磁体还按极性摆放,使四肢按正确方向吸附在正确的部位。

但这些磁性接头并非仅仅是简单的磁体。每个联轴器的中心是一个8针弹簧式连接器。该连接器用来传输电力为腿部供电,并将数据传递给腿部以实现各种腿部动作。

工作原理 – 运动机制

在Snapbot中,运动算法是基于机器人中央主体中的微控制器而设计的。该微控制器可实时工作,以确定机器人的腿部配置;然后根据所连接的腿数确定其运动路径。

根据这种迭代算法,Snapbot的移动仅限于直接前进,但处理器仍然需要计算许多变量。一种类型的支腿将默认14种腿部位形组合,但三种支腿结合起来,将总共有700种可选的腿部配置。

为了评估腿部的当前配置,控制器对每条腿上的伺服器进行操作以确定所连接的支腿类型。通过将伺服电机的数据线连接到控制器的引脚上,从而确定不同类型的支腿位置。每100毫秒完成一次对该配置的扫描。

然后,处理器根据配置情况计算正向运动路线。腿部运动包括三种模式:划船、爬行和行走。只有一条腿时,机器人使用划船动作来拖动身体。在双腿配置的任何可变选项中,机器人通过爬行运动将滚动式关节运动最大化,以使脚与地面之间更好地接触,并拖动身体。在可以行走的腿部组合配置中,Snapbot可以将其身体抬离地面,并通过同步使用对角线双腿向前行走。

Snapbot的未来发展空间

虽然Snapbot展示出了模块化腿部的可变配置模型以及实时机器学习的适应能力,但这款机器人仍然只是该公司研发的过渡产品。

迪士尼研究院表示,这款机器人将“用于进一步研究腿部运动”。该团队正在计划改进算法并增加传感器(如相机),并检测所带来的效果。