2018 全球人工智能与机器人峰会（CCF-GAIR）在深圳召开，峰会由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）承办，得到了宝安区政府的大力指导，是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流盛会，旨在打造国内人工智能领域最具实力的跨界交流合作平台。 CCF-GAIR 2018 延续前两届的“顶尖”阵容，提供1个主会场和11个专场（仿生机器人，机器人行业应用，计算机视觉，智能安全，金融科技，智能驾驶，NLP，AI+，AI芯片，IoT，投资人）的丰富平台，意欲给三界参会者从产学研多个维度，呈现出更富前瞻性与落地性相结合的会议内容与现场体验。 在大会次日的仿生机器人专场论坛上，浙江大学智能系统与控制研究所机器人实验室主任熊蓉教授带来了题为《仿人机器人关键技术研究》的主题演讲。 她谈到仿人机器人的三种优势： 更容易在人机交互中被接受 更适合于人类生活环境 更适应于使用人类工具 仿人机器人的研究最早可以追溯到上世纪中期，先是模拟人的手臂功能，到后来才开始对双足机器人的研究。浙江大学于 2006 年开始仿人机器人研究，2011 年 10 月，他们对外发布一个能打乒乓球的仿人机器人，这个机器人通过外部视觉对球进行识别和定位，进行精确的轨迹跟踪。今年年初，他们团队发布四足仿生机器人「绝影」，也引发极大关注。 目前，他们围绕机器人的高精度控制做了一系列工作，如创新性的弹性仿生机构、拟人运动规划、动态平衡控制，下一步，他们考虑将在轮式移动机器人上做的一系列研究与脚足式机器人相结合，实现智能移动。 以下为熊蓉教授的演讲原文，雷锋网做了不改变原意的编辑整理。 非常高兴有这样一个机会来介绍我们近期在仿人机器人方面做的工作和取得的进展。仿人机器人是对人类的形态和功能进行模拟的机器，可能是各种机器人中最符合大众想象的一种。 这种机器人的类人外型和功能具有多方面优势：一是在人机交互中，它们的外型使得人类更加愿意接受，更愿意与其进行对话交流；第二是模拟人的双足行走能力，我们知道人的双足可以非常灵活地适应各种不同的地形，包括室内的台阶和室外不平整的环境；第三是对人的手臂和手的模仿，通过类人的手臂和手，可以让机器人更容易适应人类为自己设计的工具。 日本福岛核电站事件的时候，日本、美国、德国都曾派机器人过去，希望能关闭阀门，探测里面的情况。非常遗憾，当时派进去的都是履带式机器人，虽然有一定的爬坡能力和不平整地面适应能力，但是在任务执行过程中还是失败了。 所以，2012 年美国 DAPRA 启动了 Robotics Challenge 比赛，要求机器人开着车到事故地点，下车找到阀门进行关闭。机器人需要能够找到破障工具破墙，能够越过废墟地带，并且可以上楼梯。要完成这样一系列任务，仿人外型是最能够符合的，所以基本上所有参赛队伍都采用了仿人型的机器人。成绩最好的几支队伍还结合了混合式的运动模式，提高在平整地面上的运行效率和作业时的稳定性。因为仿人机器人本质上是不稳定性系统，容易摔倒，有很大的挑战性。 机器人早期研究中，仿人的研究是分离的。最早是模拟人的手臂功能，形成了工业机器人这样一系列的应用系统。对人双足进行模拟的第一台机器人于 1969 年问世，由日本早稻田大学的加藤一郎研究，用液压驱动，控制、供电都在体外，行走缓慢。 上世纪 90 年代，日本本田研发出阿西莫机器人，于 2000 年实现了 3 公里/时的行走速度。除了日本以外，德国、韩国、中国、美国都开展了仿人机器人研究，其中最著名的是阿西莫机器人，最快可以实现 9 公里/时的仿人行走。另外是阿特拉斯，能够适应室外不平整地面，而且可以做后空翻的拟人运动。 对仿人机器人的要求有灵活、快速、稳定、高能效（即低能耗），并且逐步结合智能作业。围绕着这些研究目标，相关的研究内容包括仿生机构设计、关节驱动设计、身体关节的协调运动规划、对不平整地面外力扰动下的控制，智能作业、智能移动等。 浙江大学于 2006 年开始仿人机器人研究，2008 - 2011 年有幸承担国家 863 重点课题。我们面向这样一个本质不稳定系统，需要能在线、快速、连续地跟动态运动的乒乓球实现交互。在这一作业里面，主要需要解决的是仿人机器人快速灵活的运动，全身的协调运动规划，以及在手臂加速度很大，对身体有很大的反作用力，双足的支撑力很小的情况下，实现平衡控制。 2011 年 10 月，我们对外发布了一个仿人机器人，这个机器人身高 1.65 米，重 56 公斤，共有 30 个自由度，通过外部视觉对球进行识别和定位，进行精确的轨迹跟踪。视觉识别预测时间误差在 4 毫秒内，距离误差在 1 厘米内。他的手臂速度比较快，可以正反拍交替，也能适应不同的球速（从 3 米/秒到 12 米/秒）。 我们发布以后得到广泛关注，第一位来我们实验室跟它对打的老先生来自山东威海，他一开始不是很相信，跟这个机器人对打了一个多小时。 我们也做了双机器人的对打，比起与人对打，双机器人对打比较简单，人可能会忽前忽后、忽快忽慢，机器人打球的时候是无法移动的。 我们也参加了一些国家的展会，美联社、路透社、美国地理频道等都为我们做过专题报道。我们当时完成的技术，包括对运动目标的识别、预测，以及机器人在运动过程中如何确定跟球、桌之间的关系，实时自定位。还有如何做到质量轻、刚性强、速度快，如何提高机器人的控制响应能力，多关节的运动规划能力和稳定平衡控制。 仿人机器人是很好的技术平台，里面的视觉识别、手臂规划和自平衡技术都可以推广到不同的系统里。 当然，这里还存在很多问题和遗憾。第一，腿足运动方面，我们的速度还是比较低，跟国际顶尖水平相比有较大差距；稳定性和适应性也比较差，如果地面不平整或者行走过程中有人推一下，机器人会很容易摔倒。第二，有很多人问我们机器人能不能打旋转乒乓球，目前可以做到低速旋转，但如果是高速旋转，预测误差会很大。第三，机器人基本上是在固定球桌的环境里，还没有实现复杂环境的智能移动。2012 年开始，我们主要围绕前面两个问题在进行研究，现在在开展第三方面的工作。 在腿足运动方面，我们主要提升的是对未知地面和外力扰动的自主适应能力，另外希望机器人从行走变成跑跳，提高行走速度。 之前系统适应性差的核心原因在于我们采用了高精度位置控制方法，这要求我们的机械结构必须具有足够的刚性，运动模型要足够精确。这种刚性结构使得地面反作用力直接传到机器人身体上面，从而导致它非常容易不稳定。我们也知道这样一个复杂的系统很难精确的建模。由于对 ZMP 模型的依赖，我们发现它要求支撑域很大，而且它的控制比较难以融合。 我们看一下人是怎么做的。动物运动的基础是由力控制的，人的行走并不是刚性作业，很多柔性的肌腱、韧带、脊椎，都对我们的行走起到非常大的作用。 因此，在这样的分析之下，我们 2012 年开始把高精度位置控制的思想完全摒弃掉，用柔性力矩控制做新一代的仿人机器人，开始弹性仿生机构研究，模拟人的力控运动规划以及运动动态平衡控制，提升稳定性，实现跑跳运动，有效降低能耗。 我们在这里用了 SEA 关节，这是 1991 年由 Pratt 提出的。 我们主要设计了新的平面扭簧，根据关节的弹性需求进行灵活的调整，并可以嵌入到关节中。在关节设计基础上，我们做了力位混合控制，在力矩控制基础上结合神经网络和卡尔曼滤波的方法进行位置和速度控制，特别是提高负载和相位变化自适应。 我们模仿人的腿设计单腿机器人，在小腿和大腿上，除了关节里面有弹性单元，还增加了弹簧，模拟人的肌腱，减少地面的冲击，降低对关节做工的要求。 我们首先实现了单腿的跳跃，这里借鉴了人的运动方式。对于人的运动，我们用运动捕捉仪进行数据获取和分析。我们发现人在运动的时候，各个关节的协调性有一定规律。在跳的时候，落地压缩和落地伸展过程中，膝关节和踝关节的角速度是相反的。我们模拟人的特性，以能量最优做各关节弹性最优的匹配，能够降低能耗。在轨迹规划的时候，我们也兼顾到能耗和姿态平衡。原来的轨迹比较机械，优化之后自然地形成了拟人的收腿动作。 下面是 2014 年实现的单腿跳跃机器人，跳跃高度达 35 厘米，超过了当时做的最好的 ETH，人是 0.2，我们单腿做到 0.29。 在单腿基础上我们研究了双足的运动。我们也是用虚拟模型进行身体躯干的控制，因为人在行走过程中往往是对自己的躯干进行控制，根据躯干的控制来生成腿的运动。这也是国际上常用的一种方法，我们进一步把人的运动特性，速度和步长之间的关系融合进去，从而适应不平整地面和外力扰动。 我们根据力的规则，采用地面冲量模型，通过仿真获得冲量轮廓，再延伸到实物机器人上，用机器人学习的方法来调整冲量轮廓，在运动的时候对冲量轮廓进行跟踪。 在动态平衡控制上，我们一个主要工作是动力学模型参数在线辨识。 因为机器人在运动过程中特性总是在发生改变，这些小的改变可能对控制造成很大影响，作业时也可能产生质量变化。基于此，我们做了动力学模型参数在线辨识，适应质量的变化和外力的扰动。 在多模型融合的柔性平衡控制上，我们采用 CP 点+飞轮模型+虚拟力控制的方法，当存在外力扰动的时候，通过踝关节和身体关节实现平衡，在运动的过程中可以通过跨步策略实现平衡。 最后，在跑跳过程中如何去实现平衡控制，这个方法比较复杂，这里就不展开了。 我们目前实现的双足仿人机器人与前一代相比速度更快，达到 3.6 公里/时，在行走中融合了跑跳的模式，可以实现室内外行走，机器人现在是全盲行走，由于落脚点的调整，方向会走歪，我们有柔性控制的方法，当它走偏了，人拉一拉它，又会走回正道上。 在这个过程中我们也与企业有着合作，研发出四足机器人，并在今年春节之前为庆贺狗年进行了发布。这里有很多基础的方法和原理是类似的，不过在具体的实现设计上不同。这个机器人可以达到 6 公里/小时的行走速度，能够适应不平整的地面以及雪地、冰地。在人揣它的时候，它也不会倒，当然，揣得太大力还是会倒。SpotMini 也有做这方面的研究，从运动的灵活性来讲，SpotMini 做得非常好。 我们在高速旋转乒乓球上做了准确预测和运动决策方面的工作。航空航天的太空垃圾很难捕捉，因为这是翻滚的目标，模型非常复杂，有很多的量我们没有办法预先得到，也很难观测。我们以旋转飞行乒乓球作为类似的对象来开展这方面的研究。我们对球上的自然标记进行识别、定位、跟踪，把数据拟合起来，计算它的旋转方向和旋转速度，在国际上首次实现了对高速旋转乒乓球的准确预测和接打。 在这个基础上，我们进一步研究了不看球上的标记，只是看它的空间飞行位置来预测旋转飞行轨迹。这依赖于我们对飞行模型和碰撞模型的准确建模。我们改变了原来离散的模型，推导得到了连续的模型，再利用机器学习的方法得到模型的系数，对 700 多个球预测的精度（5 厘米内）达到 95.55%。 现在我们基于强化学习进行回球决策。 下一步，除了这些方面的工作，我们也在考虑把原来轮式移动机器人上做的一系列技术（环境感知、大范围环境地图构建、对地图中各种障碍物的识别、机器人导航、定位）跟腿足式机器人结合起来，实现在环境中的智能移动。