AICon上海|与字节、阿里、腾讯等企业共同探索Agent 时代的落地应用 了解详情
写点什么

腾讯发布 Max 二代机器人,能在梅花桩上完成跳跃、空翻等高难度动作

  • 2022-08-08
  • 本文字数:1533 字

    阅读完需:约 5 分钟

腾讯发布Max二代机器人,能在梅花桩上完成跳跃、空翻等高难度动作

腾讯正式发布四足机器人 Max 二代版本


8 月 8 日,腾讯正式发布 Max 二代机器人(以下简称 Max)。据介绍,Max 能够在梅花桩上完成旋转踏步、单桩跳跃、双轮站立等高难度动作。同时,过桩速度达到“前辈”Jamoca 的 4 倍。



据了解,Max 是由腾讯 Robotics X 实验室自研的多模态四足机器人,采用原创的腿轮一体的本体设计,实现了“崎岖路面走得稳,平坦路面跑得快”。相比一代,Max 在视觉感知、轨迹规划、运动控制等方面实现技术创新。同时,Max 原创性地融合了机器人腿式与轮式运动模态,从硬件上的机械和电路设计,到软件上的系统框架和控制算法创新,使得 Max 在崎岖路面走得稳,在平坦路面跑得快,更契合人类社会的现实环境。


依托于机器人视觉定位、地形识别、全向六自由度运动规划、高精度模型预测控制等技术,Max 能够对复杂地形进行精确识别,并且根据地形实时想好步子,避免踩歪、打滑、摔倒等风险。通过梅花桩复杂地形场景,以及精确落点跳跃等条件设置,成功验证了 Max 对复杂地形的适应能力。



在腾讯 Robotics X 实验室为 Max 设置的测试场景中,Max 需要快速通过一个阵列全长 10 米,高 0.8 米(约为 Max 身高 2 倍)高低起伏的梅花桩阵列。想要顺利通过这一复杂地形,Max 面对的挑战重重。首先,Max 需要实时地形识别、建图,以应对密集细杆梅花桩这种复杂并带有轻微晃动的地形。看准地形后,Max 需要根据地形规划适合的运动轨迹,自动调整俯仰、侧身与转向,从而适应高低起伏的地形。



从结果来看,Max 在持续高频的冲击条件下,定位精度累计误差小于 1%,地形识别精度小于 2cm。



为更好保障 Max 力控精准度,腾讯 Robotics X 实验室在机器人移动能力和机身本体设计上都做了改良。Max 具备触地检测能力,可准确判断足端触地状态,进行质心轨迹规划与柔顺力控,避免身体的大幅度振荡以及足端触地后的反弹,确保落地平稳与运动流畅。


同时,Max 的机身本体在 2021 年版本基础上,完成了结构和电气系统的大量优化,能够应对跑、跳、翻等高动态动作产生的持续强力冲击,保证了本体的稳定性和可靠性。



除移动表现的进步之外,Max 在运动效率方面也有显著提升。Max 在完成跳跃、空翻等高难度动作时,可规划出最省力的运动轨迹,即如何让所需的驱动力最小化。


具体来讲,Max 可以根据目标跳跃距离、跳跃高度以及关节力矩限制等条件,计算出最优的跳跃轨迹,兼容四脚跳(Pronking)和双脚跳(Bounding)等步态。 


自研模型算法,深度强化学习


据悉,腾讯 Robotics X 实验室于 2018 年成立,目前实验室研究方向包括作为机器人基础技术的感知能力,以及灵敏运动、灵巧操控、智能体三大支柱技术,致力于智能协作机器人。


为更好完成跳跃、空翻等高动态动作所带来的对机器人控制精度的挑战,团队结合离线最优跳跃轨迹规划及实时平衡运动轨迹规划,自研了模型预测控制算法(Chi et al., A Linearization of Centroidal Dynamics for the Model-Predictive Control of Quadruped Robots, ICRA 2022)。


与此同时,腾讯 Robotics X 实验室也利用深度强化学习等 AI 技术,推进机器人智能研究,让机器人在虚拟环境中自主学习,更好地适应复杂环境的变化。


不同于预先设计好规则之后做重复任务的工业机器人,腾讯 RoboticsX 实验室更关注机器人的自主特性研究,目的就是要在有很大不确定性的动态环境里,能够实现机器人的自主判断、自主决策,并自主完成任务。


据实验室研究人员介绍,基于深度强化学习与 sim2real 等技术,Max 用几个小时就能初步学会自然灵动的步态。作为腾讯 Robotics X 实验室自研的多模态四足机器人移动技术平台,Max 的相关新技术与算法同时具备良好的迁移性,为实验室研发其他类型的移动机器人、适配潜在应用场景沉淀技术与经验。


未来,腾讯 Robotics X 实验室还将在机器人行业做全方位、多领域的探索,向人机共存、共创、共赢的未来不断迈进。

2022-08-08 11:243229

评论

发布
暂无评论
发现更多内容

Presto 设计与实现(二):一切从 0 开始?

冰心的小屋

数据湖 presto presto 设计与实现

产品经理:实现一个微信输入框

南城FE

JavaScript 微信 前端 交互 输入框

LeetCode题解:2631. 分组

Lee Chen

JavaScript LeetCode

阿里云故障洞察提效 50%,全栈可观测建设有哪些技术要点?

阿里巴巴云原生

阿里云 云原生 可观测

CommunityOverCode Asia 议程上线|Apache Flink 项目实践

Apache Flink

大数据 flink 实时计算

使用 appuploader 工具流程(Windows 版本) 作者:雪奈椰子

Programming abstractions in C阅读笔记: p114-p117

codists

注册与充值操作手册

zhizhi

AI azure openai AIGC zhizhi

mac端好用的Java开发分析 JProfiler 13 激活中文版附密钥

胖墩儿不胖y

Mac Mac 软件 Java开发分析工具 Java分析

WPS Office AI实战总结,智能化办公时代已来

MavenTalker

Microsoft 365 Copilot WPSAI

2023-08-16:用go语言如何解决进击的骑士算法问题呢?

福大大架构师每日一题

福大大架构师每日一题

来聊聊托管服务提供商(MSP)安全

树上有只程序猿

网络安全 msp

如何快速优化 CnosDB 数据库性能与延迟:使用 Jaeger 分布式追踪系统

CnosDB

时序数据库 开源社区 CnosDB 工程师有话说

leetcode22_Valid_Parentheses_有效的括号

okokabcd

LeetCode

ARTS 打卡第 7 天

自由

ARTS 打卡计划

搜文本搜位置搜图片,1小时玩转Elasticsearch

阿里云大数据AI技术

SQLite数据库实现数据增删改查

芯动大师

推荐系统系列之推荐系统概览(上)

亚马逊云科技 (Amazon Web Services)

Amazon

如何通过观测云的RUM找到前端加载的瓶颈--可观测性入门篇

Yestodorrow

可观测性

ARTS 打卡第 1 周: Jackson如何自定义属性的序列化策略

前行

#Jackson #正则表达式 #IDEA高效使用技巧

数据安全架构总结及案例分享

I

安全架构师 架构设计 数据安全 安全架构

软件测试 | 使用WebScarab观察实时的POST数据

测吧(北京)科技有限公司

测试

摆脱 OpenAI 依赖,8 分钟教你用开源生态构建全栈 AI 应用

Zilliz

Milvus AIGC LLM langchain cvpstack

SpringBoot3集成RocketMq

RocketMQ springboot SpringBoot3

从0开始学Java——抛出和声明异常的代码实现

java易二三

Java 程序员 计算机 科技

腾讯发布Max二代机器人,能在梅花桩上完成跳跃、空翻等高难度动作_AI&大模型_凌敏_InfoQ精选文章