<noscript id="jwsho"><legend id="jwsho"></legend></noscript>
<ins id="jwsho"><video id="jwsho"><var id="jwsho"></var></video></ins><tr id="jwsho"></tr><output id="jwsho"></output>
  • <menuitem id="jwsho"></menuitem>

      <menuitem id="jwsho"></menuitem>

      1. 展會信息港展會大全

        國產具身人形機器人征服復雜場景: 實時感知規劃,動態運動告別“盲走”
        來源:互聯網   發布日期:2023-12-28 19:09:26   瀏覽:8730次  

        導讀:衡宇 發自 凹非寺 量子位 | 公眾號 QbitAI Attention Please!這是一個整裝待發的 國產人形機器人 : 先拿比較基礎的挑戰場景熱熱身。 首先完成的是行走過程中主動調整步態,抬腿從平地邁上臺階: 再加大點場景難度,讓它完成上樓梯任務,還能看到實時感知畫...

        衡宇 發自 凹非寺

        量子位 | 公眾號 QbitAI

        Attention Please!這是一個整裝待發的國產人形機器人

        國產具身人形機器人征服復雜場景: 實時感知規劃,動態運動告別“盲走”

        先拿比較基礎的挑戰場景熱熱身。

        首先完成的是行走過程中主動調整步態,抬腿從平地邁上臺階:

        國產具身人形機器人征服復雜場景: 實時感知規劃,動態運動告別“盲走”

        再加大點場景難度,讓它完成上樓梯任務,還能看到實時感知畫面:

        國產具身人形機器人征服復雜場景: 實時感知規劃,動態運動告別“盲走”

        或者下15度的斜坡,都能一氣呵成:

        這家伙還從室內走到了戶外,從白天走到了傍晚,在不同環境條件下進行測試。

        動態表現怎么說呢,就挺穩定,夸句“出色”并不為過。

        國產具身人形機器人征服復雜場景: 實時感知規劃,動態運動告別“盲走”

        不僅這些任務全部能穩如老狗般解決,更關鍵的是,這家伙完成上述任務,依靠的不是地形建模什么的,而是動態實時感知人形機器人實時感知自個兒面對著什么樣的地形,根據環境信息進行步態規劃,再操控自身動作,最后高動態完成任務。

        量子位了解的情況是,公開展示帶感知動態上樓梯的機器人,此前僅在像波士頓動力的Atlas和Agility Robotics的Digit等這類國外的機器人demo上看到。

        也就是說,這是國產人形機器人首次基于實時地形感知動態上樓梯、下斜坡。

        面對這種“首次”,量子位忍不住打聽了下這位人形機器人出自何門何派,消息很快傳來,這名叫CL-1的人形機器人,背后是一家深圳公司:

        逐際動力LimX Dynamics。

        公司挺年輕,創辦于2022年,但前不久已經官宣了近2億的早期融資,完成資本層面的證明;現在,這家公司放出CL-1的動態測試效果,也就是秀了一波他們向全尺寸人形機器人進化的新進展。

        實時感知,不再“盲走”

        這是逐際動力首次讓自家人形機器人對外亮相。

        一出手,就展現了CL-1高動態完成上樓梯、下斜坡和室內外行走等復雜場景。

        看似人類日常生活中很基礎的行動能力,為什么咱要抓出來強調?(敲黑板)

        不妨來看看目前的行業平均水平

        大部分的人形機器人玩家,基本上都是“盲走”。面對樓梯,就沒轍了。

        更進一步地抽離出具體場景,CL-1能夠完成上述任務,其實展現的是背后團隊從實時地形感知到步態規劃,再到全身控制的全棧閉環能力。

        國產具身人形機器人征服復雜場景: 實時感知規劃,動態運動告別“盲走”

        那么問題來了:行業內普遍無法解決的難題,逐際動力是怎么搞定的?

        為了解答這個問題,量子位在看到動態測試視頻后的第一時間,(在線)沖向逐際動力拽住了他們的人形機器人技術負責人Geil。

        他倒是挺大方地給出了解釋,主要從軟件算法和硬件兩個層面來解決。

        首先來說軟件層面要做到的。

        要完成實時地形感知,不僅需要感知模塊具備感知地形細節能力,還需要它能高效、快速地處理感知信息,然后及時地將地形信息提供給運動控制模塊。

        運動控制模塊接收到信息后,需要根據不斷變化的地形,結合當時機器人的位置、姿態、關節角度等實時規劃合理的落腳點、運動軌跡,乃至和環境的交互力等等。

        一般而言,人形機器人在平地進行步態規劃控制已經有一定的挑戰性;當面對臺階、斜坡這類結構化復雜地形時,難度只會陡然倍增。

        再者就是硬件層面,為了實現高動態運動,逐際動力人形機器人技術團隊做了特異性設計,例如高性能力控關節,輕量化結構,高性能電機驅動等。

        國產具身人形機器人征服復雜場景: 實時感知規劃,動態運動告別“盲走”

        代替人而非代替人使用的工具

        目前的人形機器人產業鏈上下游,各類硬件技術已經相對成熟,但一番追問下我們得到答案,逐際動力團隊選擇的是“硬軟件并重”的路線。

        由于在人形機器人中,軟件和硬件是強耦合的,我們認為二者都至關重要,因此現在處于齊頭并進的狀態。

        據了解,逐際動力團隊中,研發人員占比80%,由軟件和硬件工程師組成。

        硬件決定了機器人功能的上限。

        展開來說,很大程度上,人形機器人的物理能力和執行任務的范圍受到其硬件組件的限制,傳感器、執行器、處理器速度和存儲容量等硬件特性,決定了機器人能夠感知環境、處理信息和執行動作的能力。

        逐際動力的選擇,是核心硬件全自研。

        并且還有些小特色在,為了讓所用硬件最適配算法,團隊從軟件定義硬件所需的參數,設計出來后讓上游生產,然后自行組裝。

        國產具身人形機器人征服復雜場景: 實時感知規劃,動態運動告別“盲走”

        和硬件技術互補,軟件算法是機器人智能行為的基礎,定義了機器人功能的下限,軟件能力越強,當然下限就越高了。

        為自家軟件定制硬件,更能讓算法的優勢發揮到淋漓盡致。

        在CL-1背后的技術團隊看來,基于感知的運動控制算法是非常核心的能力,也是最難的控制問題。

        但天時地利擺在眼前,一方面,大模型涌現的能力為通用機器人與環境的感知、交互決策提供一個更好的解;另一方面,AI的迅猛發展為強化學習在人形機器人硬件上的具體部署提供了強大工具鏈,能夠讓強化學習算法的落地更方便更快捷,時間也大大縮短。

        因此,逐際動力專注于運動控制算法的研發,目標是以通用AI算法來提升人形機器人的泛化能力。這也是逐際動力為什么被行業列為“具身智能”玩家賽道一員的原因。

        國產具身人形機器人征服復雜場景: 實時感知規劃,動態運動告別“盲走”

        這兒不得把逐際動力打造人形機器人的2個重點單拎出來跟大伙兒聊一下,也就是全地形移動能力+通用移動操作能力。

        并且兩種能力圍繞著一個定義:

        以人為中心,去人能去的地方,做人能做的事情。

        換句話說,逐際動力研發人形機器人,要達到的目的不是代替人使用的某種或某幾種工具,而是代替人本身。

        在未來,人類的工具和人形機器人是共存的。

        在通往這個終極目標的過程中,團隊規劃的商業化落地路徑是一步一個腳印來實現的,先是可以實現人類遠程控制的高危場景,然后是一些高端制造業,如汽車裝配場景等,最后是利用其泛化能力進入家庭提供服務。

        團隊目前的任務很明確,對前沿技術進行攻關,不去造無法提供穩定功能的人形機器人產品。

        逐際動力是誰?

        聊了這么多,最后我們來認真介紹一下上得樓梯、下得斜坡的CL-1背后公司。

        逐際動力,2022年在深圳成立,非常年輕,但是已經是具身智能賽道上關注度頗高的選手。

        它的創始人是張巍博士,過去十幾年專心致志只做一件事,搞機器人技術,是學界的頂尖青年學者。

        張巍2019年回國,現擔任南方科技大學長聘教授、深圳鵬城學者特聘教授。

        他本科就讀于中科大自動化系,后在普渡大學取得電氣與計算機工程系博士學位。后來,他又前往加州大學伯克利分校擔任博士后研究員。

        他的研究方向聚焦在控制與優化理論、機器人、機器學習、強化學習以及相關技術在足式機器人的應用。

        在創立逐際動力之前,張巍是美國俄亥俄州立大學長聘教授。

        國產具身人形機器人征服復雜場景: 實時感知規劃,動態運動告別“盲走”

        除了創始人本身,逐際動力的核心團隊也是星光璀璨。

        比如中國第一代自動駕駛商用落地操盤手代表、前文遠知行COO張力,10月剛宣布以聯合創始人、COO的身份,成為逐際動力的一員。

        入職后,張力負責逐際動力海內外業務的戰略規劃、渠道拓展和項目落地、市場營銷與傳播、政府關系等事務。

        和張力一同官宣的另一位重磅成員是香港大學長聘副教授、機器人與人工智能算法行業領軍人物潘佳,他現在擔任逐際動力首席科學家一角。

        這兩位的加盟,是逐際動力在塔尖人才吸引力方面的證明,同時也悄然說明著逐際動力對整個團隊能力的一種查漏補缺

        具身智能雖然是過去一整年的爆火賽道,在全球范圍內都備受關注,但仍然是一個非共識領域,核心團隊的互補能力,打造整體的“多邊形戰士”對爆火賽道上的參賽者來說,非常重要。

        往前看,逐際動力已經在技術層面拿出過證明:

        9月,逐際動力純四輪足設計的機器人發布,不僅效果驚艷,落地領域還是2B,實打實的進場打工人。

        10月,這家公司的點式雙足機器人P1,又在智能機器人與系統頂會IROS首次海外亮相。

        想想看,其實那時候就是逐際動力在對外釋放一直以來在雙足機器人研發方面的能力積累。據介紹,技術團隊2019年時就開始了雙足機器人的研發,P1就是雙足機器人運動控制算法的開發和測試的實踐平臺。

        隨著軟硬件的迭代,才慢慢有了今天看到的全尺寸人形機器人CL-1。

        國產具身人形機器人征服復雜場景: 實時感知規劃,動態運動告別“盲走”

        最后,我們打聽了一波逐際動力的2024年最新版本年度計劃(手動狗頭)。

        2024年,技術團隊重點首先還是奔著通用性目標,繼續攻關人形機器人的技術難題。

        軟件算法方面,主要攻關全身協同運動控制(loco-manipulation)、結合強化學習的運動控制、基于AI的雙臂操作等;

        硬件方面,主攻的則是全自由度人形機器人硬件,特別是高性能執行器開發方面。

        期待一波吧~

        贊助本站

        人工智能實驗室
        AiLab云推薦
        展開

        熱門欄目HotCates

        Copyright © 2010-2024 AiLab Team. 人工智能實驗室 版權所有    關于我們 | 聯系我們 | 廣告服務 | 公司動態 | 免責聲明 | 隱私條款 | 工作機會 | 展會港
        aiai视频,aiai永久网站在线观看,AiGAO视频资源在线
        <noscript id="jwsho"><legend id="jwsho"></legend></noscript>
        <ins id="jwsho"><video id="jwsho"><var id="jwsho"></var></video></ins><tr id="jwsho"></tr><output id="jwsho"></output>
      2. <menuitem id="jwsho"></menuitem>

          <menuitem id="jwsho"></menuitem>