復(fù)雜機器人的運動控制,，一直阻擋機器人產(chǎn)業(yè)發(fā)展的老大難問題，遲遲沒有得到很好的解決,。即便是代表機器人最高水平的波士頓動力,，其機器人離實用也還遠。近兩年發(fā)展迅猛的AI,，儼然如萬金油般,，被用在各種地方,，自然也包括機器人控制領(lǐng)域，而且似乎取得了不錯的效果,。前端時間,，UCberkely的強化學(xué)習(xí)專家Pieter Abbeel創(chuàng)辦了Embodied Intelligence，業(yè)務(wù)更是直接涵蓋了VR,、AI,、機器人三大熱點。

　　為了搞清楚VR,、AI等新技術(shù)如何在機器人控制領(lǐng)域應(yīng)用,，本文根據(jù)一些相關(guān)論文和公開資料，包括Pieter Abbeel的演講,，對VR和AI在機器人控制方面的應(yīng)用進行了簡單梳理,，發(fā)現(xiàn)AI和VR等在機器人控制等方面還是有實在的應(yīng)用，只不過離取得實質(zhì)性突破,，還有相當(dāng)長的距離,。

　　機器人控制的幾種類型

　　很多機器人的研究目標(biāo)很多是模擬人的智能，所以研究人的控制系統(tǒng),，對于機器人有很大的借鑒意義,。人體的神經(jīng)系統(tǒng)由大腦、小腦,、腦干,、脊髓、神經(jīng)元等共同構(gòu)成,，復(fù)雜而又完善,。人體神經(jīng)系統(tǒng)包括中樞神經(jīng)系統(tǒng)和周圍神經(jīng)系統(tǒng)。中樞神經(jīng)系統(tǒng)由腦和脊髓組成,，是人體神經(jīng)系統(tǒng)的最主體部分,。周圍神經(jīng)系統(tǒng)是從腦和脊髓發(fā)出的分布到全身各處的神經(jīng)。無數(shù)的神經(jīng)元存在于神經(jīng)系統(tǒng)各處,，構(gòu)成神經(jīng)網(wǎng)絡(luò),。

　　AI在機器人運動控制領(lǐng)域應(yīng)用盤點

　　中樞神經(jīng)網(wǎng)絡(luò)負責(zé)運動控制，主要分成三層：

　　大腦：居于最高層,，負責(zé)運動的總體策劃,，各種任務(wù)的下達。

　　小腦：居于中間層,，負責(zé)運動的協(xié)調(diào)組織和實施。人體平衡由小腦控制,。

　　腦干和脊髓：屬于最低層,，負責(zé)運動的執(zhí)行，具體控制肌肉的骨骼的運動，由腦干和脊髓完成,。

　　三層對運動的調(diào)控作用不同,，由高到低，低層接收高層的下行控制指令并具體實現(xiàn),。大腦可直接也可間接的通過腦干控制脊髓運動神經(jīng),。

　　如果把機器人與人進行類比，機械臂控制器就類似于人的脊髓,，負責(zé)控制電機(肌肉)和機械機構(gòu)(骨骼)的具體運動,，多足機器人的運動控制器，就類似于人的小腦,，負責(zé)控制平衡和協(xié)調(diào),。而機器人的操作系統(tǒng)層，則類似于人的大腦,，感知和認知世界,，并下達各種復(fù)雜的運動目標(biāo)。

　　基于以上類比,，參照目前的各類機器人的情況,，機器人的運動控制大概可以分成4種任務(wù)：

　　脊髓控制——機械臂運動的基礎(chǔ)控制。工業(yè)機器人,，各類機械臂,，無人機的底層運動控制等面臨的主要是這類問題。

　　小腦控制——多足機器人的平衡和運動協(xié)調(diào)控制,。這塊目前是機器人控制仍未突破的難點,，目前做的最好的顯然是波士頓動力。

　　大腦控制——環(huán)境的感知,。主要是掃地機器人,、無人機等底層運動控制已經(jīng)封裝好的機器人的導(dǎo)航和路徑規(guī)劃。需要通過環(huán)境感知,，對自身和目標(biāo)進行定位,、導(dǎo)航和運動規(guī)劃。

　　大腦控制——環(huán)境的認知和交互,，也就是機器人具體執(zhí)行交互任務(wù),，如控制機械臂抓取物體，執(zhí)行操作等,。這是服務(wù)機器人需要突破的重要問題,。

　　幾種具體控制的AI應(yīng)用情況

　　1.脊髓控制類

　　脊髓控制的兩種典型的應(yīng)用是機械臂路徑規(guī)劃和無人機的飛行控制。這類問題屬于傳統(tǒng)自動控制理論,，以數(shù)學(xué)和動力學(xué)建模為基礎(chǔ),，發(fā)展了很多年,，已經(jīng)有了非常完備的理論和實踐基礎(chǔ)，也取得了很好的效果,。雖然深度學(xué)習(xí)在最近很熱,，理論上也可以用于這類控制。但目前在這類基礎(chǔ)控制領(lǐng)域,，并沒有應(yīng)用,。主要原因可能有：

　　1)工業(yè)機器人高精度重復(fù)特定動作等，基于自動控制理論已經(jīng)能從數(shù)學(xué)上很好的解決,，且由于了解原理,，屬于白盒系統(tǒng)。既然有可靠的白盒方案,，沒必要換成黑盒的神經(jīng)網(wǎng)絡(luò)控制系統(tǒng),。

　　2)工業(yè)機器人等應(yīng)用領(lǐng)域，對控制算法穩(wěn)定性要求很高,。而作為黑盒方案的神經(jīng)網(wǎng)絡(luò)控制系統(tǒng),，數(shù)據(jù)上還無法證明其穩(wěn)定性。神經(jīng)網(wǎng)絡(luò)控制器一旦發(fā)生問題,，難以進行解釋和改進,。

　　3)神經(jīng)網(wǎng)絡(luò)算法基于大量數(shù)據(jù)訓(xùn)練，而現(xiàn)有的運動控制中,，比如飛控,，拿到實際實驗數(shù)據(jù)的成本高，大量數(shù)據(jù)的獲取非常困難,。

　　2.小腦控制類

　　小腦控制典型問題是類人型雙足和多足機器人的平衡和運動協(xié)調(diào)控制問題,。這方面一直是基于傳統(tǒng)控制理論在進行研究，不過由于相比于機械臂或無人機,，其運動的自由度高很多,，難度很大。雙足類人機器人給人大多數(shù)的印象還是運動遲緩,、僵硬,、站不穩(wěn)。波士頓動力的Altas,、大狗等已經(jīng)是在這方面最先進的,，波士頓動力學(xué)公司并未公布他們使用的技術(shù)，但谷歌工程師Eric Jang表示,，根據(jù)從演講得來的信息,，BD的機器人控制策略使用基于模型的控制器，并不涉及神經(jīng)網(wǎng)絡(luò)相關(guān)算法,。

　　3.環(huán)境感知類

　　主要的場景是服務(wù)機器人的路徑規(guī)劃,、無人機目標(biāo)追蹤,、工業(yè)機器人的視覺定位等，通過感知環(huán)境,，給封裝好的運動控制系統(tǒng)下達目標(biāo)運動指令。

　　目標(biāo)識別

　　環(huán)境感知過程中的目標(biāo)識別,，如無人機目標(biāo)的識別和追蹤等,，有神經(jīng)網(wǎng)絡(luò)的幫助，可以識別的更準(zhǔn)確,，已經(jīng)在大疆等無人機上應(yīng)用,。

　　定位導(dǎo)航和路徑規(guī)劃

　　目前機器人的定位導(dǎo)航，主要基于流行的vSLAM或激光雷達SLAM技術(shù),。主流的激光雷達方案大概可以分三步,，中間部分環(huán)節(jié)可能涉及到一些深度學(xué)習(xí)，大部分內(nèi)容并不涉及深度學(xué)習(xí)相關(guān),。

　　第一步：SLAM,，構(gòu)建場景地圖，用激光雷達構(gòu)建場景的2D或3D點云,，或者重建出3D場景。

　　AI在機器人運動控制領(lǐng)域應(yīng)用盤點

　　第二步：構(gòu)建語義地圖,，可能會對物體進行識別和分割,，對場景中的物體進行標(biāo)記,。(有的可能略過這一步)

　　第三部：基于算法進行路徑規(guī)劃,，并驅(qū)動機器人的運動。

　　AI在機器人運動控制領(lǐng)域應(yīng)用盤點

　　4.環(huán)境交互

　　典型應(yīng)用場景：機械臂抓取目標(biāo)物體等,。與環(huán)境的交互,，一直是傳統(tǒng)自動控制難以解決的問題。近年來,，以強化學(xué)習(xí)為基礎(chǔ)，AI相關(guān)技術(shù)用在了這類問題上,，取得了一定的研究進展，但是否是未來的主流方向,，仍存在很大爭議,。

　　1)強化學(xué)習(xí)

　　強化學(xué)習(xí)框架中，有一個包含神經(jīng)網(wǎng)絡(luò)的Agent負責(zé)決策,。Agent以當(dāng)前機器人傳感器所采集到的環(huán)境為輸入,，輸出控制機器人的行動命令action，機器人行動后,，再觀察新的環(huán)境狀態(tài)和行動帶來的結(jié)果Reward,，決定下一步新的行動action,。Reward根據(jù)控制目標(biāo)進行設(shè)置，并有正反向之分,。例如,，如果以自動駕駛為目標(biāo)，正向的Reward的就是到達目的地,，反向就是不能達到目的地，更不好的Reward就是出車禍,。然后重復(fù)這個過程,，目標(biāo)是最大化Reward。

　　AI在機器人運動控制領(lǐng)域應(yīng)用盤點

　　強化學(xué)習(xí)的控制過程，本來就是個正向反饋的控制過程,，是AI用于機器人控制的基礎(chǔ)。以此為基礎(chǔ),，強化學(xué)習(xí)在機器人控制方面出現(xiàn)了一些研究成果,。

　　2)環(huán)境中尋找目標(biāo)

　　16年，李飛飛組放出了一篇論文，基于深度強化學(xué)習(xí),，在以目標(biāo)圖像為輸入的情況下,，不建圖去找東西。大致思路是：根據(jù)機器看到的圖,，決定怎么走，然后再看圖,，再決定新走的一步，直到找到東西,。論文將目標(biāo)圖像作為輸入,，訓(xùn)練出來的神經(jīng)網(wǎng)絡(luò)具有通用性,。

　　AI在機器人運動控制領(lǐng)域應(yīng)用盤點

　　這種方式找東西更接近人的思維,。訓(xùn)練出的控制器并沒有記住物體的位置,，更不知道房屋的結(jié)構(gòu),。但它記住了在每一個位置，通向各個物體應(yīng)該怎么走,。

　　3)機器人抓取

　　傳統(tǒng)的機器人學(xué)研究認為，需要非常清楚要抓取的物體的三維幾何形狀,，分析受力位置和力的大小,，再反向計算機器手如何一步步移動到這些位置,。但這種方式抓取不規(guī)則形狀和柔性物體會很困難,。例如毛巾,，可能需要看成一系列剛體的鏈接,，再進行動力學(xué)建模分析,，但是計算量比較大,。而小黃鴨那樣的橡膠，外部并不能看出彈性程度,，難以計算出需要施加的正確的力。

　　Pieter Abbeel,、DeepMind和OpenAI關(guān)于機器人控制的研究,，都以此深度強化學(xué)習(xí)為基礎(chǔ),?；趶娀瘜W(xué)習(xí)進行機器人抓取，以機器視角看到的圖像為輸入,，以機器最終抓到物體為目標(biāo),，不斷對機器進行訓(xùn)練,，從而在不建模和不做受力分析的情況下,，實現(xiàn)對物體的抓取。Pieter Abbeel已經(jīng)展示過機器人疊毛巾,，開瓶蓋，裝玩具等復(fù)雜的動作,。

　　不過基于強化學(xué)習(xí)也仍有很多問題，如效率低,、推理過程長、任務(wù)難以描述,、不能終身學(xué)習(xí)、不能最大限度從真實世界獲取信息等,。其中一些通過meta學(xué)習(xí),，one-shot學(xué)習(xí),，遷移學(xué)習(xí),，VR示教等方法的引入得到了改善,，有些則還暫時難以解決。

　　5.Dexterity Network

　　鑒于深度強化學(xué)習(xí)的各種問題,，Pieter Abbeel在UCBerkeley的同事Ken Goldberg，則采用了叫做Dexterity Network(Dex-Net)的研究思路,。首先通過傳統(tǒng)機器人學(xué)中分析受力和建模的思路，建立一個包含大量數(shù)據(jù)的數(shù)據(jù)集,，這個數(shù)據(jù)集里的每一項數(shù)據(jù)包含一個物體的模型和這個物體在不同姿態(tài)下可以被穩(wěn)定抓起來的施力方式,，這些施力方式是通過物體模型計算出來的。有了數(shù)據(jù)之后,，用這些數(shù)據(jù)訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)。然后給出一個新物體,，通過神經(jīng)網(wǎng)絡(luò)判斷這個物體和數(shù)據(jù)集里哪個物體最相似，然后根據(jù)最相似的物體的數(shù)據(jù)集里包含的施力方式計算出這個新物體的最穩(wěn)定施力方式,。

　　Ken Goldberg的方案的一個重要弊端,，是計算量過于龐大,。整個算法占用了Google云服務(wù)器上的1500臺虛擬機的計算量。此方法也讓“云機器人”這個概念受到了關(guān)注,。

　　目前Pieter Abbeel和Ken Goldberg的兩種方法還處于學(xué)術(shù)爭議階段,，新的研究成果還在不斷出現(xiàn),，也還有很多問題沒有解決,，尤其是穩(wěn)定性和魯棒性是各方爭議的焦點,。不同于語音識別音箱出了錯，無非是鬧個笑話,，機器人系統(tǒng)對穩(wěn)定性和可靠性的要求非常高,，系統(tǒng)一旦出錯，輕則毀物,，重則造成人類的生命危險,。Pieter Abbeel也承認目前還沒考慮魯棒性和穩(wěn)定性問題，似乎整體還沒達到商用產(chǎn)品級,。

　　總結(jié)

　　總體而言，以強化學(xué)習(xí)為代表,，AI在機器人控制領(lǐng)域近兩年取得了一些進展,，尤其是在過去研究方法難以突破的環(huán)境交互問題方面取得了進展,。但基于神經(jīng)網(wǎng)絡(luò)的控制系統(tǒng),，在魯棒性等方面短期似乎難以得到解決，因此離實際應(yīng)用還有很遠的距離,。在多種研究方法的共同努力下，我們也期待機器人控制問題能夠早日有所突破,。