Locomotion

又稱: robot locomotion, legged locomotion, robot mobility
類別: Control › Locomotion control
標籤: locomotion, legged-robot, mobile-robot

讓機器人能在環境中移動的基本能力，涵蓋步行、滾動、飛行與游動。

定義

行走運動是讓機器人能在環境中移動自身機體的基本能力。它涵蓋所有移動策略，包括足式步行、輪式行駛、履帶爬行、空中飛行、水中游動與混合方式，以及讓機器人能在各種地形上可靠移動的感測、規劃與控制系統。

足式行走運動是研究最多也最具挑戰性的形式。雙足（兩條腿）行走運動需要動態平衡，機器人不斷向前倒下又接住自己，這是一個本質上不穩定、需要快速回饋控制的過程。四足（四條腿）行走運動提供更高的穩定性，並透過強化學習取得了大幅進展，Unitree Go2 與 Boston Dynamics Spot 等現代四足機器人能穿越樓梯、瓦礫與不平的戶外地形。六足機器人（六條腿）能達到靜態穩定，也就是可以在跨步途中停住而不跌倒，因此適合在極端地形上緩慢而精確地移動。

輪式行走運動從控制的角度來看比較簡單，但受限於地形的可通過性。差速驅動、Ackermann 轉向、全向移動（麥克納姆輪／全向輪）與滑移轉向是常見的配置。履帶式行走運動在車輪會陷下去的鬆軟地形上表現出色。

空中的移動方式包括多旋翼無人機（機動性高、續航有限）、定翼機（航程長、懸停能力有限）與複合式 VTOL 設計。水中的移動方式則涵蓋水面載具、水下 ROV 以及仿生游泳機器人。

現代的行走運動研究越來越常使用在物理模擬中訓練、再遷移到真實硬體上的強化學習。這些學習而來的行走運動策略能適應地形變化、從干擾中恢復，並跨越會讓手動調整的控制器失敗的障礙。模擬到現實（Sim2Real）學習與本體感知（關節位置、IMU 資料）的結合，讓相對低成本的平台也能實現強健的足式行走運動。

為何重要

行走運動是機器人在固定工作站之外發揮作用的最基本前提。無法在環境中移動的機器人，只能做手臂可及範圍內的工作。能在住家、倉庫、災區、森林、海洋等各種環境中步行、滾動、飛行或游動，正是把固定式機器手臂轉變為能在真實世界中運作之移動代理的關鍵。近來學習式行走運動的突破，首次讓足式機器人變得實用，開啟了從最後一哩配送到地下礦坑巡檢等過去自主機器無法實現的應用。

主要應用

足式機器人導航：四足機器人與雙足機器人穿越樓梯、瓦礫、斜坡與不平的戶外地形，進行巡檢與探索
倉儲物流：自主移動機器人（AMR）在結構化環境中導航，在站點之間運送貨物
最後一哩配送：輪式或足式機器人在城市與郊區環境中遞送包裹
搜救：機器人穿越倒塌建築與災區，那些地方輪式載具無法運作
行星探索：探測車以自主路徑規劃在火星或月球地形上導航
農業監測：地面機器人與無人機涵蓋大面積農田，檢查作物健康狀況

實際應用

ETH Zurich 的 ANYmal 四足機器人展示了學習式行走運動的最新水準。ANYmal 的行走運動策略完全在 NVIDIA Isaac Gym 模擬中以強化學習訓練，只處理本體感知資料，也就是關節位置、關節速度與 IMU 讀數，並以 50 Hz 輸出關節扭矩指令。這個策略不需任何明確的步態程式，就學會步行、小跑與攀爬；穩定的步態從獎勵函數中自然浮現，該函數鼓勵向前推進，同時懲罰能源消耗與觸及關節極限。部署到真實機器人上時，ANYmal 能走過登山步道、攀爬工業樓梯，並在被推擠與打滑後恢復，這些能力在過去需要以傳統控制方法手動調整多年才能達成。

常見誤解

足式機器人本質上比輪式機器人效率低：在平地上確實如此，但在崎嶇地形上，腳可以跨過障礙物，而車輪必須繞過去，因此在複雜地形上腳反而更節能
雙足步行需要精確的動力學模型：以強化學習訓練的現代學習式行走運動策略，往往勝過以模型為基礎的控制器，不需明確的動力學方程式就能發現步行策略
腳越多就一定越穩定：穩定性取決於步態設計與控制，而不只是腳的數量；控制良好的雙足機器人，在實際上可能比控制不佳的六足機器人更穩定
對輪式機器人來說，行走運動是已解決的問題：雖然基本的行駛很簡單，但在有人在場的動態、非結構化環境中自主導航，即使對輪式平台仍然具有挑戰性

誰需要了解

設計移動機器人平台的機器人工程師
研究平衡與步態演算法的控制工程師
把強化學習應用到實體運動上的 AI 研究人員
在戶外或非結構化環境中部署機器人的野外機器人工程師
挑選傳動系統與移動配置的機械工程師

影片

Learning Quadrupedal Locomotion over Challenging Terrain: Robotic Systems Lab: Legged Robotics at ETH Zurich
Humanoid Walking Mechanism: Mohamed Sami

Open Source Robotics