双足导航策略

随着类人机器人持续不断的发展和具备新的性能，我们必需拥有高级控制软件和自主运动产生。设计一套导航策略，使机器人能在复杂的类人环境中生存，已经成为一个重要的研究领域。在室内，这个包括处理家具，墙壁，楼梯，门和地板上可能存在的目标物体。而在室外，这个包括在粗糙不平的地面上导航。因为有腿的机器人能够在通道上跨过障碍物，它们独有的特点足以胜任以上这些困难。

我们已经开展了一项计划，让类人机器人利用自身双足的特点，通过困难复杂的环境，而传统的2D算法设计的用轮子行走的机器人是无法在这样的环境下行走的。启发式的设计降低了步态动作的数量和复杂性，它们被设计成价值函数用来研究步态转换图。如果成功了，那么根据价值函数和一套的似合理的步态位置，这个计划将返回最理想的步态位置。

介绍 

我们的目标是提供一整套系统，它能使现有的和未来的有腿机器人实现自治导航。一个完全自治行走和奔跑的机器人是由很多部件组成的，还有很多问题有待解决。这些挑战包括执行器和机械的设计，平衡控制和强劲的抗干扰，外部环境感知，以及决策智能和合适的行为穿越地形的能力。在这个网站上该项工作的焦点是智能决策行为并安全高效地穿越给定的地形。我们建立在现有的平衡控制器上给在复杂环境中的机器人导航。这项工作尝试去解决这类问题，可以从这里观看一些视频的例子。对于在为人们设计的复杂室内环境下，这些包括处理家具，墙壁，楼梯，门和地面上未知的障碍物。对于在室外环境下，这些包括在粗糙不平的地面上导航的能力。因为有腿的机器人能够在通道上跨过障碍物，它们独有的特点足以胜任以上这些困难。然而，现有的导航方法并没有充分考虑到这些额外的性能，因为它们以前是设计用来为靠轮子移动的机器人服务的。

由于多自由度出现在有腿机器人上，我们集中精力寻找一种方法，它能够降低探索空间的维度，并在一个合理的时间段内找到方案，同时它仍然要保留有趣味的特点。通过对机器人足的定位，以及随着在有腿机器人混合动力作用下的离散改变而离散我们的搜寻，我们经过推理并成功地降低了维度。这就提供了一个自然的方法用来打破这些问题，使我们能在外界环境中找到一个安全的足底定位序列。机器人运动控制器能使其通过每一个支撑的台面，带着自己从起始点走向目的地。

运算法则

步态策略起初由外界环境的安全来决定，然后依靠自身性能和控制器来搜索一条路径，这条路径经过哪些安全的立足点，这样机器人就能从出发点顺利的抵达目的地。我们使用离散策略技术，比如一项搜索，在外界环境下快速地评价可能潜在的步骤和路径，并决定最佳路径，与通过预先选择的标准一样。为了展示这项研究，我们需要用一个简洁的陈述，说明基本的机器人和控制器的性能是什么。我们还必须知道它能够处理哪种地形，做哪些动作，怎样才能适应自身所处的外界环境并顺利的移动。这个运动模型提供给我们一种方法，它能充分利用现有的控制器并有效地找到路径，还能使机器人利用其灵活的腿部跨越不同特征的地形，同时还能保证路径的安全性和不超越自身或控制器的能力。

一个简单的运动模型

为了理解这项计划是如何开展工作的，让我们从一个简单的双足机器人运动模型说起。在这个简单模型中，它提供了足底姿态的定位，机器人可以在一个区域中一步一步的走下去，这个区域有一个固定的形状（尽管反映出每一步），我们从这个区域中选择一些固定的候选步作为一套代表性的动作提供给机器人。

在这个简单的运动模型的帮助下，我们可以在外界环境上建立一个搜索树。从机器人的初始状态，我们可以测试试这些动作，并决定哪一些动作是有效的。通过那些有效的动作，我们再应用到我们的运动模型中，产生将来需要的新的定位，随着我们连续的延长这颗树，最终它将到达我们指定的目标位置。回溯这颗树将提供给我们一条确保安全和可执行的（我们已经验证了所有的动作）路径，而且这也在机器人和行走控制器的能力范围之内（运动模型从不产生超出机器人能力的动作）。 

这个简单的运动模型被成功的应用在机器人H7和HRP-2上。 

H7类人机器人 

这项工作的第一次实物机器人试验是用在东京大学的类人机器人H7上。这个机器人用随身携带的立体摄像机推想地形的环境。作为这些早期的试验，我们将数据资料分为属于地板区域和属于障碍区域物两类。设计师们用这些地图和一些固定的可能的动作去设计外界环境下的路径。在此后的试验中，机器人在行走时可以重新的计划，每两步就能产生一个新的路径。

关于该项目更多的介绍请查看：http://planning.cs.cmu.edu/footstep/

以下是该项目中的机器人图片：

    LittleDog

    H7

    ASIMO

    HRP-2

（RobotSky 编辑： Alex）