仿蜘蛛機器人結構設計及運動學仿真【含9張cad圖紙+文檔全套資料】

喜歡就充值下載吧。。資源目錄里展示的文件全都有，，請放心下載，，有疑問咨詢QQ:414951605或者1304139763 ======================== 喜歡就充值下載吧。。資源目錄里展示的文件全都有，，請放心下載，，有疑問咨詢QQ:414951605或者1304139763 ======================== 外文翻譯 仿人形機器人：一種新型工具 Bryan Adams，Cynthia Breazeal，Rodney A.Brooks，and Brian Scassellati著 陸靜金 譯 除了傳統(tǒng)的機器人，仿人形機器人可以用來探索人類智慧的理論。作者討論該項目主要是用來開發(fā)具有愛好和交流行為的機器人。 在1923年他發(fā)表的論文R.U.R:Rossum型通用機器人,Karel Capek型沖壓機器人是由Czech型機器人發(fā)展而來。僅因在過于單調(diào)乏味或危險的環(huán)境下工作，現(xiàn)在的機器人用于裝配線上的焊接部分，檢查核電站，探索其它行星。一般來說，機器人之間的靈活性與人類相比還相差甚遠。 仿人形機器人實驗室正在努力開發(fā)機器人。開發(fā)人型機器人是一項艱巨的任務，需要結合工程機械、電氣、軟件工程；計算機體系結構和實時控制。1993年，我們開始了一個項目，旨在構建仿人形機器人用于探索人類智慧的理論。除了相關工程，計算機體系結構、實時控制問題，我們已經(jīng)解決的問題，特別是虛擬集成系統(tǒng)：我們應該用何種類型的傳感器，機器人應如何解釋數(shù)據(jù)？在環(huán)境因素下，機器人是如何實現(xiàn)特定任務？如何適應不斷變化的體制條件并學習新的任務？每個仿人形機器人實驗室必須處理許多相同的馬達控制、感知、機器學習問題。 研究方法的原則 真正的分歧來自截然不同群體的基本假設和研究議程。在麻省理工實驗室，三項基本原則指導我們的研究。 ● 設計仿人形機器人的自動安全動作，沒有人控制或監(jiān)督，在自然工作環(huán)境下能與人互動。我們不為他們解決具體機器人的需求（如在焊接機器人裝配線）。我們的目標是在許多不同的環(huán)境下所構建的機器人的功能基本上一致。 ● 社會機器人必須能夠像人類一樣察覺并理解，每天都能思考，如頭部點頭或眼睛眨眼，使他們可以和任何未經(jīng)專門訓練或指示有所互動。他們還能夠運用這些條件進行交流。這些能力的必要性，影響機器人控制系統(tǒng)設計和物理體現(xiàn)。 ● 機器人提供了一個獨特的測試工具是從認知科學和發(fā)展心理學而來。我們希望不僅能夠創(chuàng)造生物機器人的啟發(fā)能力，而且通過形成和完善，幫助我們了解這些能力。 運用真正的理論系統(tǒng)，我們通過測試假設能更容易判斷他們的內(nèi)容和范圍。 在人類環(huán)境中的自動機器人 不同于工業(yè)機器人，在一個固定的環(huán)境對一個小范圍的操作，我國機器人必須在各種環(huán)境條件、各種不同的任務下靈活操作。因為我們需要的系統(tǒng)不受人類控制，我們必須及時發(fā)現(xiàn)問題，譬如動作的連貫性和命令的執(zhí)行性。這種主動權經(jīng)常表現(xiàn)在一個特殊任務和一個更加寬廣的范圍。但是，我們相信，建立自治系統(tǒng)提供具體任務的強壯和靈活性系統(tǒng)可能從未達到。 要求我們的機器人能夠在一個喧鬧、凌亂的、交通堵塞的工作區(qū)自行操作，并且能夠應付自然環(huán)境的一個復雜系統(tǒng)。雖然這些環(huán)境不會像那些星球探險家面孔那樣敵對，他們也不為專門制作機器人。除了作為人類安全的互動與認識和應對社會環(huán)境，我們的機器人必須能學會從人示范。 這反映出我國實施機器人研究的原則。例如，機器人（見圖1）從上部軀干到一條胳膊和基本視覺系統(tǒng)共有14個自由度。在這一次的更新，我們實行多式聯(lián)運系統(tǒng)，譬如為了接觸一個視覺目標。現(xiàn)在，機器人有六個自由度胳膊，七個自由度頭，三維特色軀干聯(lián)接和更加富有的知覺系統(tǒng)。每只眼睛有一臺照相機以一個狹窄的視野為高分辨率視覺和以一個寬視野為周邊視覺，給機器人一雙眼，可變分辨率鑒于其環(huán)境。一個慣性系統(tǒng)讓機器人能協(xié)調(diào)馬達，反應更加可靠。應變儀在各胳膊聯(lián)接處測量出扭矩值，電位器測量位置，二個話筒提供聽覺輸入，和各種各樣的極限開關、壓力傳感器和熱量傳感器提供其它的輸入。 圖1．我們在上面所講的機器人,有我們具體地設計的22個自由度與人的運動越緊密越好。 機器人的原則，也體現(xiàn)了我們兩個層次的互動安全。首先，我們在胳膊上連接了馬達對聯(lián)接處給以扭轉力。除提供傳動箱保護和消滅高頻率碰撞振動之外、彈簧提供了安全措施，為人與胳膊相處融洽。這樣的控制讓胳膊從某姿勢順利地向擺姿勢以相對緩慢的命令執(zhí)行，和讓他們偏轉在障礙方式外面代替危險地強迫通過他們，允許安全和自然互作用。（在這個問題上，辛西亞和她的同事進行了討論，其它機器人的互作用更好，把社會的限制看成在生命的視覺上）。 人類與社會互動 因為我們的機器人必須在人類環(huán)境中工作，我們的研究在社會中有著很重要的影響。建立社會技能不僅成為我國機器人提供一個自然機會人機互動機制，為引導更復雜的行為。人體模型機器人可以兼任輔導員，幫助輔導機器人行為。我們當前的工作重點是四個社會互動方面：通過社會環(huán)境達到一個有感情的模型、共同找出注意點，通過聲音來獲取信息，通過模仿來獲取知識。 通過社會環(huán)境制造一個有感情的模型。社會智能機器人模型的一個關鍵組成部分是一個感情模型，理解并操縱在某環(huán)境中。機器人學習這種模型需要兩個技能。一是社會的投入學到能力，了解相關線索提供關于可能幫助了解的他們的精神狀態(tài)及指定的相互作用的動態(tài)理解。二是能夠操縱環(huán)境來表達自己的情緒，這樣就會影響社會相互作用的動力學。舉例來說，如果一個機器人觀察一位輔導員展示任務，但是輔導員的迅速走動，隨后機器人可能顯示一個迷茫的表示。輔導員把這一信號放慢并自然地解釋這一顯示。這樣，機器人可以影響語言的速度和質(zhì)量?，F(xiàn)行機械學內(nèi)嵌一個動力模型包含這些交換類型（見圖2）。 圖2．通用控制架構下發(fā)展我們的兩用機器人。每個大系統(tǒng)下，我們列出了組成的名單，我們都已實行或正在發(fā)展。同時，許多技能表現(xiàn)在這些單元間的聯(lián)系，如學習視覺技巧和基于調(diào)空激勵狀態(tài)。在這里我們不列出這些各自的系統(tǒng)單獨學習技術整體部分的機器。 通過觀察確定注意點。一個機器人的其它重要要求依照由注視表達參加社會情況是了解共有的注意基本方向，指向，和其他姿態(tài)。一個困難在使機器學會從輔導員保證機器并且輔導員兩個出席同樣對象了解在哪里新信息應該是應用的。換句話說，學生必須了解這部分零件相關的內(nèi)容。學生利用各種線索從人類社會的教練指導他們注意；語言限定（如這個或那個），姿勢線索(如眼睛或指向方向) 姿勢和線索（如接近度）都可以向特定對象直接關懷和解決這個問題。我們實施可能認可社會暗示的系統(tǒng)那與共有的注意關系并且那可能反應適當?shù)馗鶕?jù)社會環(huán)境。 通過聲音來獲取信息。在許多場合參加聲樂交流互動很重要。其它機器人聽覺識別系統(tǒng)集中在小部分的命令詞匯上。我們的研究重點是了解更基本的聲音樣式。我們正在實施一個聽覺系統(tǒng)，讓我們的機器人肯承認聲樂、禁止和注意標志。這樣，機器人會得到社會反饋，自然有它的動作。韻律演講模式（含瀝青、節(jié)奏、聲音口氣）可能普及；嬰兒認知能力表現(xiàn)稱贊，禁止和注意標志在陌生的語言。 通過模仿來獲取知識。通過仿制人類掌握新技能、新目標。也可以模仿自然機制機器人學習新技能和目標，考慮這個例子： 機器人在觀測一個人打開一個玻璃瓶。一個人靠近機器人，在機器人旁邊有張放有罐子的桌子。人摩擦雙手，然后自己去開罐子上的蓋子。他一手抓住玻璃瓶及一手抓住瓶蓋向逆時針轉動。當他打開罐子時，他停了一下抹了下眉心，然后看機器人在做什么。接著，他恢復了原樣。機器人然后試圖模仿行動。 雖然機器人學習這種情況引起一些問題，但可以根據(jù)這種相互作用，而建立一個系統(tǒng)。這部分是重要的仿效行動（如把蓋子逆時針）和不重要的仿效行動（如你擦眉），一旦行動已經(jīng)完成，如何評價機器人的表演？如何從這個機器人抽象的知識和經(jīng)驗運用到類似的情況？這些問題，不僅需要知識，而且需要社會環(huán)境。 構建和測試人類智力理論 我們的研究，我們汲取靈感不僅來自生物學模型的設計和軟件結構，而且我們也試圖利用這些模型測試來驗證原設想。就像電腦被用來模擬神經(jīng)網(wǎng)模型，從神經(jīng)科學探索到完善，我們可以用仿人機器人來驗證認知科學、行為科學的模式。我們用了四個典型的生物學研究事例。 能夠自學并很好的領悟。嬰兒經(jīng)過一個階段的學習，利用手眼協(xié)調(diào)我們推行了一個視覺系統(tǒng)達到以下目標，這有別于標準模型運動生物操縱技術，無論是利用機器人或環(huán)境，這個系統(tǒng)是完全自我訓練并沒有固定的模式。 用類似的進程觀察嬰兒，我們首先在機器人視覺訓練上安置有趣的物體。機器人移動它的眼睛獲取目標，然后扭轉了它的頭和脖子面對目標。我們當時在達成此訓練目標的機器人之間再插一套姿勢，模仿原脊椎神經(jīng)的反應后辨認老鼠和青蛙，使機器人視覺有效的達到目的。 幾個有趣的動作造成這一結果。從計算機科學的角度看，兩步計算訓練過程簡單。集中學習培訓兩個簡單對象可連鎖在一起產(chǎn)生的預期行為。此外，在無監(jiān)督條件下，機器人學會了兩者之間映射（在眼部位置和原始姿勢之間）。這是可能的，因為映射和眼睛位置定位誤差，提供了可靠的信號（圖3）。從生物學的觀點，這項實施揭露了一個局限的姿勢原始理論。雖然插補模式描述在初期工作姿勢之間，沒有機械來初步推斷其他工作期間的姿態(tài)。 圖3．為了達到視覺效果。機器人觀察它自己的胳膊運動，然后使用同樣的途徑接受簡單指示，而導致了它可能接受到錯誤信號。 音律節(jié)奏。是指脊髓神經(jīng)元模型產(chǎn)生的節(jié)奏性行動。我們運用這個模型引起胳膊反復運動，譬如把曲柄與模擬神經(jīng)的各胳膊聯(lián)合起來，如圖4展示。本身的擺動器采用聯(lián)合輸入，不斷調(diào)節(jié)平衡點，并聯(lián)合虛擬彈簧。擺動器作用在動力學上表現(xiàn)為各胳膊的連接，并在物理動力學上確定為整體胳膊運動。 圖4．神經(jīng)系統(tǒng)的擺動器。擺動器附有各個部位的聯(lián)接，包括一對相互禁止的神經(jīng)元。黑色圓圈代表禁止連接；打開白色圈子使它處于工作狀態(tài)。 這項措施明確了模型在現(xiàn)實的作用，在工程學上也有一定的作用。首先，擺動器不要求胳膊執(zhí)行動態(tài)模型系統(tǒng)。并要求各個胳膊處在的環(huán)境得到驗證。其次，擺動器能夠在廣泛的范圍內(nèi)接受任務，譬如轉動曲柄，鋸木塊和搖擺擺錘。在控制系統(tǒng)的配置下，一切沒有任何改變。第三，該系統(tǒng)是非常防干擾的。我們不僅可以阻止它，并讓它在短時期內(nèi)開始工作（通常不到一個周期）。系統(tǒng)將會迅速彌補變化。最后，投入的擺動器可以來自其他方式，其中一個例子是用聽覺，讓機器人隨著人類鼓手一起打鼓。 視覺搜索和密切觀察。我們采用了杰里米?沃爾夫的人類視覺搜索和觀察模式，結合低層次視覺特征作為探測器，如面孔探測器、外貌突出、深入分割與動做的行為模式（見圖5）。這個注意系統(tǒng)對物體所固有的凸極性環(huán)境下有選擇性地讓機器人直接計算資源和試探性行為。 圖5．注意系統(tǒng)概況。各種視覺特征探測器（彩色、行動、面孔探測器）的習慣相結合產(chǎn)生的功能。 注意過程控制和影響眼睛的機器人的內(nèi)部狀態(tài)和行為動機。我們獲取了一個在這期間關于行為的試驗。 實施這項任務已經(jīng)讓我們知道無論是在由上而下的基礎研究和機會利用低水平特點的研究。例如，如果探索與描寫機器人，增加動力系統(tǒng)的重量面對探測器的特點。這就產(chǎn)生了傾向于面對一個實體。但是，如果出現(xiàn)了一個非常有趣的無實體對象，面向低水平性能足以吸引機器人的注意力。我們將根據(jù)示范凸極性線索的焦點來關注這個模型。我們還可以設計一個簡單的機械將影響到沃爾夫的習慣模式，以此來刺激機器人接收習慣性的注意力。 共用關心并專注于理論。在兒童的發(fā)展階段能夠有信仰、期望和獨立的悟性是一個重要里程碑，另一個人有什么能力可以看到，另一人維護假的信仰，喜歡游戲的和不喜歡這項娛樂的人的不同之處都屬于這個發(fā)展鏈。此外，能夠認識到自己，能夠認知自己的感性經(jīng)驗，而參與技能也可以發(fā)揮創(chuàng)意及想象力，因此在發(fā)育提前。我們正在實施一項示范社會技能發(fā)展在正常發(fā)育與孤獨癥及發(fā)育障礙者之間。我們設計的系統(tǒng)能夠探測臉，眼睛視力并檢測工作環(huán)境和眼睛接觸。 雖然這項工作仍在初級階段，我們相信，在實施一個研究中的機器人模型，將詳細的處理模型，使用人類學科來維持同樣的測試環(huán)境和方法。研究員能非常熟悉模擬系統(tǒng)參數(shù)當他們評價系統(tǒng)模型參數(shù)在不同環(huán)境條件的每一步發(fā)展都有效果。由于機器人模型進入和人一樣主題的環(huán)境，研究者可以用類似的評價標準（無論從主觀觀察或測量反應時間或測量精度等）。同時，研究人員可以通過檢測對機器人受到的潛在危險、高昂代價或不道德的行為傳達給人類。 雖然科學研究通常是因為靈感而受到科幻小說的贊揚，但是因為人工智能和機器人技術的存在，可以使小說中的情景得以實現(xiàn)。但是，在過去10年間，仿人機器人在許多研究團體、會議、專題上成為焦點。雖然超出科幻小說作家的想象可能很難，我們的工作也表明未來的一種可能。仿人形機器人能夠用人類的方式與人溝通，人們會覺得這是正常和自然的。與此同時，通過建立這些系統(tǒng)，我們將繼續(xù)了解更多關于我們?nèi)祟愖陨淼闹橇Α? 鳴謝 這項工作得到了ONR和DARPA的支持，DARPA在MURI N00014-95-1-0600和DABT 63-99-1-0012.下簽定了合同。 參考資料 [1] R.A. Brooks et al., Alternative Essences of Intelligence, Proc. 15th Nat l Conf. Artificial Intelligence (AAAI 98) and 10th Conf. Innovative Applications of Artificial Intelligence (IAAI 98), AAAI Press, Menlo Park, Calif., 1998,pp. 961—968. [2] R.A. Brooks et al., The Cog Project: Building a Humanoid Robot, Computation for Metaphors, Analogy and Agents, C. Nehaniv, ed., Springer Lecture Notes in Artificial Intelligence, Vol. 1562, Springer-Verlag, Berlin, 1998. [3] G.A. Pratt and M.M. Williamson, Series Elastic Actuators, Proc. IEEE/RSJ Int l Conf. Intelligent Robots and Systems (IROS 95), Vol. 1, IEEE Computer Soc. Press, Los Alamitos, Calif., 1995, pp. 399—406. [4] C. Breazeal and B. Scassellati, Challenges in Building Robot s That Imitate People, to be published in Imitation In Animals and Artifacts, K. Dautenhahn and C. Nehaniv, eds., MIT Press, Cambridge, Mass., 2000. [5] A. Diamond, Developmental Time Course in Human Infants and Infant Monkeys, and the Neural Bases of Inhibitory Control in Reaching, The Development and Neural Bases of Higher Cognitive Functions, New York Academy of Sciences, New York, 1990, pp. 637—676. [6] M.J. Marjanovic, B. Scassellati, and M.M. Williamson, Self-Taught Visually Guided Pointing for a Humanoid Robot, From Animals to Animats 4: Proc. Fourth Int l Conf. Simulation of Adaptive Behavior (SAB 96), MIT Press, Cambridge, Mass, 1996, pp. 35—44. [7] S.F. Giszter, F.A. Mussa-Ivaldi, and E. Bizzi, Convergent Force Fields Organized in the Frog s Sp inal Cord, J.Neuroscience, Vol. 13, No. 2, February 1993, pp. 467—491. [8] K. Matsuoka, Sustained Oscillations Generated by Mutually Inhibiting Neurons with Adaption, Biological Cybernetics, Vol. 52, 1985, pp. 367-376. [9] M. Williamson, Robot Arm Control Exploiting Natural Dynamics, doctoral thesis, Massachusetts Institute of Technology, Dept. Electrical Eng. and Computer Science, Cambridge, Mass., 1999. [10] J. Wolfe, Guided Search 2.0: A Revised Model of Visual Search, Psychonomic Bull. and Rev., Vol. 1, No. 2, June 1994, pp. 202—238. [11] C. Breazeal and B. Scassellati, A Context-Dependent Attention System for a Social Robot, Proc. 16th Int l Joint Conf. Artificial Intelligence (IJCAI 99), Morgan Kaufmann, San Francisco, 1999, pp. 1146—1153. 7