四足機器人的應用
隨著社會的進步和科技的發展，機器人的應用領域逐漸擴大，而人們對機器人的功能需求也越來越高。對于機器人來說，可以分為移動機器人和非移動機器人。移動機器人又可以分為輪式機器人、履帶式機器人和足式機器人[1]。以往的研究表明，輪式車輛在相對平坦的地形上行駛時，具有控制簡單、運動平穩快速的特點[2]，但在松軟地面或崎嶇不平的地形上行駛時，車輪的移動效率大大降低甚至無法移動，而足式機器人可以在非結構化和惡劣的環境中工作[3]。一般來說，四足機器人的驅動方式主要分為三類：液壓執行機構、氣動執行機構和電動執行機構[4]。電動執行器控制精度高，但可承擔的負載較小；氣動執行機構由于其非線性特性而難以控制；液壓執行器由于其動力強勁得到了廣泛的應用。由于四足機器人可以適應復雜的環境，因此四足機器人的應用場景廣泛，但目前四足機器人發展還不夠完善，大多數四足機器人還停留在實驗室研究和演示階段，因此四足機器人的應用都是潛在的，本文列出了以下幾種：
第一種為野外環境下的運輸工具。在野外環境下，現有的人造陸地運輸工具都難以應用，大多需要人力和畜力等傳統運輸方式。而四足機器人能夠在復雜的野外環境下靈活運動，并可以承擔大量負載，因此四足機器人可以作為一種潛在的運輸工具幫助人類完成野外的運輸任務。
第二種為危險環境下的偵查工具[5]。在危險的環境中，如地震災區和戰場，存在很多需要探索但人力難以到達的區域。四足動物有著比人類更強大的運動能力，所以四足機器人有著潛在的幫助人類探索復雜危險的未知環境的能力。針對不同的任務機器人可以搭載不同的傳感器，在災區救援中四足機器人可以幫助人類發現幸存人員；在戰場上四足機器人可以幫助士兵完成預探索任務，減少人員傷亡。
第三種為服務型四足機器人。四足機器人可以完成四足動物(如貓、狗等)的行為，如導盲和作為寵物等，卻省去了吃飯睡覺等普通動物必不可少的行為，并且無需長時間的人為訓練。因此四足機器人可以作為潛在的服務型機器人，相比于普通的四足動物有著方便、潔凈等優勢。
四足機器人的發展也伴隨著一些新思路。例如將機器人模塊化使得機器人具有可重構性[6]，可變形態的輪足復合式機器人[7]，將機器人整個身體變形為一個球體實現滾動等[8]。
1、四足機器人發展及研究現狀
自20世紀90年代起，由于電子計算機技術和仿生學技術的飛速發展，四足機器人也進入了高速發展階段[9]。涌現了一批可以通過控制算法實現各種運動步態并能夠完成簡單任務的四足機器人。由Kimura等建造的Tekken IV，使用中央模式發生器(Central Pattern Generator，CPG)來控制腿的運動，并可以用多種步態行走。2007年，尚昆灣大學研制出了AIDIN I四足機器人，能夠爬過斜坡，避免了機器人的翻滾和滑倒。在2013年他們還研制了AIDIN III四足機器人，速度可達0.35m/s，可以用小跑的步態爬上20°的斜坡，且載荷可達3kg。
隨著四足機器人的發展和近年來人工智能的興起，使得機器人擁有自主性和智能性已經成為四足機器人研究的重要組成部分，四足機器人逐漸擁有了感知環境、自主規劃和與環境交互的能力，研究者也更多地著眼于提高機器人的自主適應性和功能性。以波士頓動力公司最具代表性的產品Big Dog為例，Big Dog擁有強大的負載能力，設計初衷是在戰場上幫助士兵運送物資。Big Dog長度約為1.1m，質量為20kg，是世界上第一款真正實現了野外行走的機器人，其強大的環境適應能力使得該機器人可以在山地和雪地自如行走。更為值得一提的是Big Dog的平衡能力，在冰面上受到巨大的側向沖擊時，機器人可以憑借卓越的平衡能力最終實現穩定站立。Big Dog可以以4km/h的速度連續運行10km。
波士頓動力公司又陸續推出了幾代產品，2012年發布的Cheetah獵豹仿生四足機器人是目前室內奔跑速度最快的機器人，在跑步機上可以達到45km/h的速度。2013年推出的WildCat野貓四足仿生機器人可以在各種步態下靈活轉彎，且目前只有波士頓動力公司能夠實現在奔跑步態時的轉彎，是室外奔跑速度最快的四足機器人，同時還具有較高的能量效率。而2016年推出的SpotMini四足仿生機器人體型小巧，質量僅約30kg，在崎嶇的地形下比大型的四足機器人更靈活。
波士頓動力各系列仿生四足機器人如圖1所示。
圖1波士頓動力各系列仿生四足
針對四足機器人的奔跑和跳躍能力，麻省理工學院(Massachusetts Institute of Technology，MIT)研制了三代Cheetah獵豹機器人。第一代獵豹機器人可以實現高速奔跑，通過4個設計原則最小化能量損失，運輸成本為0.51[10]；而第二代獵豹機器人奔跑速度更快并可以在奔跑的同時跨越45cm高度的障礙物；第三代獵豹機器人可以實現不依賴視覺系統，通過觸覺信息敏捷地感覺周圍環境的方式來進行運動，稱之為盲目運動，擁有在快速移動時準確處理障礙物的能力。第三代獵豹機器人還擁有很強的平衡能力，可以在一條腿不動的情況下完成三條腿的前進，并且有著極強的跳躍能力，可以原地跳躍至高度超過自己體長的桌面[11]。近期MIT又推出了最新的迷你獵豹，首次實現了四足機器人的后空翻動作。
MIT各系列仿生四足機器人如圖2所示。
圖2 MIT各系列仿生四足
HyQ是由意大利工業技術研究所(Italian Institute of Technology，IIT)研制的仿生四足移動機器人，不同于Big Dog技術上采取保密措施，HyQ是首個完全公開研究方法和設計資料的通用研究平臺[12]。HyQ長為1.0m、高為0.98m、質量為95kg，速度可達3～4m/s，續航時間不低于8h。2015年該研究所又推出了新一代HyQ2Max機器人[13]。
StarlETH柔性四足機器人是瑞士蘇黎世聯邦理工學院研制的一款高效節能的四足仿生機器人。受到自然界生物系統的啟發，StarlETH能夠通過在關節處的大量柔順機構獲得自然動力，允許臨時能量存儲，提高了機器人的被動適應性[14]，使其具有較高的運動速度和強大的機動能力。基于這種設計，機器人總體功耗很低，具有很高的能量效率。蘇黎世聯邦理工學院隨后又發布了ANYmal四足機器人，該機器人繼承了StarlETH機器人的優點，質量約30kg，全速運行功率低于280W，可以在自主條件下運行2h以上，并具有攀爬陡峭樓梯的能力。ANYmal機器人如圖3所示。
圖3 ANYmal四足機器人
國內的四足機器人研究起步較晚，處于模仿和追趕的階段，但仍然有一些突出的成果。較有代表性的是宇樹科技開發的四足機器人萊卡狗。該機器人質量為22kg，自主研發的電機系統能輸出18kW的瞬時功率，該機器人可在脫離外部供電的情況下運行2～3h，如圖4所示。萊卡狗的性能與波士頓動力公司的SpotMini差距不大，但還不夠成熟，視覺導航及自主性仍有待提高。浙江大學團隊發布的機器人絕影和赤兔是高校領域的代表。赤兔采用電機驅動，奔跑速度可達10km/h。山東大學、北京理工大學和哈爾濱工業大學等高校在四足機器人領域也都取得了較好的成績。國內的四足機器人研發愈來愈熱，但仍與世界先進水平有一定的差距，主要體現在仿生結構、驅動系統的性能指標和自主性不足方面。機器人關節的驅動器在較大程度上依賴于國外，而絕大多數國內研發的四足機器人仍處于實驗室研發階段，達不到波士頓動力公司的系列機器人可以在野外長時間工作的水準，但這些成果仍然大大推動了國內在該領域技術的發展。近年來，國內的電機產業也有了突破性進展，銀弗科技發布的QDD系列電機是其中的代表，該系列電機的運行參數可以與一些世界一流的電機廠商相比，雖然還沒有被大規模使用，但仍然體現出了機器人產業帶動相應產業的高速發展。
圖4宇樹科技發布的萊卡狗機器人
2、四足機器人仿生結構
四足機器人是一種仿生機器人，仿生結構的設計是關鍵。目前對四足動物仿生學研究比較廣泛的是德國牧羊犬，也有基于獵豹的如MIT的獵豹系列仿生機器人，Ishii等還研制了基于小鼠的仿生機器人[15]。在研究時對其骨骼構造進行了分解研究，如圖5所示，可簡單地把腿部分為前后結構。四足生物的腿部一般包括髖、膝和踝3個關節。在行走過程中髖關節實現前后的擺動和側擺調整方向，因此在結構上應該包括2個自由度；膝關節可簡化為1個自由度的前后擺動[16]；踝關節和膝關節一樣為1個自由度的前后擺動，也可以將踝關節視為被動的彈性關節。腿部的這些自由度使得四足動物可以在復雜的環境下靈活運動和高速奔跑。
四足仿生機器人要像真實四足動物一樣行走，首先要確定腿部關節的活動范圍。對此可以參考四足動物的生理結構特征，髖關節的活動范圍可以達到50°～162°，膝關節的活動范圍可以達到41°～162°[17]。德國牧羊犬的腿部關節活動范圍示意圖如圖6所示。
圖6四足動物腿部結構圖
2.1身體支架機構設計
四足機器人身體設計主要是腰部結構的設計，腰部形式可劃分為主動腰部、被動腰部和剛性腰部三種。尾部在機器人運動中也具有重要作用[18-19]，但相關研究較少。
主動腰部：即在四足機器人的腰部安裝驅動器，增加自由度，從而提高四足機器人的靈活性和可控性，但也會大大提高機器人的控制難度，同時也會增加機器人的自身質量。
被動腰部：即在四足機器人的腰部安裝被動彈性元件，從而減小機器人奔跑或跳躍時的振動與沖擊，同時也略微增大了機器人的活動能力[20]。腰部彈性元件的收縮和舒張可以臨時存儲和釋放能量，提升機器人的能量效率，但也會給機器人帶來額外的擾動，增加機器人的控制難度。
剛性腰部：即前后身之間為剛性連接，相較于另外兩種形式，結構簡單，控制難度低，成本低。
2.2仿生四足腿部機構設計
2.2.1腿部關節設計
四足機器人的腿部關節也分為髖關節、膝關節和踝關節。一般來講，每一個自由度對應一個執行器，一般是旋轉關節執行器，Byeonghun等也實現了線性執行器的案例[21]。但對于真實的動物，一個關節可以對應多個自由度，所以應用新型執行機構，尤其是大力矩多自由度的執行器，才能使四足機器人真正地仿生四足動物。
四足動物的髖關節擁有2個自由度，為左右橫跨和前后擺動，左右橫跨的自由度會給機器人帶來額外的擾動，使得機器人更難控制，同時也增加了機器人機械結構設計的難度。所以MIT獵豹機器人系列的第一代和第二代都沒有加入左右橫跨的自由度，目的是讓機器人具有更快的奔跑速度。但若想讓機器人像真正的四足動物那樣靈活運動，髖關節的橫跨自由度是不可或缺的。
膝關節擁有前后擺動的自由度，而膝關節相對于腿部轉動軸較遠，因此膝關節的質量會很大程度上影響整條腿的轉動慣量，若腿部的轉動慣量過大，則不利于腿部的高速運動。針對這個問題，值得一提的是MIT的獵豹系列機器人。獵豹系列機器人采用創新的關節設計[22]，將驅動電機全部設置在髖關節處，采用連桿傳動的方式實現膝關節的運動。這種設計方式有效地減少了機器人腿部的轉動慣量，因此獵豹系列機器人可以高速奔跑，同時這種設計還為機器人的動力學建模及控制算法的設計提供了便利。
踝關節擁有類似于髖關節的2個自由度，但由于踝關節在動物行走時的主要作用是調節足端與地面的接觸，基本不提供動力，因此在設計四足機器人時一般將踝關節設計為被動的彈性關節。
2.2.2四足腿部關節配置形式
四足機器人腿部關節配置形式有四種：全膝式、全肘式、外膝肘式和內膝肘式。這些關節配置形式都能夠成功實現行走，且各有優點。外膝肘式和內膝肘式配置的支撐面比較大，機器人的穩定性比較好；全膝式和全肘式配置由于具有統一的關節形式，控制相對簡單。
四足腿部關節各配置形式如圖7所示。
圖7四足腿部關節配置圖
2.3仿生四足足端設計
四足機器人的足端設計主要有三種形式，即圓柱形足端(含半圓柱形足端)、球形足端(含半球形足端)及仿生足端。圓柱形足端(或半圓柱形)就是四足機器人的足端呈橫向的圓柱或半圓柱形，與地面接觸時是一個矩形平面。圓形足端是目前四足機器人最常見的足端設計，足端呈球形或半球形，這種設計的優點是機器人足端可以和地面從各個方向接觸，具有較強的環境適應性。而真正的四足動物足端是不規則的，有爪子和肉墊等結構，與地面接觸時始終都有很強的抓地力。而目前仿生足端的研究尚不夠充分，真正仿生的足端也并沒有在四足機器人上應用，因此仿生足端的設計是未來四足機器人研究的一個難點。
足端的材料一般選用具有彈性的橡膠和海綿等，但傳統的材料很難同時實現摩擦系數大、減震能力強和柔性強等需求，因此將新材料應用于四足機器人足端的設計會使得機器人擁有更強的環境適應能力。而一些特殊的材料，如仿生壁虎足底材料的應用，還將使得四足機器人能夠在更復雜的環境中運動。
2.4機器人主要驅動硬件結構
機器人的主要驅動硬件結構包括主處理器、電控系統和關節驅動器。
主處理器的作用是完成機器人的步態規劃、環境感知以及定位導航等，是機器人的大腦。主處理器需要讀取機器人搭載的各類傳感器，如視覺傳感器、關節編碼器數據、關節扭矩等信息，融合信息完成機器人的步態規劃和路徑規劃，并將規劃信息發送給機器人的關節驅動器，使得機器人可以穩定地行走并躲避障礙。對于簡單的機器人，可以使用單片機、現場可編程門陣列(Field Programmable Gate Array，FPGA)等小型處理器；而對于大型的復雜的四足機器人，則需要高速的可以搭載操作系統的處理器，例如Intel系列處理器。
電控系統的作用是提供機器人各個部件所需要的能源。合理設計的電控系統可以保證機器人長時間安全運行。
圖8減速箱及執行電機
關節驅動器和執行部件是使機器人得以運動的關鍵部分，是機器人的肌肉。為了使機器人的運動關節輸出足夠的扭矩，在執行器與關節之間要增加減速齒輪箱，將高速低扭矩的執行器(如電機)輸出轉化為低速大扭矩的關節輸出。減速齒輪箱應盡量保證低減速比，以減少能量損耗和輸出精度，執行器和減速箱整體的設計體積應盡量小，例如ANYmal機器人的減速箱和執行電機如圖8所示。當關節驅動器得到主處理器的運動信息，為保證高精度低延遲地驅動執行部件，則執行部件的性能十分重要，而執行部件的設計關鍵是高扭矩密度和高功率密度。例如MIT自主研發的獵豹系列的電機，可以達到33N·m的扭矩而質量僅1kg。而國產的電機仍達不到機器人高速運動所需的性能指標。
四足機器人整體的硬件結構如圖9所示。
圖9硬件結構框圖
3、四足機器人的控制
四足機器人的控制涉及多個層次和方面，自1960年第一個可控制的四足步行機器人誕生以來[23]，許多學者就致力于機器人的運動規劃和控制問題，并取得了長足的進展。但目前針對四足機器人的控制問題依然沒有通用的框架和算法，雖然很多方法都經過實驗驗證，但找到一種高效通用的控制框架和算法依然是四足機器人研究的重難點問題。
3.1四足機器人的運動規劃
四足機器人的運動規劃是指在機器人運動時，選擇合理的地面接觸點和腿部的軌跡規劃，從而防止機器人傾倒，合理的腿部軌跡還可以減少機器人與地面的沖擊。四足機器人的步態有多種，常用的有對角步態、蹦躍步態、疾馳步態等，不同的步態適用于不同的機器人速度[24]。四足機器人的步態也可以簡化成雙足的步態[25]。將四足機器人的一個步態循環視為1個周期，則針對1個步態周期，機器人腿部的步態相位為0～1，步態周期開始時，步態相位為0，結束時步態相位為1。對于不同的步態，機器人的不同腿之間有著不同的相位差，例如最簡單的對角步態，機器人的左前腿和右后腿為相同的步態相位，而右前腿與左后腿為相同的步態相位，兩者的相位差為0.5。通過改變腿部之間的相位差實現不同的機器人步態。
3.1.1基于ZMP的步態規劃
零力矩點(Zero Moment Point，ZMP)，是針對靜態步態穩定足式機器人的通用方法，即在機器人步態規劃時，計算機器人的ZMP(在地面上存在一點P，使得與地面平行軸方向的、由慣性力F=ma與重力G所產生的凈力矩為0的點)。使得ZMP始終位于機器人足端與地面的多個接觸點所圍成的多邊形內[26]，這樣可以保證機器人具有理想的靜平衡狀態。基于ZMP的穩定方法在雙足和四足機器人上均廣泛使用，但ZMP算法的缺點也很明顯，只適用于靜態步態，對于復雜的動態步態，ZMP算法很難應用。
3.1.2基于CPG的步態規劃
CPG通過模擬生物的低端神經元，從而生成機器人的步態規劃。該方法利用數學方法生成振蕩曲線，將其作為腿部關節的位置和速度輸入，具有一定的自穩定能力，通過振蕩曲線還可以方便地調節四足機器人腿與腿之間的相位關系。但該方法仍有很大的局限性，由于依賴已知的振蕩器，盡管該方法具有一定的自穩定能力，但在面對復雜的地形時，環境對機器人的擾動很大，CPG算法將不再適用。而野外的地形往往高度變化較大[27]，針對該問題，Saputra等提出了可變神經元的神經振蕩器，適應性更強[28]。
3.1.3基于SLIP的運動規劃
四足機器人的動態運動規劃是四足機器人運動規劃的核心問題，目前被廣泛應用的動態運動模型是彈簧加載倒立擺理論(Spring Loaded Inverted Pendulum，SLIP)模型。該模型將四足機器人的單條腿簡化為單自由度的具有柔性和阻抗的單桿結構。利用SLIP模型，波士頓動力公司的創始人Raibert于20世紀80年代實現了平衡腿的控制步態，包括單足、雙足和四足。而Raibert提出的“彈跳高度-前進速度-機體位姿”三體解耦控制被認為是工程技術與理論分析的完美結合，近30年來仍然是足式機器人動平衡最有效的手段之一[29]。Piovan等還針對主動的SLIP模型控制進行了研究[30]。針對各種各樣的四足機器人，Sehoon Ha等提出了將機器人參數化并與運動軌跡協同優化的新思路[31]。基于SLIP模型，機器人的步態相位可以分為飛行相和擺動相，并由此可以得到簡化有效的機器人動力學模型，對機器人運動進行有效的規劃。
3.1.4基于貝塞爾曲線的軌跡規劃
MIT獵豹系列機器人的一代和二代采用了基于貝塞爾曲線的腿部軌跡生成方法[32]。利用該方法，MIT獵豹細節機器人可以實現高速運動狀態下的步態切換。對于機器人腳部的軌跡規劃問題的主要目標是：具有足夠的離地間隙，從而保證機器人能跨越適當的障礙，并且要具有理想的擺動腿回縮率(適當的擺動腿回縮率可以提高機器人運動時的穩定性，適當的腿部攻角可以降低沖擊能量損失)，軌跡曲線通過一定數量且滿足機器人運動中速度和加速度要求的關鍵點，從而利用貝塞爾曲線生成腿部運動軌跡。擺動相和支撐相是分開設計的，支撐相的軌跡是正弦曲線，2個軌跡圍繞著單個參考點來設計。這種方法使得MIT獵豹機器人擁有更高效的運動規劃，但面對復雜的地形仍然不是通用方法。
3.2四足機器人的運動控制
動態穩定性是機器人運動的關鍵[33]。四足機器人的運動控制是指在機器人動態運動過程中，利用合理的算法對機器人的位置和關節力矩進行控制，從而實現機器人的動態穩定性和魯棒性[34]，并減少與地面的沖擊。針對復雜環境開發的足式機器人需要能夠保證良好的跟蹤性能和環境適應性的控制器[35]。
3.2.1柔順阻抗控制
柔順性分為主動柔順和被動柔順兩種，機器人憑借柔順機構(如彈簧)，使其在與環境接觸時能夠對外部作用力產生自然順從，稱為被動柔順性[36]；機器人利用力反饋信息采用一定的控制方法去主動控制作用力，稱為主動柔順性[37]。
被動柔順控制的典型應用是串聯彈性驅動器(Series Elastic Actuator，SEA)，通過在傳統的剛性致動器和連桿之間放置被動柔順元件而設計[38]。StarlETH機器人應用SEA[39]，可以精確地控制關節扭矩和存儲大量的能量，彈簧將變速箱與連桿分離，使得機器人與地面接觸時具有魯棒性。這種設計有效地減少了StarlETH的能量損耗，總功率小于230W。
主動阻抗控制的典型應用是HYQ機器人[40]，通過實時改變電機PID控制器的PD參數，相當于實時調整機器人腿部的剛度和阻尼，將電機模擬成被動柔順元件。控制回路分為內環和外環，外環利用關節角位置作為反饋，輸出扭矩信號。該扭矩信號作為內環扭矩控制回路的參考，基于低階模型設計了高性能轉矩控制器，在不需要實際彈簧的情況下成功實現可調阻抗。
3.2.2前饋控制
機器人的力矩控制是動態響應最快的方法，針對四足機器人的力矩控制，最常見的方法是前饋力矩控制。MIT二代獵豹機器人針對跳躍運動，以實現接觸界面的前饋力為基礎，實現對機器人的力矩控制[41]。通過檢測驅動電機的輸出電流完成關節力矩的檢測，實現了對地面反作用力的高保真控制。HYQ機器人將扭矩信號作為前饋參考，并基于低階模型設計了高性能轉矩控制器[42]。
前饋力矩控制和柔順控制可以同時應用于四足機器人控制，使得四足機器人同時具有柔順阻抗特性和快速的動態響應，控制框圖如圖10所示。
圖10前饋力矩+柔順控制框圖
3.2.3分層操作空間控制
StarlETH機器人應用了基于分層任務優化的四足運動操作空間控制(Object-based Storage Controller，OSC)[43]。將復雜的機器人行為通過一組簡單的最小二乘問題來描述，將運動任務、扭矩任務和接觸力優化任務分為不同的優先級，使用了多個接觸點的浮動基礎系統的投影動力學。首先對系統進行動力學建模，建立了3個優化變量，分別是期望的運動、期望的關節扭矩和期望的地面接觸力。期望的運動為最高優先級。采用分割優化的方法，利用線性算子將模型降階，分別忽略關節扭矩和地面接觸力，并利用QP求解器進行求解。最后使用最小二乘法分別對三種任務進行優化。OSC控制框圖如圖11所示。
圖11 OSC控制框圖
3.2.4模型預測控制
模型預測控制(Model Predictive Control，MPC)是一類特殊的控制。它的當前控制動作是在每一個采樣瞬間通過求解一個有限時域開環最優控制問題而獲得[44]，不需要建立復雜的非線性機器人模型。當前的控制狀態作為一個控制周期的初始狀態，控制器的解作為第一個控制輸出，本質上是一個求解開環最優控制的問題。MPC控制框圖如圖12所示。
圖12 MPC控制框圖
典型案例是MIT獵豹三代機器人[45]，針對MIT獵豹三代的動態運動問題使用了凸優化模型預測控制方法。針對地面反作用力，利用離散時間有限時域模型預測控制器找到期望值。考慮地面反作用力而不是關節扭矩，因此預測控制器不需要知道腿的配置或運動。預測控制器利用最小二乘法找到最優解。實驗表明，最終第三代cheetah完成了各步態在跑步機上的高速運動。對于非結構環境下的步態模式，第三代cheetah使用了正則化模型預測控制方法[46]，目的是降低解的復雜性。由頂層的控制結構完成機器人運動的期望軌跡，該控制方法的目的是控制足部和地面接觸的位置以及與地面接觸的力。
3.2.5神經網絡自適應控制器
由于四足機器人是一個復雜的非線性模型，很難得到精確的數學模型，因此采用神經網絡(Neural Network，NN)可以實現對機器人動力學方程未知部分的精確逼近，從而實現無需建模的控制[47]。應用神經網絡可以使得機器人的適應性更強，針對四足機器人的神經網絡自適應控制是近年來四足機器人研究領域的熱點。神經網絡自適應控制框圖如圖13所示。
圖13神經網絡控制框圖
4、四足機器人的環境感知技術及智能化
伴隨著傳感技術的發展和多傳感器融合技術的應用，在四足機器人上搭載相應的傳感器使得機器人可以和環境交互并提高其對環境的適應性已經成為研究的重要方向。環境感知是實現機器人自主定位和導航的基礎技術，是機器人實現真正自主的關鍵。
4.1傳感器和環境感知
傳感器是環境感知的基礎和關鍵元素。例如基于距離測量理論的三維多層激光雷達將獲得足夠的數據，用于快速障礙物檢測。傳感器獲取環境信息是幫助機器人獲取自身狀態信息和周圍環境信息的技術。這些傳感器可以分別稱為本體感知傳感器和外部感知傳感器：Bigdog有大約50個傳感器來感知它自己的狀態和外部環境信息。而與外部傳感器相關的傳感器可分為視覺傳感器和非視覺傳感器。視覺傳感器能夠獲取的信息種類繁多，是機器人獲得環境信息的重要途徑[48]，在某些情況下，這種傳感器對環境信息的獲取是不可替代的，但是視覺傳感器很容易受到光照和陰影的影響[49]；非視覺傳感器，如激光傳感器、超聲波傳感器和紅外傳感器，都是基于距離測量理論，其測量精度高于視覺傳感器，但這些傳感器的信息僅限于距離和強度，容易受到鏡面反射或漫反射的影響；其他傳感器，如力、觸覺傳感器，也在機器人環境感知中起著重要作用。值得一提的是波士頓動力公司的LS3機器人，通過擴展卡爾曼濾波器將立體攝像頭傳感器、慣性測量單元、腿部測距和可選的間歇全球定位系統(Global Positioning System，GPS)位置更新融合在一起，以確保穩定、低延遲的性能[50]。
4.2自主化及智能化
圖14 ANYmal爬樓梯
四足機器人最終的發展方向是擁有自主性并幫助人類在復雜的環境下完成任務。實時定位與建圖(Simultaneous Localization and Mapping，SLAM)技術是四足機器人實現自主性的關鍵，SLAM技術的作用是幫助機器人完成傳感器數據的融合，最終實現機器人在環境中的定位并建立所需的環境地圖。通過集成SLAM技術，機器人可以完成后續的導航、路徑規劃和實時避障，從而實現四足機器人的自主性運動。智能化程度也是未來評價四足機器人的重要指標之一。面對復雜的環境，機器人還應具有穿越復雜地形的能力，目前較先進的四足機器人已經能夠完成爬樓梯等動作(例如圖14所示的ANYmal機器人)，而最終的目標是使四足機器人具有在野外獨立自主運行的能力。真正的動物不僅具有運動的自主性，還能夠完成物種間協作甚至與人類協作。因此未來的四足機器人要幫助人類完成任務，就必須要有較高的智能，例如能夠聽懂人類的語言、通過肢體運動完成與人類的互動、執行復雜任務時有一定的判斷能力和與其他四足機器人之間協同完成任務等。近年來，多智能體協同控制理論發展迅猛并應用在各個領域，若應用到四足機器人領域，使得機器人之間具有相互協同完成任務的能力，必將使四足機器人能夠完成更加復雜多樣的任務，四足機器人的應用范圍也會更加廣泛。神經網絡的發展也為四足機器人的智能化提供了新思路，將神經網絡應用于四足機器人，可以使得四足機器人擁有學習的能力。機器人可以通過在復雜的環境中運行來學習更為有效的運動方式，這樣在制造機器人時，無需考慮機器人運行所需要面對的復雜情況，而是通過學習的方式來適應環境。擁有學習能力的四足機器人將更像一個真實的動物，能夠完成更加復雜的任務。
5、研究的不足及未來的關鍵性技術
5.1高強度的機械設計
機器人在移動時足端會受到地面的巨大沖擊，甚至可以達到站立狀態的幾十倍。目前的四足機器人研究領域依然沒有大規模使用新材料，雖然使用主動柔順和被動柔順技術可以減弱沖擊，但當機器人需要負重時，高強度的機構設計依然至關重要。因此在未來的四足機器人研究中，應用高強度的輕質材料及高強度的機械結構創新是發展的重要領域。
5.2高帶寬執行器設計
機器人的動態性能依賴于執行器的帶寬，即執行器對信號的響應速度。尤其是奔跑和跳躍的時候，需要執行器高速運動，對控制信號高速響應，若帶寬不足則很難保持動態穩定。
5.3高能量密度執行器及新執行機構
高能量密度的執行器可以在滿足功率時大大減小執行器的質量，從而減輕機器人自重，提升機器人負載能力，降低對機構強度的需求，并提高機器人的續航能力。目前四足機器人常用的液壓、電驅動及氣動執行器在原理上仍與真實四足動物的肌肉有很大差異，無法像真實的動物一樣運動自如。因此機器人執行器的創新是四足機器人研究的重要領域之一。
5.4動態自平衡控制
機器人靜態穩定性判據已經發展的非常成熟，但在機器人動態運動時，靜態穩定性判據難以滿足要求。而動態自平衡控制發展仍不足，依然沒有計算量低且適應性強的通用方法。在未來的四足機器人研究領域，找到一種計算量低，且可以適應各種復雜地形的具有普適性的動態自平衡控制方法至關重要。
5.5智能化
目前的四足機器人普遍存在智能化和自主化程度不足的問題，依賴于操作員對其進行控制。四足機器人若要完成復雜的任務，就必須有和環境交互的能力，因此SLAM技術、自主導航技術等智能化技術是未來四足機器人發展不可或缺的部分。隨著人工神經網絡和強化學習的發展，將神經網絡和強化學習應用于四足機器人[51]，可以使得機器人更能適應非結構化的環境，未來的四足機器人會更加自主和智能。而隨著多智能體協同控制理論的發展，機器人之間協同完成任務也越來越成為機器人研究的重點。
5.6國內研究領域的不足
針對國內四足機器人研究領域，與波士頓動力公司和MIT的獵豹系列機器人的差距主要體現在仿生結構、執行器參數及智能化等方面。
仿生結構方面，國內的四足機器人依然與真實的動物相差甚遠，結構不夠靈活，感知方式仍然依賴于外部傳感器，而真實的動物更多地來自本體的感知，即觸覺。國內研發的四足機器人的結構設計和運動方式與MIT系列機器人相比仍不夠仿生，對于真實動物擁有的踝部、腰部、尾部等研究不足，結構設計上仍缺乏創新。
國產的執行器相比于世界一流水平仍有較大差距，帶寬偏低且能量密度不高，所以國內的四足機器人執行器大多依賴于進口。而國產驅動器的精度和時效性也是制約國內四足機器人發展的重要原因之一。
智能化方面的差距更為突出，國內的四足機器人運動方式更保守、更僵硬，面對復雜的地形，抗干擾能力弱。波士頓動力公司發布的四足機器人已經能夠完成搬箱子、開門等任務，LS3機器人能夠在野外連續運行幾小時以上；而國內的四足機器人研究仍處于實驗室階段，還未有實現特定任務和野外長時間運行的能力。
整體上國內四足機器人研究領域仍處于模仿的階段，創新性不足。若要實現國產的四足機器人達到世界先進水平，不僅要在結構設計和執行器設計等硬件方面有所提升，更要在智能化等領域有所創新和突破。
6、結論
隨著越來越多的科研團隊加入對四足機器人的研究，四足機器人領域的發展日新月異，但仍有一些根本性的問題需要突破，四足機器人未來的發展趨勢是負重能力更強和移動速度更快、環境適應能力更強、續航時間更長。而隨著機器人學科與其他學科的融合，四足機器人必將越來越智能化，與真實四足動物的差距會越來越小。目前已經有科研團隊在人造肌肉領域取得了突破性進展，而類肌肉的執行器必將使四足機器人發展至一個全新的高度，未來的四足機器人必將可以幫助人類完成更多更復雜的任務。