苹果推出新型机器人避障系统 可更好地看清周围环境

据外媒报道，当地时间12月30日，苹果公司宣布发布新款机器人ARMOR。该款新型机器人避障系统由苹果公司与美国卡内基梅隆大学（Carnegie Mellon University）合作研发。

ARMOR系统（图片来源：patentlyapple.com）

ARMOR系统外观如何

目前，传统的人形机器人通常依赖于安装于头部或躯干的集中式摄像头与激光雷达，以实现环境感知。尽管该方法易于集成，且能够提供良好的视野，但是其在手臂和手部区域会受到严重的遮挡。

虽然有些研究已尝试在机器人末端执行器中集成触觉传感技术，但此种解决方案成本高昂，且难以大规模应用于机器人手臂。同时，在策略学习的框架下，如何有效使用触觉输入仍是一个亟待解决的问题。

不过，苹果公司的ARMOR系统则采用了集成了硬软件的设计。在硬件方面，该系统采用了集中式RGBD摄像头，能一次性捕捉密集帧中的所有细节。该研究团队还选用了SparkFun VL53L5CX飞行时间（ToF）激光雷达作为基础传感单元。通过多个传感器进行稀疏传感，形成“以自我为中心”的感知模式。

该传感器的尺寸为6.4×3.0×1.5毫米，能够提供分辨率为8x8，频率为15Hz的深度图像，对角线视场角为63°，测距范围达4000毫米。研究团队在该机器人的每只手臂上都配置了20个此类传感器，共计40个传感器，构建了一个分布式的传感网络。

每四个传感器连接至一个XIAO ESP微控制器中，其中的数据经由I2C总线读取后，通过USB传输至机器人的机载计算机（Jetson Xavier NX）。最后，数据再以无线方式传送至配备NVIDIA GeForce RTX 4090 GPU的Linux主机中，进行处理，以确保整个系统能够维持15Hz的刷新率。

在软件方面，研究团队研发了一款基于ARMOR-Policy的Transformer编解码架构，该架构与Action Chunked Transformer（ACT）类似。通过模仿学习，该策略能够从无碰撞的人类运动演示中学习知识。为了训练该策略，研究团队采用了AMASS数据集中311,922个真实人类运动序列（总计约86.6小时）。AMASS数据集涵盖了多种相关的人类运动，如操作、舞蹈和社交行为。

该团队将此类人类运动轨迹重新映射到机器人的关节配置，并在轨迹周围生成紧凑的障碍物区域，以确保该运动轨迹之间不会相撞。此外，研究人员还采用了避障运动、紧急停止和无碰撞运动三种策略来生成训练数据。

ARMOR-Policy的网络架构考虑了运动规划存在多个有效的解决方案。通过引入额外的编码器层，推断潜在变量z，该策略能够通过调节变量z来生成不同的运动轨迹候选方案。

在推理阶段，该系统将并行计算N条候选运动轨迹，并通过最小化机器人与点云之间的距离，以选择最佳路径。网络输入信息包括潜在变量z，当前及目标关节位置（28维矢量）及来自40个ToF激光雷达传感器的深度图像。此外，此类深度图像经由改进后的单通道ResNet18主干网络进行处理，以提取512维特征。整个网络架构包含约8400万个参数。

相较于传统策略中使用四个安装到机器人头部以及外部的深度摄像头（外部传感），ARMOR系统在避障性能上得到显著提升，碰撞次数减少了63.7%，成功率提升了78.7%。与此同时，与基于采样的运动规划专家系统cuRobo相比，ARMOR-Policy 表现出更好的性能，碰撞次数减少了31.6%，成功率提升了16.9%，计算效率提高了26倍。

此外，该研究团队还通过在Fourier GR-1人形机器人上部署28个ToF激光雷达，验证了ARMOR系统在真实环境中的可行性。实验结果表明，该系统能够实现每秒 15 次的实时避障轨迹更新。