机器狗会中国功夫是一种什么体验？且看下面这只黑白狗，直接就是一个 花式过梅花桩：

瞧这单桩跳：腾空一跃，四脚稳稳落在前方小圆盘上，连个趔趄都没打。当然，站立和起身作揖这样的传统技能也不在话下。虽然是在桩子上，但狗子完全能控制好力道不至于摔跤。

更别提下桩时，它还会耍一个完美的前空翻，稳稳落地结束表演。

真狗都很难做到吧～

如此身轻如燕的狗子很快就吸引了一波关注。有人就表示希望再做大一点，这样就能当坐骑了。 （话说见过骑狗的吗）

还有网友想让它可以帮忙取快递…… （这还差不多）。所以，这只灵活的机器狗，到底什么来头？

三招功夫过梅花桩

它是Max二代机器狗，来自腾讯Robotics X实验室，今天正式对外亮相。在一开始的训练思路上，腾讯的做法就和大众不同。

我们知道，学会适应复杂地形是大多数机器狗要学习的重要任务之一。对于出现的踩歪、打滑等危险情况，业界一般做法都是采用 提⾼步频、减慢速度、加⼤控制算法鲁棒性的⼿段来恢复它们的平衡。而腾讯选择机器狗在梅花桩这样“一旦踩歪踩错就没有挽救机会”的极端地形上练习，就是为了限制它们规划路线的误差范围。

这样一来，机器狗就能够做到一出脚就是对的，不需要试探，也 不需要多余的动作来维持或者恢复平衡，从而做到走得又快又稳。

那么，Max是如何做到每一步都找准桩⾯中⼼，精准完成各种高难度动作穿越梅花桩的呢？

1、识别地图和定位

Max面对的是一段全长10米，高0.8米（Max两倍身高），最小桩面直径仅10厘米梅花桩阵列。在上桩之前，系统并不会给Max配备先验地图，也就是每次它面对的都是未知的地图。

为此，他们给Max身上配备了单⽬RGB摄像头、惯性传感器（IMU）、深度传感器等多种设备，所有传感数据融合在一起获得高质量的环境数据。

在各传感器数据融合过程中，一种启发式的算法被用来保证数据一致性，并通过合理评估和选择各种传感器数据在优化过程中的权重，保证定位实时、稳定并具有鲁棒性。

由于Max在移动过程具有速度快、步频⾼、⼒冲击⼤等特点，这会使得各种传感器数据出现大量噪声，引发干扰。比如，在跳等动作的持续力冲击下，深度传感器就会出现 拖影现象。

因此，在地形的时域融合过程中，研究人员还引⼊了一个 统计分布策略，它能在⾼效过滤错误地形信息的同时，保留精确的有效地形区域结果，估计出桩⾯中⼼相对于机器⼈的精准位置，在⼀定程度上也能缓解梅花桩晃动带来的⼲扰。

建成的地形⾼度图可以获取平⾯任意坐标对应的⾼度以及局部法向。

2、规划最优行动轨迹

看准地形后，下⼀步Max要根据所⻅信息完成动作轨迹规划，最大的难点是如何在快速穿越的过程中，保证 实时规划出 最优的路线。

这里就采用了一种 6D最优轨迹⽣成技术。所谓6D，除了X、Y、Z轴上的位置数据，还包括机器狗需要做出的偏航、俯仰和滚动维度的信息。该生成技术可根据Max的运动步态、速度等指令，预估落脚点，并根据落脚点周边的地形⾼度图，选出最优的点，也就是桩面中心。

此外，系统还会结合最优点，考虑Max运动过程中的动⼒学约束、摩擦约束、⾜端⼯作空间约束等，进行⼆次优化，实时求解真正的最优6D轨迹。

对于跳跃、空翻这类动作，Max还需要达到的一个目标是 省⼒，即驱动⼒最⼩化。

这里就用到了一种 基于⾮线性优化的轨迹规划技术。该技术可以兼容四脚跳（Pronking）和双脚跳（Bounding）等多样化步态，通过跳跃距离、跳跃步态、最⼤关节⼒矩等约束条件，得出结果。

3、控制动作，按轨迹精准落点

动作轨迹规划好后，Max就可以开始正式⾏动， 最大的考验是如何控制恰到好处的力、按照规划轨迹实现精准落点。

在跟踪参考轨迹方面，Max 采用了最新版xMPC+WBC （Model Predictive Control and Whole-Body Impulse Control，模型预测控制和全身控制） 控制架构， 基于更精确的线性化动力学模型，效果更好。而在力控方面，据研究人员介绍，一般来说，动作越是高动态、越是不稳，就越要求控制精度。

本次表演的动作中，每个环节都有自己的难度：

空翻属于高动态，作揖、双轮站立属于易失稳；而对于 单桩跳跃这个动作，机器狗的四⾜落脚点距离很近，⽀撑区域很⼩，收拢的腿部姿势也导致 Max的运动及发⼒空间受限，对力控的精度更是要求极高。

为了实现以上动作的精准力控，团队⾃研了一个 模型预测控制算法，并给Max加⼊了 基于关节⼒矩反馈的触地检测能⼒。这个算法的相关论文登上了机器人领域顶会ICRA 2022。

对于平移运动的追踪，自研线性模型预测控制算法获得了和业界经典算法同等的控制效果；而对于旋转运动的追踪，其表现甚至比其他算法更优秀。具体而言，这个算法利⽤轴⻆和指数坐标来表示旋转运动，成功规避了之前线性化⽅法中的多个近似性假设，如：⼩⻆速度、转动惯量在预测窗⼝内时不变等。最终保留了更多的参数，从⽽获得了一个更精确的动⼒学模型。

基于该动⼒学模型，研究团队进⼀步构建了模型预测控制 （model predictive control） 问题，通过求解⼆次规划 （quadratic programming） 的优化问题，来得出最优⾜端接触⼒。

此外，Max在做跳跃、前空翻等需要腾空的动作时，可利用关节⼒矩反馈来判断四肢触地状态，从而及时且精准地进⾏主动的质⼼轨迹规划与柔顺⼒控，有效避免身体大幅晃动，使整个动作看起来更流畅丝滑。

由此，借助以上三大招的功夫，Max二代完成了精彩的花式过桩表演。

去年，一代Max亮相，当时它就开创了腿轮一体化设计，让机器狗不仅能站起来，还能滑着走。

这次，二代Max不仅学会了在桩上表演各种难度动作，过桩速度也比国内第一个会过桩的四足机器人Jamoca快了4倍。

除此之外，硬件方面，Max的轮足切换功能也做了改进，磁吸式的腿部锁定机构升级为了机械式的，并增加了冲击力解耦设计，最终提高了轮足切换的稳定性。以及Max的整体结构上也进行了拓扑优化，增加了电池功率，外形上看起来更加紧凑简洁，在整机强度、抗冲击性能等方面也有所提升。

研究人员表示，接下来，他们会基于Max这个四足机器人平台，探索更精准的传统控制和AI控制算法，最终让机器狗实现复杂环境下的任意行走。

狗子背后的实验室

看完了Max的精彩表演和它搭载的硬核技术，再来了解下这只机器狗的诞生地——成立于2018年的腾讯旗下机器人实验室：Robotics X。

目前，实验室里一共“养”了两只“狗子”，除了Max还有一个叫 Jamoca的前辈，它是国内第一只学会走梅花桩的机器狗。

当然，除了“狗子”之外，这个实验室里还有其他机器人成员：比如会花样空翻、灵活越障的轮式机器人Ollie。

可以保持平衡并自动驾驶的摩托车。

该实验室的负责人张正友博士，是著名的AI和机器人研究员，现任腾讯最高专业职级——17级科学家。同时，他还是腾讯 AI Lab负责人，以及ACM Fellow和IEEE Fellow。

在加入腾讯之前，张正友曾任微软人工智能及研究事业部首席研究员和研究经理，在MSR工作了近20年。正如前文介绍Max的未来发展方向所说，比起做简单、重复劳动的机器人，Robotics X更关注机器人的自主特性研究，注重于让其学会自主判断、自主决策等。

One More Thing.

最后，一个小彩蛋：如果你觉得机器狗遛起来没有灵魂，不妨看看这个场面。

虽为机器，Max二代却会“扑脚”、“撒欢跑”，是不是有点 遛真狗的意思了？不过，这其实是Max二代内部AI训练完成后第一次测试时的样子，研究人员表示：

当时我们也不知道它会跑成什么效果，只是意外记录下了这个视频。

看来Max很有自己的想法啊！ （Doge）

当然，如果想让它成为一只听主人话的狗， 通过指令即可对其发号施令。

来源：量子位