注意看，下图中的机器狗似乎成功平衡了负载能力、系统复杂度和运动灵活性这三个看似矛盾的目标：

它能敏锐地感知人类意图，做出相应的运动调整，在崎岖不平的地形上搬运重物，展现出了出色的跟随能力和适应性。

在机器人领域，四足机器人凭借其灵活的运动能力和适应复杂地形的优势，一直是研究热点。然而，当涉及到高负载的协作任务时，四足机器人往往显得力不从心。

意大利技术研究院(IIT)动态腿式系统实验室的研究人员们另辟蹊径，提出的一种巧妙的解决方案——被动臂协作搬运(PACC)系统。这项创新不仅大大提升了四足机器人的协作能力，还为人机协作开辟了新的可能性。

下面来详细了解这项技术突破~

▍轻装上阵：被动臂设计的精妙之处

传统的机器人协作搬运通常依赖于主动控制的机械臂，这不仅增加了系统的复杂性，还大大削弱了机器人的负载能力。IIT的研究团队别出心裁，设计了一种三自由度的被动臂结构。这个看似简单的设计背后蕴含着深刻的工程智慧。

被动臂采用偏航-俯仰-俯仰的关节配置，每个关节的扭矩都是通过弹簧的伸缩和阻尼元件来产生的。这种设计不仅大大降低了重量，还提高了系统的鲁棒性。更重要的是，它在负载和机器人之间引入了固有的柔顺性，这对于在复杂地形上实现安全稳定的运动至关重要。

从机械设计的角度来看，PACC的许多细节都经过精心考量。例如，末端执行器(钩子)的位置被刻意设计在机器人质心的高度附近。这样的设计在承载重物时，由于重力作用，钩子的实际工作高度会略低于静止位置，从而有效减少了水平力对机器人零力矩点(ZMP)的不利影响。

另一个巧妙之处在于第三个连杆的设计。它的运动灵感来自于单摆，这使得在搬运任务中,最主要的外部交互力都集中在垂直于第三个关节轴的平面内。这一设计为估算负载运动和预测外部力提供了便利，为后续的运动控制奠定了基础。

▍智能导航：被动臂引领的运动控制

PACC系统的另一大亮点在于其独特的运动控制策略。研究团队开发了一种基于被动臂角位移的简单而有效的运动引导方法。这种方法特别适用于跟随者机器人在协作搬运任务中的运动控制。

具体来说，系统利用第三个关节的角位移来控制机器人的前进速度，而第一个关节的角位移则用于控制转向速度。研究人员巧妙地设计了一个中性角度范围和两个速度等级，通过关节的偏转角度来调节速度。为了确保运动的平滑性，他们还应用了二阶低通滤波器来处理指令信号。

这种基于被动臂的运动引导方法不仅简单直观，而且对外部环境的变化具有很强的适应性。它使得跟随者机器人能够自然地跟随领导者(无论是另一个机器人还是人类操作者)的运动，而无需复杂的传感器系统或通信协议。

▍MPC: 协作搬运的智能大脑

为了充分发挥PACC系统的潜力，研究团队开发了一种创新的模型预测控制(MPC)方案。这个控制器不仅考虑了机器人本身的动力学，还融入了被动臂的动态特性和协作搬运过程中的外部力估计。

MPC控制器的核心任务是规划足端轨迹并生成最优的运动指令。它首先基于期望的身体速度和步态参数生成初步的足端位置。然后，考虑到末端执行器处的外部力，对支撑多边形进行调整。这种调整确保了机器人在承受外部负载时仍能保持稳定性。

一个特别值得一提的创新点是，控制器能够利用被动臂的特性来估算末端执行器处的外部力。通过忽略小惯性项和低速运动下的科氏力，研究人员提出了一种简化但有效的力估算方法。这种方法不仅计算简单，而且对于纯惯性负载,甚至不需要知道确切的负载质量就能估算出负载的振荡动态。

MPC控制器的另一个亮点是其分布式特性。每个机器人都独立运行自己的控制器，不需要中央协调。这种设计极大地提高了系统的可扩展性和鲁棒性，使得多机器人协作或人机协作变得更加灵活和可靠。

▍实验验证：从理论到实践的演绎

为了验证PACC系统的实际性能，研究团队设计了一系列富有挑战性的实验场景。这些实验不仅包括机器人之间的协作搬运，还涉及了人机协作的场景，充分展示了系统的多功能性和适应性。

在机器人协作实验中，研究人员测试了两种不同的负载连接方式：刚性连接和非刚性连接。刚性连接的实验模拟了需要精确协调的搬运任务，而非刚性连接则更接近实际应用中常见的绳索拖拽场景。结果显示，PACC系统在两种情况下都表现出色，机器人能够稳定地协同工作，即使在面对台阶等障碍物时也能保持良好的协调性。

这些实验不仅验证了PACC系统的技术可行性，更重要的是，它们展示了该系统在实际应用中的巨大潜力。无论是在建筑工地搬运材料，还是在救援任务中转移伤员，PACC系统都显示出了明显的优势。

总的来说，IIT研究团队的这项工作为四足机器人的协作搬运任务提供了一个创新且实用的解决方案。通过巧妙地结合被动机械设计和智能控制算法，不仅拓展了四足机器人的应用范围，也为未来的人机协作开辟了新的可能性。

本研究详见Paper:

https://arxiv.org/abs/2403.19862