人類都很難駕馭的漂移板，卻被加州大學伯克利分校的雙足機器人Cassie輕松實現，直行、轉彎、高速行駛都不在話下。IEEE Spectrum對機器人設計團隊進行了專訪，為我們揭開Cassie背后的技術。

機器人現在也可以駕馭漂移板了！新智元之前報道過媲美波士頓動力，雙足機器人Cassie逆天跑跳，還會騎平衡車。而最近，Cassie的能力又升級了——超難的漂移板也能輕松駕馭！雙足機器人應當具有人類走路的能力，但與此同時，在某些特定情況下，滑行也是有必要的。讓雙足機器人學會使用人類的滑行工具便成了很有意思的一個課題。但是，使用這些工具并不是一件易事。畢竟，連人類使用它們也是非常困難的。

而在加州大學伯克利分校，由Koushil Sreenath領導的混合機器人實驗室便成功實現了這項任務，而且是難度最大的漂移板！值得注意的是，Cassie是自主運行并完成這項任務的，它在漂移板上是實時完成所有自己的計算。這證明了加州大學伯克利分校控制器的穩定性，他們愿意讓機器人在不受束縛的情況下在室外運行，而且他們貌似正長期考慮帶輪子的雙足機器人在現實世界中的用處：我們的反饋控制和自主系統允許在城市環境中快速移動，以幫助從食品運送到安全、監視到搜索和救援任務的各個方面。這項工作也可以幫助大型工廠和倉庫的運輸。

IEEE Spectrum對話UC伯克利：有關Cassie我們想了解的一切

UC伯克利：它在真實世界中的表現就跟我們在視頻中看到的是一樣的，Cassie可以在校園里流暢的騎電動漂移板。

控制器可以讓Cassie穩穩的騎在漂移板上，并能夠成功克服各種干擾，除了一種失效模式目前Cassie還解決不了。這種情況一般會發生在比如橫向經過斜坡、或者一個大的障礙物在一側的時候，會讓板子側翻離開機器人的雙腳。

目前Cassie還沒辦法自己上板下板。新智元注：漂移板分很多類型。像視頻中這種漂移板操作難度非常大，碰到一些障礙沒辦法像滑板一樣用ollie越過去，一旦從上面下來再站上去也很困難。IEEE Spectrum：Hybrid機器人實驗室一直致力于讓機器人能夠克服各種地形挑戰。但是像漂移板如何適應各種地形呢？

UC伯克利：有意思的是，這項研究與我們之前在離散地形上行走的工作有關。雖然在粗糙和離散的地形，足的效果是最好的，但在平坦地形上輪子顯然更有效。

使足式機器人能夠騎在各種小的移動平臺上（例如漂移板、小魚板、平衡車等），將提供多模式運動能力，提高各種地形上的運動效率。目前的研究通過使用漂移板這樣的輪式平臺進一步延伸了雙足機器人在連續地形上的運動能力。從長遠來看，我們希望開發多模態運動策略，以使雙足機器人能夠在日常生活中穩健有效地運行。

實驗中，加州大學伯克利分校的研究人員表示，Cassie證明能夠在粗糙和不平坦的地形上騎行，包括下樓梯。

IEEE Spectrum：訓練Cassie使用漂移板需要多長時間？有什么比一般人類更擅長的技巧嗎？

UC伯克利：開發整個系統（例如控制器，路徑規劃器和視覺系統）整整花了8個月時間，其中還包括了開發Cassie和漂移板的數學模型、建立動態模擬、找出Cassie如何與各種傳感器的連接和通信。接下來我們會做幾個實驗以慢慢提高性能。

相比之下，一個具有良好平衡感、有過類似輪式運動經驗的人，需要花幾個小時才能學會使用漂移板。而沒有任何滑板、輪滑經驗的人來說，可能需要更長的時間。

一個熟練漂移板的人可以自由的在兩個板子上轉換，但是Cassie不行。因為算法需要非零前進速度才能轉換。不過，Cassie在粗糙和不平坦的地形上表現的比一般人更好，甚至可以騎著漂移板下一些樓梯！

IEEE Spectrum：如何讓Cassie更快或更靈活玩轉漂移板？

UC伯克利：雖然Cassie目前可以流暢的前進并躲避障礙物，但這種能力受到傳感、控制器和機載計算的限制。為了使Cassie能夠擁有更高級更復雜的動態控制，我們還需要不斷改進。

例如：需要planner考慮到Cassie-漂移板系統的整個動態，并快速生成動態可行的軌跡；需要控制器能夠緊密協調Cassie的所有自由度，以便在平衡懸停的時候動態移動；需要對快速轉彎引起的運動模糊偽像具有魯棒性的傳感器；需要能夠以實時速度執行算法的板載計算。

IEEE Spectrum：下一步計劃？

UC伯克利：我們正在努力通過充分利用Cassie的動力，為Cassie在漂移板上實現更高難度的動作。同時也在致力于讓Cassie學會自己上板下板，以及創建多模式運動策略，應用于人類的日常生活中。