这次，先试了一下，然后决定了下一步该怎么走。

如果统计一下人们对双足机器人的第一印象，就会发现“容易跌倒”无疑排在前三位。

但新一代的双足机器人绝对会吓到你。 现在，它不仅能平衡地行走，还能越野了。

根据新的控制算法，美国佛罗里达州人机认知研究所

(Floridainstitute Forhumanand Machine Cognition，IHMC ) )的机器人实验室实现了拟人化的平衡能力。

该算法的测试使用了Boston Dynamics公司的Atlas机器人，在算法的控制下，Atlas可以顺利地走上崎岖不平的混凝土块的道路。 从动图可以看出，Atlas的行为和人类差不多。 首先轻轻踩脚，判断地面的承受能力，然后通过调整身体和手臂来平衡。

在说明该技术的论文中，“机器人通过对脚的中心施加压力来探索接触面，根据探索阶段脚的旋转描绘出受力的平衡点”。 通过探索和计算，机器人可以决定如何“深入”。 通过摆动手臂等上身的运动来保持或恢复平衡。 在测试中，你可以走崎岖不平的混凝土路面。

机器人在起伏不大的碎石地上行走时，通常通过脚踝的旋转来适应地面的倾斜以保持平衡，但在地面起伏剧烈的情况下，通过脚踝的旋转来适应地面容易达到踝关节的旋转极限，从而导致机器的损坏。

机器人通过尖锐的线接触或点接触接触地面的印象：首先，不是严格适应地面的倾斜，而是将脚部向水平方向靠近。 然后，阶段性转动脚踝，改变有效接触面的法线方向，防止足部滑落。

在新的控制算法中，为了控制机器人的脚部使其接近水平方向而不是与地面的倾斜严格一致，并保持平衡，在位置控制中使脚部的方向与接触线保持平行，利用与接触线垂直的转矩转换接触线上的压力中心(CoP )。 通过旋转脚踝，改变有效接触面的法线方向，防止脚滑落。

估算地形落点和最佳压力中心(CoP )

推算现在的地形，对于机器人的平衡和行走时如何放置压力中心(center of pressure，CoP )是非常重要的。 在当地情况不明的情况下，机器人每走一步就需要估计下一步的落点。

首先假设整个脚与地面接触，机器人开始在脚的落点区域计算脚的局部压力中心。 如果“预期压力中心”(Desired CoP )位于脚由地面支撑的区域中，则精确的压力中心将充分接近该预期压力中心。 但是，如果压力中心预计位于脚部没有地面支撑的区域，则需要旋转脚部的脚踝以改善地形估计。 也就是说，需要去除该部分无法支撑重量的落脚点部分。 测量脚踝的旋转速度，或者根据脚步和地面的几何形状检测脚部的旋转运动。

仿真： Atlas机器人通过随机方向的线性垫脚石(上图)和点状落脚点)，每进一步估计一个新的落脚点，控制算法相应地调整机器人的步调。

Atlas机器人从左向右行走(平面图)的地面基准点的实际数据)黑色多边形指线段拟合的落点区域，红点为预期的瞬间捕捉点(Desired ICP )，蓝点为实际的瞬间捕捉点)，绿色点为机器人的重心力矩轴。

研究人员表示，他们的成功是“让双足机器人在现实世界中更具实用价值”。 当然，和人类一样，机器人的判断也可能是错误的。 但是，研究人员已经开始研究如何让机器人安全跌倒，不要像人类一样轻易跌倒变傻。

IHMC论文地址： https://arxiv.org/pdf/1607.08089 v1. pdf