Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub.
1 | $ hexo new "My New Post" |
More info: Writing
1 | $ hexo server |
More info: Server
1 | $ hexo generate |
More info: Generating
1 | $ hexo deploy |
More info: Deployment
1 | # Use your own name and email |
1 | cd ~/.ssh |
1 | # Use own email |
get the id_rsa和id_rsa.pub(default)
1 | # start the ssh-agent in the background |
1 | # Test |
C++ = C + OOC + template + STL
尽量用 const, enum, inline 替换 #define
两个概念：
const_cast 可以作为转型解除掉const
技巧：使用 member initialization list
dom::function()
:member1(xxx)
:member2(xxx)
.....
Class& Class::operator=(const Class& rhs)
{
if (this == &rhs) return *this // 认同测试
……
return *this
}
copy-and-swap 技术和“异常安全性”有密切的联系。
Java和C#都是以特定的次序完成函数参数的核算。
分离语句：
shared_ptr<xx> pw(new xx);
process(pw,.....);
因为可能new后的指针还未被管理，因为其他事情（顺序不确定）而导致异常。
比如 result = rational * 2 和 result = 2 * rational
pimpl方法， pointer to implementation
前提知识点：template的偏特化和全特化。
四种转型：
有异常安全性的函数有：
需要提供以下三个保证之一：
前提知识：inline函数的使用（头文件）
EBO(empty base optimization) 空白基类最优化
class Empty {}; // sizeof(Empty) == 1, C++会默默安插一个char到独立对象中
class HoldsAnInt: private Empty { // sizeof(HoldsAnInt) == sizeof(int)
private:
int x;
};
EBO只在单继承的情况下可以使用。
ex.
template<typename T>
class Derived: public Base<T>::Nested { //base class list 中
public:
explicit Derived(int x)
: Base<T>::Nested(x) // 成员列表中
{
typename Base<T>::Nested temp; // 嵌套从属类型名称
...
}
...
};
STL容器所使用heap内存是由容器所拥有的分配器对象（allocator objects）管理，不是被new和delete直接管理
namespace std {
typedef void (*new_handler)();
new_handler set_new_handler(new_handler p) throw();
}
使用：
void outOfMem()
{
std::cerr << "Unable to statify request for memory\n";
std::abort( );
}
int main()
{
std::set_new_handler(outOfMem);
int* pBigDataArray = new int[100000000L];
...
}
一个好的new-handler:
CRTP (curiously recurring template pattern) 怪异的循环模式，Widget继承自一个模板化的base class，后者又以Widget作为类型参数。可以用来添加set_new_handler支持。
总结：
ex.
Widget* pw2 = new (std::nothrow) Widget;
Boost： C++标准库的候选者们
不论是好友交流还是求职，常常会有人问我 “少年，你在做什么呢”“请描述你的工作内容”。此时总感觉一两句话总是说的不够透彻，于是就打算对在北京钢铁侠科技这一年的工作做了个总结。
北京钢铁侠科技，鉴于我对这个中二的名字抱有深深的怨念，所以以下简称为公司。从我作为软件工程师加入的时候，原型机ART-0处于刚刚完工的状态，其是仅有下半身的双腿机器人。低速的总线，外置的驱动和控制板，无法独立供电。似乎这个原型机不能满足人们对于仿人机器人的美好构想，但是对于公司而言，它成功的行走似乎给了当时仅仅10人的团队一缕光明（没错，也给了投资者以希望），让一群从来没有在与人类相似大小的仿人机器人上有过经验的工程师对他们的目标有了更多的信心。
也许正是这份自信，在仅进行腿部稳定性的持续研发和直接实现从双腿发展为全仿人的策略上，公司选择了后者。且不去评论这份选择的正确与否。全仿人的机器人ART-1开始进入设计，其预定的开发时间定为2016年的6月到2017年的3月。而这篇总结文的正文“我与我们所做何物”也正是从此刻开始的。
我采用了我的称谓，也就是说此处不代表公司意见。就不说缥缈的愿景和使命，只简单阐述下对于产品和工作的目标。我自诩我们是一个严肃的机器人公司，制作着定义上最狭义的机器人的产品，也就是说我希望我们希望复刻来自远古偃师[1]的技艺，去描述一个真正意义上的机器人。让它在为人而设计人生存环境下，可以帮助人实现各种的事物，逐步代替人去完成他们的工作。当然，这是一个长久的目标，对于最初的目标，就是做出一款可以商业销售的仿人机器人，广泛的与学校和科研机构合作，打破互相提防的圈内壁垒，加快这个领域技术的进展。然后就有希望赚大钱，就可以买的起房子，养得起老婆，走上人生巅峰了（此处大误 T T …）。
如图1.1所示公司的开发进展大概是半年原型 (2016.3月完成)->第一代全仿人ART-1原型(2017.01月)->第二代全仿人（有双手）ART-2(2017.08月)。
它们的参数简表见表1.1
从这三代的进展来看，我们在机器人的本体上，不断地尝试提高它的活动能力以及基本指标，一些设计的简介会在后续的内容中阐述。在设计目标上也更加向着产品化的方向去发展。我个人的工作也在此过程中产生一些变化。从最初独立的功能算法实现，到平台架构设计和项目设立跟踪以及承担一些产品的工作（实际上我还是要每天码代码的可怜孩子）。对仿人机器人的整个技术体系和行业都有有了不少新的认识（不过还远远不够）。这其中一些一闪而过的想法也最终在各位大神的努力下，成为了现实，比如如图1.2的Robot Block的最初想法的一部分演变成了ART-2中极其重要的ART-COMMUNICATION。
硬件系统的描述将以ART-2为主，会解释一些从0代到1代到2代技术变化的缘由，不过不会有过于详细的技术表达（要保密哦）。
先说一下对于ART-2产品上的几个重要的方向：
硬件结构的方案和设计都是基于这些重点而设计。
我们将整机分解为以下几个系统来设计。
作为一个软件工程师，机械方面我除了把机械图纸做处理后进行仿真，机械设计是赤裸裸的小白，因此就粗略的说下我的理解。仿人机器人的设计，有很多问题需要解决，比如：
我们的结构机械工程师们在初代机型中很快的设计了腿部的可行结构[2][3]以及初代的关节[4]。在几代的进展中，我们有几个重大的变化。首先在模块化上，最新的ART-2设计了五体+躯干+动力源可以简易拆卸的结构，各个关节结构以机电一体化的理念设计，可以自我独立。
单独从技术看，无框式,无刷永磁同步电机必然是仿人机器人产品上的主线（如果没有类似超声波，回声电机等新技术走上主流）。至少在知名的机器人上都采用了这种设计方法，比如NASA的Valkyrie[5]，本田的Asimo[6]等。（专业的仿生机器人公司Festo的BionicANT则用了超声波电机）。
要强调一点的是结构方面依旧有非常多需要攻克和创新的地方，比如说Valkyrie在踝关节上采用了线性驱动+弹簧的结构而非主动关节的结构[7]。
通信系统的定义为通信服务器和通信子网络的集合，对于多关节的机器人来说，要对机器人进行反馈控制，因此这个控制环路要从各种传感器（包括电机上的）上收集信息，进行处理，再反馈给各个关节和传感器进行控制。因此，即使从直觉上也易想到，这个控制的频率自然越高越好。而系统的延迟和实时性也直接决定了控制频率的上限和稳定性。
因此在通信系统中，除了必须要保证的抗干扰和稳定。其带宽，实时性，信息交互的频率是非常重要的因素。
在初代机器中，采用了CAN总线进行控制，然而CAN总线的带宽被限制在了 1Mbit/s下[8]。可以做一个简单的计算，假设：
那么1Mbit/s下最大的通信速率为（一个往返）：
1Mbit/(30*(32+30)bits*3*2) ≈ 90
也就是说，在不计算传感器数据以及冗余需求的情况下，一次通信的极限在100Hz，而在实际系统运行时，达到100Hz的控制环路，基本上是不可行的。
这种控制频率在仿人机器上是没有未来的。比如知名的DRC比赛中设定控制频率在200Hz的限制，名震天下的Altas的控制频率可以达到至少333Hz，数据每6ms更新一次（新的设计中可能更快）[9]。
正是如此，我们在第二代的通信中，参考了ROS官方的机器人PR2[10]，采用了成熟的工业以太网 EtherCAT。EtherCAT的实现就是对常规的以太网协议进行改进，网络性能上达到了一个新的高度。具有：
的优点。[10]
在采用EtherCAT后，ART-1的整机控制达到稳定的200Hz的控制频率（实测以及实际使用，200Hz的限制不仅在于EtherCAT，多在于系统实时性和计算耗时） 。虽然EtherCAT具有非常多的好处，不过在这里依旧要对各位看官提醒一下，如果采用开源的EtherCAT主站比如IGH等，其长期缺乏维护很难适应新的网卡和系统，因此需要进行大量的改进和适配工作。而为了解决EtherCAT驱动非标准的问题，另一个新的标准化技术IEEE TSN (Time-Sensitive Networking)[11]很有可能会让实时以太网的使用有如以太网一般便利（因为是标准）。
图2.4中 ART-1上使用的一个控制节点，这个节点包括一个EtherCAT从站以及最多承载16路电机并行控制的FPGA芯片（一个节点控制多个电机）。 由于ART-2采用了矢量控制进行无刷电机控制，以及增加了很多驱动算法，因此不擅长浮点数运算的FPGA便力不从心。 在这种情况下，ART-2的驱动放弃了ART-1的方法，改为一个节点一个驱动的方案，不过在手部上由于空间的限制，手指的五个自由度仍然是1个驱动控制5个电机（但是并非是FPGA）。
我们参考了一些如图2.5所示类似的方案[13]决定使用FPGA（一主多从）加上PCI-E通信的通信方案。这样在FPGA通信和主控系统接口的地方就可以轻松达到吉级别的通信速率（n * Gbps）。而对Valkyrie的Robonet[14]和iCub采用的CFW（CAN并行转PCI）[15]的自制总线系统方案的学习也给我们定制自己通信系统提供了不少帮助。
主控制系统上，我们采用了两款Intel i7的CPU（都是四核八线程）分别用作实时性（表现为）系统操作和通用操作系统。系统的连接通过ROS提供的网络集群来实现。
此处在ART-2上，我们采用COM-Express的标准的核心板模块与自研的底板的结合，便于把通信系统的Server的FPGA与CPU高速总线直接相连（PCI-E）。提供更好的性能。
我们将关节抽象为任何一个关节点上可以进行位置和力矩控制以及获取相关反馈的黑盒执行器。
对于关节，整个行业都在模块化和产品化。比如科尔摩根不久前发布的RGM机器人关节模组 ，适用于10Kg以内的负重机器人（臂），可以极大加快机器人成品的研发。而对于我们，独立制作关节组件，最重要的目的，是考虑到仿人机器人大量的关节数目以降低成本，以及在仿人机器人不同关节上采用不同的定制。
关节是由电机+驱动+减速器+传感器而组成。
我们在关节设计上一般关心：
从这些需求综合来看，指向了电机的功率，驱动器，结构设计和控制算法。因此在设计关节的时候我们一般采用三种方法的结合。
对于理论计算，一般由机械结构的同事进行力矩的估算，采用一些经验公式而算得，比如：
（T堵转 - T额定）* 20% + T额定 = T输出
而非直接采用电机的堵转力矩。
除此之外，有许多仿人机器人的制作者已经提供了丰富的实机数据可供参考，比如知名的Asimo[16]（关节信息见图示2.7）,ROBOTIS的THOR[17]（引用为系列最新版本）改进而来的ESCHER[18]。German Aerospace Center (DLR) 设计的TORO[19]。 也有更为可爱的公司如Aldebaran Robotics的Romeo项目会开放他们的电机参数[20]。
最后，我们的每一代设计都会基于实测的上一代数据进行分析，比如监控系统会生成2.7类似的记录图示。
除常用方法外公司也与生物力学方向的研究者有关接触，也希望能从其中获取灵感和设计数据，不过这方面现在刚刚在推进也非公司的主线，所以还未有什么明显的成果。
由于电驱动无法提供很强的功率，很多机器人采用了液压驱动或者液压电驱混合的形式。比如波士顿动力的Altlas采用了液压驱动[21]，虽然控制更加艰难，但是动力明显更为强劲（Bigdog也是一般）。为了达到如此强劲的性能，Atlas需要480V，15KW的动力源[22]。除了Altas也有不少机器人采用液压驱动，比如日本的Tae-Mu[23]。
公司内部对于机器上产品传感器的理念在于提供基础与善于扩展。这是由于现阶段市场定位以及人力限制所决定的，偏向二次开发的应用场景很难确定一款固定的机型，公司内部的有限资源也无力对各种传感器进行全部接入。因此根据基本现有的算法需求，ART-2上包含了（除了关节组件）：关节反馈（位置，速度，力，电流），IMU, 六维力，单目景深摄像头，扬声器，麦克风，激光雷达的预留。为了实现产品化的需求，ART-2上实现了在线固件更新的系统，可以通过最顶层的客户软件直接刷新底层嵌入式相关的固件程序，这也是在经历了ART-1艰辛的调试后所提出的重要功能。
注：ART系列现仍然使用电流做力矩估算，使用电流来算关节力矩会存在很多问题，传动也会影响力的反馈，减速器的静摩擦也很难对微小的力有反馈[24]。因此要做精确的力控制的话，主流的设计上依旧需要力矩传感器，比如图2.9所示就是其中的一种。
2.5 动力系统
公司现阶段并没有对电源进行特别优化（如果你看到有连续工作3小时以上的宣传，请认为是PR文）。ART-1以及ART-2都是采用48V的锂电池组进行内部供电（调试的时候大多是外部供电模式）。在电源的策略上，我们在ART-1和ART-2都单独制作了电源管理模块，将控制系统，通信系统，执行单元进行电力分组。这些工作，帮助ART-1,2在开关机过程中可以逐步进行自检，保障了系统的安全。同时，可以方便的进行调试，检测，以及紧急制动等操作。
这一部分主要阐述软件整体的架构设计以及双足步态的相关算法。
遗憾而庆幸的是现今尚没有一个被认可的成熟架构或者模型来描述仿人机器人的脑架构。因此在进行这一部分的设计之初我们虽然毫无头绪，但是确进行了很多有趣的思考。所以请容许我先进行一段无用而有趣的头脑风暴。
首先为了让机器人跟人一样，在机器人中要实现各种不同的脑功能，正如人的大脑一样。分为不同的功能区，不同的功能区承担着不同的功能。他们之间也充满着交流。那么在进行架构设计之前有一些亟待解决的问题：在现在的工程和技术前提下，如何解耦不同的系统，如何清晰的描述各个系统的输入和输出，这些系统哪些可以用现在的技术实现，哪些需要等待技术的革新和理论的创新。
21世纪，将脑科学，神经科学工程化的工作始终在不断地进行。对于这方面我们完全没有任何经验和基础，因此仅限于了解而已。鉴于专业知识的匮乏，我们将系统的思考转移到另一个更高层，概括性更强的范围，认知心理学，或者说是认知科学领域。有趣的是在对认知科学的了解后，我们发现在设计之初提出的几个问题与其中的一些理念似有相合之处。认知科学中，提出了层级分析的理念：只在单一的层级上进行研究，不可能彻底地理解精神和脑。 对一个特定现象作多层次的研究，会更好地理解脑中的过程如何上升为特定的行为[25]。 其中最令我感到振奋的正是大卫·马尔著名的三层次分析[26]：
这时，似乎前面的问题找到了一些理论基础进行分析。
认知科学对心智方面功能主义的观点，意味着对心智方面的工程化具有长期可探索的意义，系统的定义也会更为清晰。那么依照功能的路线，运动脑的概念应该描述什么功能？
如图3.1所示，从生物学上来看，人脑大体分为大脑，小脑和脑干。众所周知，大脑负责类似感知和思考，脑干多负责维持个体生命，小脑用来协调运动，维持平衡。
在脑组织中，小脑的功能解释如下:
脑的一部分。位于大脑的后下方，颅后窝内，延髓和脑桥的背面。可分为中间的蚓部和两侧膨大的小脑半球。小脑表面有许多大致平行的浅沟，沟间为一个叶片。表面的灰质为小脑皮层、深部为白质，也称髓质。白质内有数对核团，称中央核。小脑是运动的重要调节中枢，有大量的传入和传出联系。大脑皮质发向肌肉的运动信息和执行运动时来自肌肉和关节等的信息，都可传入小脑。小脑经常对这两种传来的神经冲动进行整合，并通过传出纤维调整和纠正各有关肌肉的运动，使随意运动保持协调。此外，小脑在维持身体平衡上也起着重要作用。它接受来自前庭器官的信息，通过传出联系，改变躯体不同部分肌肉的张力，使肌体在重力作用下，作加速或旋转运动时保持姿势平衡”[27]
看起来运动脑似乎跟小脑的功能是吻合的，但是，我们想到运动脑的概念似乎又超过了小脑的范畴。因为在机器人设计中，与其运动相关的内容已经涉及到行为本身，比如走，跳，跑。而这种行为的发生，又不局限于小脑的贡献。于是，我们将运动脑和其他功能通过以下的一条界限来区分：
运动脑负责运动的演化，记忆，经验和技巧的积累，它包括了程序性记忆[28]。而知识，推理，计算全部由其他的功能区域负责，它们包括了陈述性记忆。举一个篮球投射的例子，投射的判断和触发应该由逻辑的思考而决定。而这之后，肌肉记忆，身体协调，条件反射，平衡的处理，都由运动脑来控制。因此我们在这种思量下，设计了图3.2所示的简单的初级框图（从ART-1开始）
而这个框图也演化成了ART-1双处理器的架构，ART-2在双处理器的基础上采用的异构架构（CPU+FPGA）。对于大脑方面，我们集成了类似科大讯飞提供的语音云端功能等。现在，我们把目光集中到运动脑本身上来，为了再细化运动脑的功能为了描述其工程意义，我们将运动脑的两个功能抽象出来作为最初的研究切入点：
在此之上，一个类似图3.3头脑风暴简图中所提出的行为综合器，也被逐渐的细化实现。
让我们脱离运动脑的伟大脑洞，回归现实世界。来看一下我们实际的工作。图3.4是ART-1依照设计思考图3.2细化的的框架图。这个图纸实际上也是ART-1最后实现的功能简图。
图3.4 ART-1功能分布图
图3.5是我们在开发维度上做的一个简单的架构框图。而我在公司所做的工作，基本都在这个图的涵盖范围之内。如果熟悉ROS的同学，就会发觉这套老生常谈的架构跟ROS的设计基本一样，实际上我们的整个架构也是依托于ROS而做的改进。
在实现的过程中里面，有很多工程上的工作：
由于自动化控制理论上要求的强实时性，机器人系统上需要一部分实时性处理的单元和系统。而这方面ROS系统本身毫无办法，而像Microsoft Robotics Developer Studio (MicrosoftRDS, MRDS)的系统具有更好的实时性。不过，在ROS的开源特性和丰富的社区支持的吸引下，对于实时性的优化也有很多方法。比如直接使用实时性的系统（不过移植ROS会很痛苦），采用Linux实时补丁架构的结构[29]（ART-1的方案）亦或自己对手动多核CPU进行任务绑定和驱动优化（ART-2的方案）， 比如北京航空航天大学就提出了基于RGMP[30]的RGMP-ROS[31]（浙江大学仿人机器人 ZJUkong-I 采用此架构）。
不论是CPU+FPGA，还是引入GPU，SOC，又或者ASIC（弄不起）。一个可以将底层暴露给算法设计者，又对上层开发者隐藏细节的设计对我们还是客户都是很重要的环节。在现在的ART的平台上，我们现在采用类似“付费开源”的方法，虽然对各个层级进行了封装，但是对客户而言所操作的是我们直接裸露的（大部分）代码。这也是由于我们在前期的多数科研高校的客户所希望的。这种方法，帮助我们的”原型平台”可以更快的获得收益，同时有更多的反馈可以帮助平台的产品化。（第一次把半成品说的如此清新脱俗）
对于仿人机器人来说，如图3.6所示ROS提供了丰富的工具和平台，但是由于其设计和功能更适配于轮式和臂状机器人。因此，不断的重新锻造一些功能也是必经之路。比如，对ros-control中controller组件的重制，对运动学的锻造而让其更适合于仿人机器人等。
当我们把程序性行为的生成执行固定在行走上时，就成为了步态算法的概念。也就是说步态算法指的是如何生成并且执行机器人的行走行为。对于行走我们提出了两个不同的阶段:
虽然现阶段ART-2上依旧有摄像头以及雷达的接口。我们依旧在第一个阶段徘徊和努力。
步态生成方面有众多的研究成果和方案:
轨迹规划的方法，主要应用运动学和动力学原理简历模型，进行规划，采用控制理论的方法进行控制。中较为经典的是如图3.7所示的线性倒立摆模型(小车桌子)和由Vukobratovic等人提出的ZMP稳定性判据组成的控制方案。[32]
在大多主流的设计会在控制上会增加类似图3.8所示的稳定器来保障机器人的实际运动[34]。
倒立摆模型也会延伸出一些其他的模型，比如弹簧负载倒立摆 (Spring loaded inverted pendulum, SLIP) 模型，其广泛应用于分析动物和机器人跑步运动[35]。相对ZMP也演化出了很多不同的方法，比如foot-rotation indicator (FRI) point[36]等。由于经典ZMP相关方法适合于长期的动作规划，不利于动态的切换和控制，也有一些实用的技术用来实现在线步态规划和切换[37][38]。相对于单纯的ZMP规划，在线步态更适合于复杂的路面和远程控制[39]。
这类方法由于是基于力学模型和控制理论的建模，因此大多可以当做白盒控制器，其表现形式非常的稳定，具有很强的可预测性。
对我们而言，采用了基于预观控制的ZMP方法作为我们的主要案例[40]，图3.9为生成的ZMP点和落脚点。=
在控制上面，采用ZMP方法的描述的机器人更多的采用了控制位置的力学模型（ZMP点，质心点，时间）。而如Altas之类的机器人采用的Center of Pressure (CoP)[41]和力矩控制的方法来直接控制机器人关节的力矩[42]。这种方法从我的理解上看，更本质的描述了机器人的运动本源（力），因此有更好的效果。
想来，大家在人工智能概念爆炸的时节上，对于机器学习，深度学习，神经网络这些概念和方法即使没有接触也必有耳闻。在仿人机器人的步态生成上，学习和进化算法也占有了很大的戏份。比如Geng 等提出了类似神经-肌肉系统的控制器, 生成可在线调节速度的运动步态,通过数值模拟实现了图3.12机器人的动态稳定行走[44]. 2014 年, Geng利用如图3.12所示的基于神经网络的模型预测控制方法实现了在线速度校正[35]。MIT的Tedrake等在图3.13的被动机器人（被动机器人可以认为将机器人放在斜面上，不需要动力源，机器人会依靠重力行走，这方面的研究期望机器人仅仅受到简单的驱动力看就可以实现行走）上，通过强化学习来获取运动模式，据说可以在20分钟左右学习到各种地面条件下的合适的步行模式[33]。
MPC全称可指Model Predictive Control模型预测控制（又称RHC, Receding Horizon Control）预观控制则属于一种预测模型。MPC应用在很多领域，不光是传统控制，也有自动驾驶等新兴技术等。
对神经网络有过接触的同学，自然也能想到到无论是CPG还是神经网络会成为一个黑盒控制器，然而对于与物理世界直接接触的及机器人来说，这种不确定性是否会限制其投入市场和产品化，不得而知。并且，对于学习网络的应用（尤其是适用在不同机器人上），调参将会是一个冗长而无保障的工作。
这一年经历了ART-1的设计和调试以及ART-2的设计。在理论上，深刻体会到了在仿人机器人中宽广如大海的知识范畴以及深入到力学，自控方面复杂的数学模型（后悔，上学没好好学数学）。在工程上，对复杂系统的集成的探索以及架构的思考成为了日常的生活，而不成熟的行业状态和相对较为封闭的研发环境（各公司，各机构）让团队经常无从下手。对仿人机器人产品的测试也着实让我们大费头脑（大多的机器人标准都是针对于工业机器人的）。
如何评估一款类人机器人的优劣只能从最终的表现行为来看，造成各个子系统很难对性能做出清晰的描述和规划，而机电软互相制约互相依存的产品特性又需要明确的接口方案。幸言之，我们现在并不需要提供一款具有产品级别稳定性的机器人，在磕磕碰碰，修修补补下，我们也达到了现在的地方 —— 一个高耸入云山峰的出发点。对我来说，此过程收获颇丰，不论是从企业运作，团队管理还是产品设计，原型研发。唯一郁闷的是，作为一个程序员，coding的技巧增幅曲线显著下降，这大概是在创业公司无力专精某一技术的悲凉（对，说的就是不好找工作）。
最后，感谢想感谢下公司各位对我的帮助，跟各种领域人才接触让我受益匪浅。
少年们，这场攀登刚刚开始，前路漫漫，祝武运昌隆。
最后针对我这一年随性而为出来浪的行为：感谢老妈努力赚钱不用我养家的勤奋，感谢傻娃在压力下对我四处浪的依旧支持，感谢泡泡同学在我在帝都居无定所的时候给我提供居住之地，感谢Synopsys的老板和同事帮我填坑，最后要感谢以Jack为代表的魔都小伙伴呕心沥血的帮我找一份行当养家糊口。
icePie
记于2017.7月
P.S. 帝都人真多，空气真差。
[1] 《列子汤问》十三篇
[2] 骆鹏, 李冰川, 苑全旺.一种仿人机器人髋关节机构及连接有该机构的机器人:, CN205652233U[P]. 2016.
[3] 骆鹏, 李冰川, 苑全旺. 一种仿人机器人腿部机构及连接有该机构的机器人:, CN205652233U[P]. 2016.
[4] 骆鹏, 李冰川, 苑全旺. 具有零点位置检测功能的仿人机器人关节机构:, CN205872233U[P]. 2016.
[5] Radford N A, Strawser P, Hambuchen K, et al. Valkyrie: NASA’s First Bipedal Humanoid Robot[J]. Journal of Field Robotics, 2015, 32(3):397-419.
[6] Asimo-technical-information.
[7] N. Paine, J. Mehling, J. Holley, N. Radford, G. Johnson, C. Fok, and L. Sentis. J. Actuator Control for the NASA-JSC Valkyrie Humanoid Robot: A Decoupled Dynamics Approach for Torque Control of Series Elastic Robots. Field Robotics 32 (3): 378-396 (2015)
[8] ISO 11898-2:2003-12 ; ISO 11898-2:2016-12
[9] Johnson M, Shrewsbury B, Bertrand S, et al. Team IHMC’s Lessons Learned from the DARPA Robotics Challenge Trials[J]. Journal of Field Robotics, 2015, 32(2):192-208.
[10] http://wiki.ros.org/Robots/PR2
[11] http://www.ethercat.org.cn/cn/why_use_ethercat.htm
[12] https://en.wikipedia.org/wiki/Time-Sensitive_Networking
[13] Pierce B, Cheng G. Versatile modular electronics for rapid design and development of humanoid robotic subsystems[C]// Ieee/asme International Conference on Advanced Intelligent Mechatronics. IEEE, 2014:735-741.
[14] https://gitlab.com/nasa-jsc-robotics/valkyrie/wikis/Robonet
[15] http://wiki.icub.org/wiki/CFW_card
[16] Semester project II: Mobile Robot modeling, Simulating and Programming. New ASIMO
[17] http://en.robotis.com/index/product.php?cate_code=111410
[18] Knabe C, Seminatore J, Webb J, et al. Design of a series elastic humanoid for the DARPA Robotics Challenge[C]// Ieee-Ras, International Conference on Humanoid Robots. IEEE, 2015:738-743.
[19] Ogawa Y, Venture G, Ott C. Dynamic parameters identification of a humanoid robot using joint torque sensors and/or contact forces[C]// Ieee-Ras International Conference on Humanoid Robots. IEEE, 2015:457-462.
[20] http://doc.aldebaran.com/2-1/family/romeo/motors_romeo.html
[21] https://www.bostondynamics.com/atlas
[22] http://archive.darpa.mil/roboticschallengetrialsarchive/files/ATLAS-Datasheet_v15_DARPA.PDF
[23] Hyon S H, Suewaka D, Torii Y, et al. Development of a fast torque-controlled hydraulic humanoid robot that can balance
compliantly[C]// Ieee-Ras, International Conference on Humanoid Robots. IEEE, 2015:576-581.
[24] https://zhuanlan.zhihu.com/p/26722384
[25] https://zh.wikipedia.org/wiki/%E8%AE%A4%E7%9F%A5%E7%A7%91%E5%AD%A6
[26] Barlow H B. Vision: A computational investigation into the human representation and processing of visual information : David Marr. San Francisco: W. H. Freeman, 1982. pp. xvi + 397[J]. Journal of Mathematical Psychology, 1983, 27(1):107-110.
[27] 许嘉璐, 彭奕欣. 中国中学教学百科全书,生物卷[M]. 沈阳出版社, 1990.
[28] M·W·艾森克, M·T·基恩, 艾森克,等. 认知心理学[M]. 华东师范大学出版社, 2009.
[29] https://xenomai.org/
[30] http://rgmp.sourceforge.net/
[31] Wei H, Huang Z, Yu Q, et al. RGMP-ROS: A real-time ROS architecture of hybrid RTOS and GPOS on multi-core processor[C]// IEEE International Conference on Robotics and Automation. IEEE, 2014:2482-2487.
[32] Vukobratovic M, Sepaneko Y. On the stability of anthropomorphic systems[J]. Mathematical Biosciences, 2004, 15(1):1-37.
[33] 梶田秀司. 仿人机器人[M]. 清华大学出版社, 2007.
[34] （H）D. Kaynov, P. Souères, C. Balaguer, “A practical decoupled stabilizer for joint position controlled humanoid robots”, IEEE/RSJ Int. Conference on intelligent Robots and Systems, St Louis MO, USA, Oct. 2009.
[35]田彦涛, 孙中波, 李宏扬,等. 动态双足机器人的控制与优化研究进展[J]. 自动化学报, 2016, 42(8):1142-1157.
[36] Goswami A. Postural Stability of Biped Robots and the Foot-Rotation Indicator (FRI) Point[J]. International Journal of Robotics Research, 1999, 18(18):523-533.
[37] McGill, Stephen G., et al. ”Team THOR’s Entry in the DARPA Robotics Challenge Finals 2015.” Journal of Field Robotics (2016).
[38] Yi, Seung-Joon, Dennis Hong, and Daniel D. Lee. ”A hybrid walk controller for resource-constrained humanoid robots.” Humanoid Robots (Humanoids), 2013 13th IEEE-RAS International Conference on. IEEE, 2013.
[39] Yi, Seung-Joon, et al. ”Online learning of a full body push recovery controller for omnidirectional walking.” Humanoid Robots (Humanoids), 2011 11th IEEE-RAS International Conference on. IEEE, 2011.
[40] Park J, Youm Y. General ZMP Preview Control for Bipedal Walking[C]// IEEE International Conference on Robotics and Automation. IEEE, 2007:2682-2687.
[41] Wiedebach G, Bertrand S, Wu T, et al. Walking on Partial Footholds Including Line Contacts with the Humanoid Robot Atlas[J]. 2016.
[42] Koolen T, Bertrand S, Thomas G, et al. Design of a Momentum-Based Control Framework and Application to the Humanoid Robot Atlas[J]. International Journal of Humanoid Robotics, 2016, 13(01):1650007-1650001.
[43]陈启军, 刘成菊. 双足机器人行走控制与优化[M]. 清华大学出版社, 2016.
[44] Geng T, Porr B, Wörgötter F. Fast Biped Walking with a Sensor-driven Neuronal Controller and Real-time Online Learning[J]. International Journal of Robotics Research, 2006, 25(25):243-259.
[45] Tao G. Online Regulation of the Walking Speed of a Planar Limit Cycle Walker via Model Predictive Control[J]. IEEE Transactions on Industrial Electronics, 2013, 61(5):2326-2333.
[46] Tedrake R, Zhang T W, Seung H S. Stochastic policy gradient reinforcement learning on a simple 3D biped[C]// Ieee/rsj International Conference on Intelligent Robots and Systems. IEEE, 2004:2849-2854 vol.3.
感谢徐浩益同学的整理和资料
波士顿动力公司（英语：）是一家美国的工程与机器人设计公司，美国军方通过 DARPA （美国国防部先进研究项目局）资金支持了波士顿动力的许多项目。
Marc Raibert是该公司的总裁兼专案经理，他在1992年令此公司从麻省理工学院底下独立出来。
在2013年12月13日，波士顿动力公司被Google收购。有消息称2016年3月被Google出售给丰田研究所，实际上在2017年的6月，软银截胡丰田，收购了波士顿动力。
其开发的机器人包括LittleDog，RiSe，RHex，SandFlea ，LS3（Legged Squad Support Systems），Cheetah，BigDg，Petman，Atlas。其中Petman和Atlas为人型的机器人。
Atlas机器人是基于波士顿动力公司早期的Petman人型机器人。Atlas机器人由航空级铝和钛建造，它共有28个自由度，全部由液压驱动，可以实现位置闭环和力矩控制。自它发布至今有三个版本，第一版，身高约1.88m，质量150kg，肩宽0.76m。
在头部集成了MultiSense SL ，此设备包含一个双目摄像头，一个北阳的激光雷达，可以满足仿人机器人的基本需求，且完美支持ROS，并且由于头部没有偏航的自由度，还在头部增加了2个广角的摄像头。
在腰部安装了一个IMU。
在手臂有一个可换的末端执行器，官方提供3种末端执行器，并且支持第三方的手部安装。
它的手具有精细动作技能的能力。
在这一版的机器人还需要外部供电，Atlas机器人可以在崎岖的地形行走，它能在传送带上大步前进，而且在平地的行走速度可以达到5.1km/h以上，而且可以躲开传送带上突然出现的木板，从高处跳下稳稳落地，两腿分开从陷阱两边走过，然后跑上楼梯；单腿站立，被从侧面而来的球重撞而不倒，等等。
为了参加DARPA机器人挑战赛，在2015年1月12日，Atlas的机器人团队发布了新的改进版本。在这次改进中Atlas全身的百分之七十五都被重新设计了，只有小腿和脚沿用了上一版的设计。这次改进使用了新的更轻的材料和新的液压系统并加入了电池，总体的重量只增加到156.5kg。机器人最重要的变化是电源和液压系统，Atlas 携带一个3.7kwh的锂粒子电池组，可以保证一个小时的各种任务操作，包括步行，站立使用工具和其他动作。Atlas的这次升级在于提高了灵活性和效率，并包括：
在2016年波士顿动力推出了新的Atlas机器人，和第二版的动力一样，Atlas采用电源供电和液压驱动。这版的Atlas高1.75米，重82kg，于上一代相比重量有了很大的减轻
在搬箱子、出门推门等过程中还需要标记点完成物体识别任务，对物体的识别等机器视觉能力有所提升。在这版中机器人摔倒以后可以快速地自主起身。在官方视频中，Atlas还演示了野外行走的效果。在自行打开门之后，可以在雪地中行走，虽然遇到了脚滑的现象，但自主的平衡控制力让机器人可以在雪地中爬起，继续保持行走的状态。
Atlas可以说是液压控制人型机器人的巅峰，而且对比电机控制的机器人来说，各有优势。Atlas使用了液压控制可以输出更大的力矩，而且会有更优的效率。不过对于液压系统，每一个关节的执行反馈机构都需要专门设计，控制方面有了更大的难度。但是Atlas的团队克服了种种困难用液压实现了人型机器人的液压控制，并且做到了顶尖水平。
1 | error: RPC failed; HTTP 500 curl 22 The requested URL returned error: 500 Internal Server Error |
原因： 在用git上传大文件时会出现的问题。
解决：编辑*.git/gitclone*将其中的http改写成git的路径。
在服务器添加完公钥之后，ssh服务器然后报了这个错误
sign_and_send_pubkey: signing failed: agent refused operation
原因：ssh在ubuntu下使用ssh-agent来管理，需要将新key加入到其中。
解决：
eval "$(ssh-agent -s)"
ssh-add
软银三剑客之Romeo，分成两个系列，第一篇章用作机器人简介，由于与众多研究机构合作，其中产生了大量论文和成果，第二篇章将针对论文的技术做简介。
Romeo is a humanoid robot from Aldebaran Robotics which is intended to be a genuine personal assistant and companion.
Romeo主要是帮助缺乏自理能力的人。如依靠视觉帮老人记住杯子或遥控器落在哪里了，甚至帮老人拿过去；可以监护老人，老人生病时机器人会通知老人的家人；帮老人或残疾人下楼梯倒垃圾；帮老人站起来或者行走等。
罗密欧全身无齿轮，电能产生机械能，机械能还可以产生电能，能量浪费减到最小，开放SDK。行走依靠视觉实时重做路径规划 sohu
如果说NAO是主打教育和娱乐（医疗大概是创始人布鲁诺-梅索尼Bruno Maisonnier的一个期望），Pepper的江山在商用服务市场。那么Romeo更像是技术积累和预研（虽然Romeo中处处为了用户着想，但是在成本上并未作出更多的努力）。
Aldebaran Robotics，于2005年成立于法国。 2012年，日本软银集团收购了位于巴黎的 Aldebaran Robotics，其产品有 NAO、Pepper 和 Romeo robots。 2016年初，Aldebaran 更名为软银机器人公司。
https://www.ald.softbankrobotics.com/
Romeo是Aldebaran在NAO的基础上开发出来的一款机器人。旨在制造一款大型的仿人机器人以及测试一些新技术的继承和应用。（做技术积累，较为成功的是本田的Asimo将其发现的技术应用于汽车和其他产品）。最初项目的成立在2009年，由DGCIS赞助，联合众多研究机构。（The research on Romeo was initiated within the scope of an interministerial fund (FUI) project in January 2009. Accredited by the Cap Digital competitiveness cluster, the project was funded by DGCIS, the Ile de France Region and the Municipality of Paris. As a structural project for the French robotics sector, Romeo has brought together a dozen industrial and academic partners.）在花费了4年的研究时间后，成功研制出了第一代140cm的机器人（Romeo-1已经完成并且给了4所欧洲高校）。最后Romeo-2在2012年11月开始立项，由Bpifrance支持。同样是4年的项目，与16家机构共同合作。
Romeo第二代在第一代上做了很多改进，包括改变脊柱，把电子元器件放到头部，并且融入了摸头杀功能（每次看到pepper都想去摸头，是同样的功能和原理）
提升腿部控制，加入电池。
针对眼睛，LPPA为其实现了可移动的双眼，植入了前庭系统（vestibular system）用来稳定机器人的视觉图像。这样就可以实现更为稳定的动态步态算法。在这方面，国内亦有不错的成果，比如张晓林博士为新松做的一款动态眼（如图），不过依旧还未见到把动态视觉和动态步态结合起来并且公开的产品或者原型。
对于语音，Remeo在Telecom Paris Tech的帮助下可谓是“大费周章”（对于大多仿人机器人的研究者来说，在语音上下了这么多功夫，有点夸张），使用16路的语音天线实现。
运动控制方面 LAAS致力于实现全身的平衡控制，在基于LPPA所制作的控制图表功能（NAO也使用同样的工具，可以参考它的软件以及视频）上，提出了中心（这是个医学名词，眼中心）控制（oculocentric control framework）这个架构，可以获得高质量的被动步态模式。除此之外，在复杂行为上也有不俗的斩获，比如开门，握手，寻找座椅并成功落座，视觉引导行走等一系列研究。 LPPA同期也在进行神经网络对双足行走的研究。
最后Romeo在行为，对话，感情研究上也投入了不少的精力。这方面在AI层面，较为独立。
Romeo的设计信息多为机械信息，从官方文档可得。其中包含了电机参数（型号，力矩），机械参数（各肢体细节，质心转动惯量），关节参数（转动范围）。
这些参数对于使用者和其他设计者来说都是不小的财富，有助于参照其进行自己的初始设计。其电机则全部采用了Maxon的电机。
从视频，图片和新闻所得到的信息，Romeo可以进行行走，执行起坐等行为。 丰富的交互功能可以和人进行交互。
并未找到细节参数，待补。
并未找到细节参数，待补。
Romeo由定位于民用，每4年为一个项目周期，不光在运动控制（行走，抓起等），也在AI方面，协作互动方面投了不少资源。 与科研机构的广泛合作，为仿人机器人的发展提供了大量的科研成果，实为可敬。
心血来潮，双休时制作了小笨车一部，就权当 simple robots 系列的开端吧。这个系列主要是做一些简单（也许）有趣的小机器人，自娱自乐。也希望能帮到有兴趣的人。
以下硬件都是可以在淘宝上可以买到的：
小车底板一份。(这个图只是从买底板的淘宝店截取的)
双自由度舵机云台（注：小车底板和舵机要确定能否安装到一起）。
直流电机驱动。
稳压器，ASM1117系列即可。
无线通信模块 : 使用了成都亿佰特的串口模块，E30-TTL-100。
电池采用了狮子牌7.4V, 1300mah锂电池组，这个只要是5V+的电池(要看稳压)都是可以的只不过我手头刚好有一个这个电池组。
充电可以采用TP405X系列的小充电板，1-2元钱。
对于想使用WiFi的同学来说，推荐一款NodeMcu ，非常廉价，并且支持lua脚本。
摄像头，自选即可，我采用懒人模式，直接贴了IPHONE的硅胶壳上去，权当把手机当做摄像头来用。至于视频软件，推荐QQ或者Spyke。
软件已上传到github上，链接为https://github.com/Galaxy2416/SimpleWirelessCar
代码非常简单，操作也很简单。
Arduino 主程序
如代码所示，会根据从串口收到的指令来做动作。指令的前四个位用来决定舵机云台的移动，后四个位来决定小车前进后退转弯的操作。
1 |
|
PC机主程序
PC程序使用Python + pyhooks 实现。
pyhook是一个基于Python的“钩子”库，主要用于监听当前电脑上鼠标和键盘的事件。这个库依赖于另一个Python库PyWin32，如同名字所显示的，PyWin32只能运行在Windows平台，所以PyHook也只能运行在Windows平台。因此如果要在其他系统平台需要使用其他的键盘监听功能。
操作很简单，键盘的上下左右可以控制小车的移动WSAD用来控制云台的转向。就跟电脑的赛车游戏一般操控即可。（但是没那么好玩 =。=）
1 | if __name__ == '__main__': |
其中为了解决连接E30无线模块的问题，也加入一些判断机制
1 | def connect_to_serial(self): |
使用的时候请把vid_pid改写成自己USB设备的ID，此功能仅能针对串口转USB设备。
适合跟小朋友一起制作！培养感情～
NASA
https://en.wikipedia.org/wiki/NASA
1958年7月29日，美国总统艾森豪威尔签署了《美国公共法案85-568》，创立了国家航空和太空管理局。
Johnson Space Center 约翰逊航天中心
约翰逊航天中心建于1962年，是训练美宇航员、开发、设计太空梭和太空站的基地。
The Valkyrie robotic platform was originally designed and built in 2013 to carry out search and rescue missions inline with the DARPA Robotics Challenge. After a series of electro-mechanical upgrades and a software partnership with IHMC, the Valkyrie platform is now a core robotic platform in the NASA Space Robotics Challenge.
The Valkyrie robot measures about 6 feet in height and weighs 290 pounds. Valkyrie is a 32 degree (实际44，算上小臂和手) of freedom (DOF) walking robot featuring two 6 DOF legs, two 7 DOF arms, a 3 DOF neck, and a 3 DOF waist. Valkyrie utilizes the MultiSense SL in its head, anterior hazard cameras, multiple LORD MicroStrain IMU sensors, and ATI Multi-Axis Force/Torque sensors.
从视频，图片和新闻所得到的信息，Valkyrie可以进行较为缓慢的行走，跨越简单的障碍，上下台阶，手部可以抓握并且开关阀门。
由 NASA自研发的Robonet通信总线。其Master是一块PCMCIA设计，猜测其采用了FPGA板卡的设计方案，直接接入主机电脑，由其上可以分出8路Robonet总线，为并行-串行设计。 JSC并没有公布总线的带宽，吞吐量和实时性。其中一路带宽应在50Mbps以下（比如CAN是1Mbps。
而PCMCIA总线分为两类，一类为16位的PCMCIA，另一类为32位的CardBus。
PCMCIA的频率为33MHz，位宽16bit，带宽为66MB/S
CardBus的频率为33MHz，位宽32bit，带宽133MB/S
可见总线带宽理应在 8Mbps（如果单路是CAN，位1*8） - 133Mbps（PC总线速率）范围，既然采用了PCMCIA应在100Mbps左右。
集成了MultiSense SL 。波士顿动力的Altlas也采用了同款设备。此设备包含仿人机器人的基本需求，且完美支持ROS。
根据参考文档，与常规机器人不同的是，在踝关节和小臂上采用了线性驱动 + 弹性结构的特点。
采用了弹簧变位作为力矩传感器，噪声依旧很大（The loadcells are placed closer to the joint output giving them better dynamic sensing performance but suffer from a higher noise floor than the spring deflection sensor due to their analog signal properties.）
因此对关节运动进行了建模，并且引入了Disturbance Observer (DOB)等方法。(The goal of our torque control approach is to make each SEA appear to the multi-joint controller as an
ideal torque source, or at least a low-pass filtered torque source. That is, we want to avoid modeling internal
actuator dynamics at the multi-joint level, and instead only model the effects of the rigid body system. Prior
work in this area has demonstrated that effective decoupling of the fast actuator-level dynamics from the
slower multi-body dynamics is indeed possible (Ott et al., 2003). However, in this work torque errors remain
large (around 50Nm) and thus do not adequately abstract an actuator as an ideal torque source.)
电池可以从背板直接抽取放置。非常方便。
自制的灯板很帅
A removable battery in its backpack is good for about an hour of activity, and a human can swap in a fresh battery for a spent one in a matter of minutes. Also removable are Valkyrie’s limbs: in just a few more minutes, a damaged arm can be swapped out for a new one, and the left arm can even be swapped with the right arm, since they’re identical in construction.
Valkyrie的电池和四肢可以非常容易的拆卸和安装。这种设计意味着快速的维修和方便的调试（需要设计），从产品进化来讲，将会是机器人在前中期的趋势（比如移动电话的前中期也是依赖于各组件的组合）。
Our robot is soft. If you brush against it while you’re working, you don’t want to feel this cold, hard metal. You want it to feel natural, like you’re working next to another human being.
Valkyrie采用了柔性的保护措施，并且专门成了相关的实验室。这将是机器人与人接触必然要解决的问题。
Valkyrie由于定位于空间站，且计划应用于2030年，所以并未进入市场。 所研究的方向并没有全力集中在行走等腿部行为，抓取，操作设备方面更具有特点。 其设计成本极其高昂， 机械选材很高端和设计非常精细，电子电器设计大量采购集成商品，软件应用层面现在（3/23/2017）所见并非其主要工作投入，控制层面主要集中在硬件建模上，当然行为方面也有不俗的成果，预计以后会与大学深入合作来扩展这方面。
