Hardware Design and Learning-Based Software Architecture of Musculoskeletal Wheeled Robot Musashi-W for Real-World Applications

📄 arXiv: 2403.11729v1 📥 PDF

作者: Kento Kawaharazuka, Akihiro Miki, Masahiro Bando, Temma Suzuki, Yoshimoto Ribayashi, Yasunori Toshimitsu, Yuya Nagamatsu, Kei Okada, and Masayuki Inaba

分类: cs.RO

发布日期: 2024-03-18

备注: Accepted at Humanoids2022

DOI: 10.1109/Humanoids53995.2022.10000123

💡 一句话要点

提出Musashi-W机器人以解决灵活体行走困难问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 肌肉骨骼机器人 轮式移动 动态控制 视觉识别 人机协作 实际应用 清洁任务 重物搬运

📋 核心要点

  1. 现有的肌肉骨骼类人机器人在实际任务中的应用受限，尤其是在双足行走方面存在困难。
  2. 本文提出的Musashi-W机器人结合了轮式底盘与肌肉骨骼上肢，旨在提高其在现实世界中的应用能力。
  3. 实验结果表明，Musashi-W能够通过人类教学完成清洁、重物搬运和动态布料操控等任务，展现出其灵活性和实用性。

📝 摘要（中文）

目前已开发出多种肌肉骨骼类人机器人，尽管它们具备模仿人类身体的灵活性和冗余性，但在实际应用中仍面临挑战。为了解决灵活体在双足行走中的困难，本文提出了一种结合轮式底盘与肌肉骨骼上肢的机器人Musashi-W，并构建了其软件系统，结合静态与动态身体模式学习、反射控制和视觉识别。通过人类教学的清洁任务、考虑肌肉附加的重物搬运以及动态布料操控的设桌任务，展示了Musashi-W在实际应用中的优势。

🔬 方法详解

问题定义：本文旨在解决现有肌肉骨骼类人机器人在实际应用中面临的双足行走困难，尤其是在灵活体的控制与稳定性方面的挑战。

核心思路：Musashi-W的设计思路是结合轮式底盘与肌肉骨骼上肢，以利用轮式移动的稳定性和肌肉骨骼的灵活性，从而提高机器人在复杂环境中的适应能力。

技术框架：Musashi-W的整体架构包括硬件部分的轮式底盘与上肢设计，以及软件部分的静态与动态身体模式学习、反射控制和视觉识别模块，形成一个完整的控制系统。

关键创新：Musashi-W的主要创新在于其结合了轮式移动与肌肉骨骼结构，突破了传统双足行走机器人的局限，使其在多种任务中表现出更高的灵活性与适应性。

关键设计：在设计中，Musashi-W的上肢采用了可变刚度的结构，以适应不同的操作任务，同时在控制算法中引入了基于学习的反射控制机制，以提高响应速度和准确性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，Musashi-W在清洁、重物搬运和动态布料操控任务中表现出色，成功完成了多项复杂操作，且相较于传统机器人在灵活性和适应性上有显著提升，具体性能数据尚未披露。

🎯 应用场景

Musashi-W机器人具有广泛的潜在应用场景，包括家庭清洁、物品搬运以及服务行业等。其灵活的上肢设计和高效的控制系统使其能够在复杂环境中执行多种任务，未来有望在智能家居和人机协作领域发挥重要作用。

📄 摘要（原文）

Various musculoskeletal humanoids have been developed so far. While these humanoids have the advantage of their flexible and redundant bodies that mimic the human body, they are still far from being applied to real-world tasks. One of the reasons for this is the difficulty of bipedal walking in a flexible body. Thus, we developed a musculoskeletal wheeled robot, Musashi-W, by combining a wheeled base and musculoskeletal upper limbs for real-world applications. Also, we constructed its software system by combining static and dynamic body schema learning, reflex control, and visual recognition. We show that the hardware and software of Musashi-W can make the most of the advantages of the musculoskeletal upper limbs, through several tasks of cleaning by human teaching, carrying a heavy object considering muscle addition, and setting a table through dynamic cloth manipulation with variable stiffness.