通过实时运动规划实现更快更强大的机器人

尽管数十年来我们都希望灵巧的机器人能够在家中和其他地方执行复杂的任务，但机器人的使用仍然受到限制，主要是由于运动规划性能不足。运动规划是确定如何将机器人或自动驾驶车辆从其当前配置(或姿势)移动到所需目标配置的过程：例如，如何在避开障碍物的同时进入冰箱以获取汽水罐，例如冰箱里的其他物品和冰箱本身。直到最近，这一关键流程已在运行在高性能商用硬件上的软件中实施。问题是该软件需要几秒钟，从而无法在动态环境或人类环境中部署机器人。在实时机器人，我们开发了专用硬件，可在一毫秒内解决运动规划问题，大大扩展了机器人即将完成的任务范围。

通过传统的运动规划，可以在非结构化，动态环境中使用的机器人非常简单，只有几个自由度。这些机器人包括自动地板清洁器(例如，Roomba)和带有平板电脑的圆柱形机器人，可以辅助远程呈现等活动(例如，Kubi，PadBot等)。机器人现在也用于静态环境，例如汽车装配线，在那里它们可以被编程为在始终处于相同位置和方向的物体上重复执行相同的操作。这些工厂的设计费用很高，因此机器人可以简单地重复预先编程的运动。机器人的隐喻眼睛是封闭的，它对高度结构化的环境中的任何意外变化都没有反应; 这些机器人经常被关在笼子里，以保护人们免受伤害。

乍一看，运动规划似乎应该很简单。毕竟，它不需要一个人五秒钟来弄清楚如何进入冰箱提取一罐苏打水。计算机通常使用称为路线图的图形数据结构来执行运动规划，其中每个顶点对应于机械系统的特定配置，并且两个顶点之间的边缘对应于那些配置之间的运动。运动规划是通过路线图从当前配置到目标配置查找路径的过程。计算机运动规划(但不适用于人)的挑战性方面是碰撞检测：确定路线图中的哪些边缘(即运动)不能使用，因为它们会导致碰撞。

当机器人从一种配置移动到另一种配置时，它会扫描3D空间中的卷。碰撞检测是确定扫掠体积是否与任何障碍物(或机器人本身)发生碰撞的过程。通常，扫掠体积和障碍物的表面用多边形的网格表示，并且碰撞检测包括用于确定这些多边形是否相交的计算。这个过程在概念上并不困难，因为它是简单的计算几何; 挑战是计算，因为它有很多。确定两个多边形是否相交的每个测试涉及交叉积，点积，除法和其他计算，并且可以执行数百万个多边形相交测试。

与许多计算挑战一样，可以通过更多硬件资源和软件优化来加快速度。现有技术已经使用GPU的大量计算资源和复杂的软件，其将计算精确地映射到GPU以便最大化性能。然而，即使这种方法(消耗大量功率)也不能计算超过每秒的几个计划，并且性能很脆弱：任务或场景的变化通常需要重新调整软件。一些工业解决方案通过执行极其粗粒度的碰撞检测提供高性能但功能有限(例如，

为了实现通用的实时运动规划，我们开发了可实现亚毫秒运动计划的专用处理器。这些处理器通过将计算几何任务转换为更快的查找任务来克服运动规划的性能瓶颈。在运行时间之前很长时间(例如，在设计时)，我们可以预先计算数据，以记录配置之间的大量运动，这些运动与这些运动碰撞的部分空间。此离线预计算(基于模拟运动以确定其扫描量)被加载到处理器上，以便可以在运行时访问它。在运行时，处理器接收感知输入，描述机器人环境的哪个部分被障碍物占据，

我们的原始处理器是作为杜克大学研究项目的一部分而开发的，它证明了亚毫秒碰撞检测是可能的。这个设计是令人兴奋的第一步，但在几个重要方面受到限制。最值得注意的是，它仅限于小型路线图(大约2,000到3,000个边缘)，并且需要更大的路线图以获得更精确的灵活性以及处理更复杂的机器人任务。拾取和放置任务的路线图可能需要大约100,000个边缘，而自动驾驶汽车可能受益于一百万个边缘。另一个关键限制是基于此设计的每个处理器都针对单个机器人而无法重新定位。

为了采用这项技术的下一步并将其推向市场，我们创建了一家名为Realtime Robotics的公司总部位于马萨诸塞州波士顿的Realtime公司开发并发布了一种新的处理器RapidPlan，它可以重新定位，可以随时更新，并且具有数千万个边缘的容量。RapidPlan继承了Duke原始处理器的许多设计原则，但它具有可重新配置且更具可扩展性的硬件设计，用于计算路线图边缘的运动是否与障碍物碰撞。可重新定位是一个关键特征; 没有它，每个机器人都需要自己的专用设计。除了具有极大路线图的能力外，RapidPlan还可以将该容量划分为几个较小的路线图，并在运行时间间隔切换，延迟可忽略不计。其他路线图也可以在运行时从处理器外的内存中传输。在运行时更改路线图的功能允许用户，例如，具有对应于末端执行器的不同状态或不同任务类型的不同路线图。可以有一个路线图，说明什么时候没有抓住，一个小球形物体(或适合该形状的东西)被抓住的路线图，一个采摘和分拣的路线图，另一个用于采摘和包装，等等。

通过RapidPlan提供的实时运动规划，使用机器人的机会要大得多。具有快速反应时间的机器人可以在人类环境中安全地操作。可以快速规划的机器人可以部署在相对非结构化的工厂中，并调整到不精确的物体位置和方向，从而降低了使用机器人的主要障碍。我们看到物流，制造业，医疗保健，农业和家庭助理等行业的巨大潜力。

高速运动规划对自动驾驶汽车也至关重要。在某些方面，AV的运动规划问题更简单，因为车辆的配置具有比多关节机器人臂更小的尺寸。然而，车辆的运动规划必须考虑车辆在与其他不可预测的运营商(包括自行车，行人，其他车辆等)的环境中高速移动。但是，如果运动计划足够快，我们可能会冒险 - 意识到时尚。我们可以概率地处理每个代理人的行为和从代理人的联合分布中抽取的大量样本中的每一个的运动计划。例如，在一个样本中，左侧的汽车继续直行，前方的汽车减速，路边的行人仍然在路边。根据每个样本的计划，然后我们可以选择在我们的风险承受能力范围内具有碰撞概率的最佳计划。请注意，除了始终停放车辆外，没有任何运动计划存在零风险; 如果确定另一个代理引起碰撞(例如，通过故意转向我们的车辆)，则对于自动驾驶车辆或人类驾驶员来说极难避免。

我们对实时运动规划机器人的出现所带来的可能性感到兴奋，这些机器人在现实世界中运作并与之交互，而不是小心翼翼地远离它。