還記不記得特斯拉老總伊隆馬斯克說過，特斯拉正在做一個“能夠自動伸出墻壁，像一條金屬蛇一樣連接上充電口”的充電平臺？也許你不記得，不過現(xiàn)在已經(jīng)無關(guān)緊要，因為今天你已經(jīng)能看到實物！說實話，這東西看上去稍微有點嚇人。除了“機(jī)械蛇”，我真想不出更好的形容。工作原理機(jī)器人學(xué)家原創(chuàng)分析。這東西是怎么做出來的？難度多大？
蛇形機(jī)器人研究從1976年就已經(jīng)開始。但是產(chǎn)品級作品沒聽說過。為什么？此類機(jī)器人的主要問題在于自由度數(shù)高，又是串行結(jié)構(gòu)難以控制。同樣長度的機(jī)械臂，為實現(xiàn)蛇形的靈活度需要的關(guān)節(jié)數(shù)很多。特斯拉這條機(jī)械臂，上面有大約二十節(jié)。這給機(jī)械結(jié)構(gòu)和控制方法都提出了很高要求。
機(jī)械結(jié)構(gòu)蛇形機(jī)器人說白了就是串行機(jī)械臂，有三類基本結(jié)構(gòu)。最簡單的就是像普通機(jī)械臂一樣，每個電機(jī)控制一個關(guān)節(jié)，像這樣：
圖：CMU蛇形機(jī)器人
可以爬樹偵查但是這種結(jié)構(gòu)一般都是做上圖那種自由機(jī)器人，而固定基座的機(jī)械臂則很難做到很多節(jié)，因為電機(jī)的承重隨電機(jī)數(shù)目和到末端的距離是線性增長的，從根部數(shù)第二個電機(jī)既要承受相當(dāng)大重量，又要保持體積，制作難度非常大。第二種是將驅(qū)動器全部置于基座內(nèi)，利用機(jī)械傳動實現(xiàn)各個關(guān)節(jié)的控制。這是當(dāng)今此類機(jī)器人的主流，此次特斯拉的機(jī)器人看上去也是采用這種方式。
圖：茨城大學(xué)ShugenMa提出的超冗余蜿蜒型機(jī)器人兩種差動耦合傳動機(jī)構(gòu)
如何實現(xiàn)高效的機(jī)械傳動？傳動結(jié)構(gòu)一直是蛇形機(jī)器人的研究重點和難點。它大多采用線傳動的方式進(jìn)行動力傳送，傳動線和機(jī)器人連桿之間的摩擦將會對機(jī)器人的可靠性產(chǎn)生很大的影響，對機(jī)器人使用的材料提出很高的耐磨要求。
第三種是連續(xù)型結(jié)構(gòu)，特點是整個機(jī)器人的電機(jī)數(shù)目（通常小于10個）小于機(jī)械結(jié)構(gòu)的自由度數(shù)（通常10個以上，對于軟結(jié)構(gòu)而言是無窮多）。代表作品是Festo著名的氣動象鼻：特斯拉此款機(jī)器人也有可能是這種結(jié)構(gòu)，不是說它是氣動軟結(jié)構(gòu)，而是說它未必每個關(guān)節(jié)都配一個電機(jī)。就像人的手指一根筋可以拉動3個關(guān)節(jié)一樣，這種控制方式稱為欠驅(qū)動。控制方式控制方式分兩類。對于硬連桿式的機(jī)器人，其控制方式與普通的機(jī)械臂并無本質(zhì)差別，其運動學(xué)模型也可以用DH參數(shù)建模，而動力學(xué)模型由于機(jī)器人運動緩慢基本可以忽略重力和負(fù)載以外的因素，唯一的問題是由于自由度數(shù)太大，即使是運動學(xué)模型也往往過于復(fù)雜。
普通工業(yè)機(jī)器人最常見的是6自由度，因為這樣剛好足夠讓末端手臂到達(dá)任何位置、姿態(tài)。即使是6維，把其末端位置表示成六個關(guān)節(jié)角的函數(shù)也得寫滿滿3頁紙（好像是Motoman干過這件事），而當(dāng)自由度漲到10時，這個表達(dá)式寫成txt文本文檔的大小是按MB計的（我干過這事）。所以與其用精確模型得到精確求解，更快、更實用的方式是用低階近似模型迭代優(yōu)化求解。具體說來，原本機(jī)器人模型復(fù)雜度隨自由度數(shù)目增加是指數(shù)增長，這個式子可以一步求解，但是太復(fù)雜。于是現(xiàn)在用一個局部線性化之類的方法，把得到一個隨自由度數(shù)線性增長的近似模型，其復(fù)雜度一下子變得可以忽略，計算機(jī)瞬間可以得到解；但是精度只在當(dāng)前機(jī)器人姿態(tài)附近比較高。沒關(guān)系，那我們就只用這一小段嘛，這個幾毫秒內(nèi)算出來的模型，我們只用它50毫秒，就更新重新計算個模型，這樣在這50ms內(nèi)，模型還是比較精確的。
另一大類思路用到概率論，大名鼎鼎的Rapidly-ExploringRandomTree（RRT）就是此類方法中的經(jīng)典。簡單說來，就是我雖然不知道怎么動我的二十個關(guān)節(jié)來讓末端往目標(biāo)方向移動，但我可以跑仿真嘗試嘛。每一次嘗試就是一次采樣，而RRT就是提供了一種如何用最少采樣次數(shù)得知正確解的方法。我沒嘗試過使用采樣法，只知道有個面相兇狠的國外教授稱對于高自由度機(jī)器人而言，在指數(shù)增長的龐大關(guān)節(jié)空間里進(jìn)行隨機(jī)搜索是“hopeless”的。連桿式機(jī)器人說完了。對于連續(xù)型機(jī)器人，情況麻煩了許多，由于關(guān)節(jié)間不存在線形關(guān)系，所以運動學(xué)計算非常難以得到精確解。流行的解決方法是將機(jī)器人的形狀用一定的曲線（比如萬能的貝塞爾）來近似，用少量幾個參數(shù)來進(jìn)行編碼，從而獲得可以處理的模型。
特斯拉的這款機(jī)器人，其實控制算法難度并不大，大約20個自由度，運動速度比較緩慢，基本可以忽略動力學(xué)特性。難點在硬件。看動作精度可以判斷不是氣動，此類機(jī)器人一般不用液壓，那么最有可能還是用電機(jī)（廢話，人家車都用電機(jī)。。）那么大的機(jī)械臂，動作如此穩(wěn)定，一點超調(diào)抖動都看不出來，這就是實力了。
