這篇文章來源于DevicePlus.com英語網站的翻譯稿。

?UC Berkeley

加州大學伯克利分校研發了一款彈跳機器人，其垂直跳躍高度比大多數普通人類都高，并且還可以利用墻壁跳躍，彈離墻面落到另一個平臺。SALTO這個名字再合適不過了，因為這個詞表示翻越障礙地形的騰空運動。在拉丁語中，SALTO的意思也是“跳躍”。

參觀了位于加利福尼亞州門洛帕克市的FEMA城市搜索和救援培訓站之后，加州大學伯克利分校機器人博士生Duncan Haldane與其團隊構建了這種專為搜索和救援設計的機器人。SALTO小巧而輕便，在地震、火災等不幸事件毀壞建筑物后，該機器人將能夠幫助人們克服在廢墟礫中尋找生命跡象遇到的各種挑戰和困難。

在機器人研發過程中，該團隊公布了一項研究，其目的是評估利用具有機械效益適應的機器人串聯彈性致動器增加機器人垂直跳躍敏捷性的可行性。研究工作表明，機械效益（MA）適應（其定義為腳部反作用力與致動器施加力之間的比值）可以增加串聯彈性肌腱復合體傳遞的能量。SALTO采用了一種具有MA適應（SE+MA）的機器人串聯彈性致動器，事實證明，該結構能夠有效積蓄能量并提供更大能量，實現更高跳躍，從而提高垂直跳躍敏捷度。

圖1.SALTO 的能量調制；圖中左側為能量調制系統模型（SE+MA），右側為機器人構造示意圖。/ ?Haldane等，2016

設計靈感

Haldane研發SALTO模型的靈感來自動物世界。經過自然選擇，動物們進化出了許多逃離捕食者的特殊能力。其中，引起Haldane注意的是嬰猴，這種夜間靈長目動物能夠在4秒鐘內連續跳躍5次之多。跳躍之前，它們首先會下蹲。嬰猴的最大垂直跳躍速度為2.2米/秒，而SALTO的速度為1.75米/秒，這打破了之前的機器人敏捷性紀錄（1.12米/秒）。

嬰猴的蹲伏行為有助于將能量儲存在肌腱中，從而實現更好的跳躍效果。他們蹲下的時間越長，積蓄的能量就越多。將勢能轉化為動能的這種機制被稱為能量調制。這是自然界中的一種適者生存現象，在生物力學文獻中也被稱為能量放大。

得益于針對動物和機器人系統設計的新跳躍度量和簡單計算，SALTO展現了前所未有的敏捷性。Haldane及其團隊將垂直跳躍敏捷性描述為“一個系統克服地球重力單次跳躍達到的高度乘以跳躍頻率”。垂直運動，比如攀爬或撲動，可以用以下公式表示：

垂直跳躍敏捷性（米/秒）= h/（tstance + tapogee）,

其中h=跳躍高度；tstance=跳躍開始后的總站立時間；tapogee=跳躍者離開地面直到達到跳躍最高點（垂直速度為零）的飛行時間。

由于考慮了重力，垂直跳躍敏捷性受限于動力重量比，只表示“動物能夠改變多少能量狀態以及變化速度”，不考慮方向的改變或轉向行為。

圖2. 多種最敏捷系統在4秒鐘內進行的一系列重復垂直跳躍（從左到右）：平行彈性（EPFL跳躍者）、剛性跳躍（Minitaur機器人）、串聯彈性能量調制（SALTO）和嬰猴（Galagosenegalensis）。每個箭頭表示一次跳躍。/ ?Haldane等，2016

機器人物理原型

Haldane利用驅動彈簧的電機將該機構集成到機器人中，通過腿部機構加載能量，以形成嬰猴的那種蹲伏。通過這種方式，SALTO能夠達到比單次跳躍更高的高度。

圖3.組裝好的嬰猴機器人，Salto / ?Haldane等，2016

該機器人由ImageProc PCB、一個六軸慣性測量單元 (https://github.com/biomimetics/imageproc_pcb; 固件: https://github.com/dhaldane/roach), 兩個位置傳感器（ams AS5047P & AS5048B）、無刷電機（Scorpion S-1804-1650KV）、無刷直流電機驅動器（Advanced Motion Controls AZB10A4）組成，并由一塊三芯11.1V 180 mAh鋰聚合物電池供電。腿部鏈接由碳纖維復合材料制成，比如蜂窩芯碳纖維和FR4玻璃纖維。旋轉關節通過2024精密鋁合金底棒（McMaster-Carr 9062K24）與聚合物襯套（igusInc JFM-0304-05）連接，而襯套和軸通過模塑聚氨酯組件（Innovative Polymers IE-3075）與碳纖維結構集成在一起。

圖4.無需電子控制裝置的聯合機構圖 / ?Haldane等，2016

SALTO是單腿機器人，由一個進行能量調制的聯動裝置、一個串聯彈性致動器以及一個進行姿態控制的慣性尾部組成。其重量僅為100克（3.5盎司），完全伸展時身高為26厘米（10.2英寸），垂直跳躍敏捷性能夠達到嬰猴的78%。雖然有些機器人單次跳躍高度高于SALTO，但是SALTO仍是垂直方向上最敏捷的機器人。

控制板以1000 Hz的頻率測量機器人的身體角度、腿部位置和電機位置，并可以通過板載ZigBee用筆記本電腦控制。系統采用兩路獨立的線性反饋回路：“針對電機位置的比例控制器和針對身體角度的比例微分控制器”。身體角度通過一個單軸陀螺儀估算。用于彈離墻面的控制器是一個狀態機。控制器啟動時，將俯仰設定值設為機器人向前朝向墻面的角度。當俯仰角達到一定閾值時，機器人觸發腿部伸展，形成跳躍。在空中，機器人將其腿部縮回，俯仰設定點設定為機器人接觸墻面的角度。

測量/實驗

該團隊進行了多次實驗，以確定機器人可以實現的最大高度增益和垂直跳躍敏捷性，比如運動時的墻面彈跳。對于垂直跳躍測試，他們將機器人放置在地板上，質心位于腳部正上方，然后用一個步進輸入將跳躍連桿驅動到完全伸展。為了防止受控落地，這些試驗沒有激活機器人的尾部。

然后，他們進行了墻壁彈跳試驗，機器人從地面跳到墻上，然后從墻面上彈離，整個過程中使用尾部進行定向。

實驗墻面是一塊0.25英寸厚的丙烯酸板，安裝在擠壓鋁框架上。為了增加摩擦力，他們在地板上方0.88米處增加了一塊直徑為0.175米、0.25英寸厚的聚氨酯橡膠，作為機器人的墊腳之處。

這種來自生物學靈感的結構將會啟發更多的人。此外，該團隊希望繼續探索新的行為，比如人類跑酷模型。跑酷也被稱為自由飛躍，跑酷者利用自身運動跨越各種障礙物，比如墻壁、樓梯或建筑物之間的空隙。該團隊希望能夠形成一系列連續跳躍的擴展行為，以達到人們之前無法企及的運動極限。

Yulhane-Jerez Koh

Yulhane畢業于加州大學伯克利分校（UC Berkeley），是一名生物力學工程師，同時也是美國deviceplus公司的執行編輯。Yulhane的主要興趣在于群體機器人、機器學習和神經科學領域。

審核編輯黃宇