【正文】 控制的，這是 由于從致動器內(nèi)部的轉(zhuǎn)矩傳感器及主動力控制下的這種錯誤可能會導致穩(wěn)定性的喪失轉(zhuǎn)矩誤差讀數(shù)。因 此導致平衡沒有被確認。相反，在運動過程中不斷給每條腿的施加扭矩和接觸力分別被計算著。機器人運動的主要假設(shè)是一條腿會一直試圖鉤在墻壁上并且最終成功做到。如果只在多次嘗試后才能成功抓取，那么只有一些中央機構(gòu)配置是不可行的。沒有關(guān)于表面紋理的先驗知識，因此這類假設(shè)是不可避免的。 10 CLIBO 的運動原理是基于所述中心體沿一給定路徑上的運動而來。為中心體架設(shè)的路徑是由用戶做事先爬行預(yù)定義的。除了表面的垂直性，沒有任何表面的先驗知識，因此在爬行時，立足線是線上決定的。有用戶先爬行得到的路徑被離散成小 片段。機器人移動自身中央機構(gòu)正對一個臨時位置的路徑段，同時尋找機會移動它的腿。圖 5 示出了運動的算法的流程圖。 機器人從一個更高水平的計劃方案得到在墻壁上的路徑規(guī)劃。我們想要沿著給定的參數(shù)化路徑 S(ρ): R ?→ R2 移動機器人的中央機構(gòu)。其中參數(shù) ρ ∈ [0, Γ ]， Γ 是路徑末端的最大值。 讓 Δρ 作為一個機器人路徑的一個路徑增量是身體中心的一個步驟。我們將路徑離散成 里的元素。 因此，沿著該路徑的第 k 個離散點是 sk = Sk(kΔρ)。用 Δsk = sk+1?sk作為一個分離路徑元素，其中 sk+1 = S((k + 1)Δρ)。 每個增量是然后細分成更小的段，同時長度 δ 被身體動作來執(zhí)行。因此，機器人路徑的每個增量是 Δsk步驟分解成更小的、 δ、由身體運動進行的子步驟。對于每個增量 Δsk，機器人的中心體沿著起點和增量的端部產(chǎn)生的直線以 δ 步驟移動。 中心體的運動是通過離開接觸點在 其當前的位置，并使用閉鏈運動移動該中心體以協(xié)調(diào)的方式進行。每子步驟 δ 之后，轉(zhuǎn)矩和角度是在致動器測 11 量到的。使用反向運動和靜態(tài)分析（第 2 節(jié)），我們得到機器人的末端效應(yīng)器位置和作用于它們的力量。 運動規(guī)劃算法是一種反應(yīng)性算法，它可以不斷檢查以下四種狀態(tài)。在每種狀態(tài)下，機器人的反應(yīng)各不相同。機器人采取一個動作應(yīng)對一條腿被釋放的時候（狀態(tài) 1）；一條腿的末端效應(yīng)器超出了它所運行的位置（狀態(tài) 2）；一條腿負載過低（狀態(tài) 3）；一條腿超載了（狀態(tài) 4）。如果沒有出現(xiàn)這些狀態(tài)，機器人移動它的中央機構(gòu)到下一子步驟，之后再每個事例中重 復(fù)執(zhí)行該 4 狀態(tài)檢查。這個過程不斷進行直到機器人達到設(shè)定的增量 Δsk的末端。四個狀態(tài)按照一個關(guān)鍵的順序布置，最關(guān)鍵的條件是被先檢查。因此，如果狀態(tài) 1（小腿脫離接觸）發(fā)生了，它將在其他狀態(tài)被檢查前糾正。 像前面提到的那樣，四個狀態(tài)例行檢查，以此來確定腿部的狀態(tài)。狀態(tài) 1 與抓取裝置脫離墻壁的可能性相關(guān)聯(lián)。如果這樣的事件發(fā)生了，將只有很重力作用在設(shè)備上，會導致在致動器的扭矩測量結(jié)果過小。如果是這樣的情況，機器人將會在下一個可能的位置上搜索墻壁上的一個新的夾緊點。 這個“ 下一個可能的位置 ” 是一條腿的位于腿部的路徑向量允許 的空間內(nèi)的一個點。對于腿部的每一個位置，一個腿的路徑向量被定義為從它的當前位置開始并指向其最終位置。其最終位置將在當前段 Δsk移位到腿的預(yù)期點的結(jié)束點旁邊的中央體（中心體位置將在當前 Δsk的結(jié)束點）。 狀態(tài) 2 和中心體移動后的腿部位置有關(guān)。中心體朝向其目標的運動會增加它到末端效應(yīng)器上一些點的距離并且會減少到另一些點的距離。換句話說，這些腿必須在中心體的 δ步驟中在路徑方向上超前。因此，我們定義了一個對每條腿的允許空間。所允許的空間指定了一個與中心體以這樣一種方式相關(guān)的區(qū)域，如果腿部定位在了區(qū)域外，必須采取一個措 施來將腿移到沿腿部路徑向量的允許空間內(nèi)。因此，由于所允許空間與中心體相關(guān)，中心體的 運動將移動相對于腿部的允許空間，絕對會導致腿部退出它，從而迫使機器人前進腿中的方向的運動。腿部前進和允許空間定義會在 章中更詳細地描述。重新定義中心體沿路徑方向移動了機器人的中心結(jié)構(gòu)，導致了接觸力分布的變化。作用在一條或多條腿上的小作用力可能導致它們是無效的。此外，一些腿上的小作用力會導致其他腿上的極端的不必要的大作用力。由于這些原因，檢查狀態(tài) 3 和狀態(tài) 4 是有必要的。狀態(tài) 4 是關(guān)于一條腿支撐了太大的力的情況。由于執(zhí)行器有一個有 限的扭矩，每個執(zhí)行器的腿部過載都要被檢查。因此，狀態(tài) 4 的條件是檢查是否每條腿的執(zhí)行器的扭矩大于一個預(yù)定的扭矩最大值 Tmax。在一個執(zhí)行器過載的狀態(tài)下，機器人以非常小的步子從過載腿移開它的中心體來修改腿的取向和平衡執(zhí)行器的扭矩。相對于狀態(tài) 4，在狀態(tài) 3 中，檢查一下作用于末端效應(yīng)器的腿部作用力是否小于限定作用力 Fmin 是很有必要的。在這樣的情況下， 機器人會將腿部向當前段 Δsk的末尾的下一個可能的位置前進。 移動腿部 i 的基本原理是通過考慮沿路徑的機器人的前進方向來計算腿部的下一個可能位置。 如 節(jié)中描述的那樣，腿部有它的定義允許空間。允許空間和中心基相關(guān)并且 12 它的原點被定義為框架 B 的原點。 我們定義 Rmax 為允許帶的半徑并將其作為由 SF 劃分的 xy 區(qū)域的腿部最長可能長度進行計算（ 16）（當從墻上 Z 中的距離是固定值時， E 被定義并且恒定）中的 xy 平面上的腿通過的 SF 劃分的。 SF 是用于防止腿的矯直預(yù)定的安全系數(shù)。 因此， Rmax 定義了腿部末端效應(yīng)器的 xmax 和 ymax。 ymin 和 xmin 是定值而且有腿部物理工作空間定義。從原點得，兩個引導線被吸引到由 Rmax 的弧的交叉點和產(chǎn)生點 a 和 b的最小限（ ymin 和 xmin） 。 這種幾何結(jié)構(gòu)產(chǎn)生 5 個區(qū)域。允許的區(qū)域是區(qū)域 VI。中心體移動之后，腿部的位置被檢測并且如果它超出了區(qū)域 VI，那么腿會被移動到下一個可能區(qū)域的允許區(qū)域 VI 中。下一位置將根據(jù)其對當前增量 Δsk 的 最終目的地來確定。這些坐標然后會被處理使得下個腿的位置會沿 著那個方向但在腿部的定義允許空間內(nèi)。這意味著，如果下一個腿部的期望位置 (x′leg, y′leg)在空間 V 內(nèi)，它會被糾正并重新定位在?。ㄓ?Rmax得）和移動路徑相交的點（ xleg,yleg）上，如果下個腿部期望位置在區(qū)域 I 或者區(qū)域 II 中，那么將被分別糾正和重新定位在 a 或 b 點。如果下個期望位置在區(qū)域 III 中，那么只有 xleg的坐標將被改為 xmin。區(qū)域 IV的情況也是一樣，只有 yleg的坐標會被改為 ymin。讓 Δxbody, Δybody 作為 中 心體關(guān)聯(lián)當前 Δsk 的位置， xleg,body, yleg,body 作為 腿部在當前段 Δsk 移位到下一個其中央主體的腿預(yù)期點的終點的位置。 Ffree 是作用在末端效應(yīng)器的表示釋放腿部的最小作用力。算法 1 是一個動作序列，能夠?qū)⑼炔?i 的末端效應(yīng)器從當前位置移動到期望位置。 xleg,body, yleg,body. zleg,body 是根據(jù)到墻 Z 的距離計算得到的預(yù)定值。首先機器人將按照 yw 方向（指向天空）在預(yù)定距離 d 以內(nèi)將鉤爪從墻上分離。然后它將測量電機上的扭矩并計算腿上的接觸力 。如果作用力小于 Ffree，那么這個腿就被釋放了，否則它會重復(fù)在距離 d 上的運動并且再次檢查作用力。 Δx, Δy 是 當前 Δsk值在 x,y軸上的突起。離開中心體到 Δsk 末端的距離， Δx ? Δxbody, Δy ? Δybody 表示在中心體框架（框架 B）中被轉(zhuǎn)換了，從框架 B 到框架 L 使用齊次變換 ，由下式給出： 當前 Δsk 的腿部 末端的預(yù)期位置，被添加到相對于中心體的對應(yīng)位置。 我們計算從腿部當前位置到期望位置在腿部框架的當前 Δsk 的末端表示的腿矢量。因此，腿部的最終位 13 置會被進行檢查，以使它在允許的區(qū)域內(nèi)，如果不是，它將會被糾正到前面的狀態(tài)。 為了實施上面提出的模型，我們使用了 BIOLOID 機器人套件。還用到了 16 AX12 + Dynamixel 致動器。這些致動器是包含內(nèi)置的控制器，驅(qū)動器，通信協(xié)議和減速齒輪的組合式直流伺服電機。當供給 V 推薦電壓時，最大致動器轉(zhuǎn)矩是 公斤力厘米，最大角速度為 51 轉(zhuǎn)。執(zhí)行器的角度和速度可在 1024 步的分辨率下進行控制。置的控制器能夠測量致動器的角度，速度和扭矩。對于實現(xiàn)該算法，這個反饋能力是是必不可少的。機器人拉伸到總長度時，不可操作并且充分拉伸長度是 750 毫米。有了外部電源， CLIBO 樣機重量為 2 公斤，這使得它非常小巧而且便于攜帶。 CLIBO 的有效負載是從致動器和夾持器的保持極限的能力而得。每個夾持器能夾持高達 2 公斤的重量。然而，根據(jù)在第 節(jié)描述的均衡分析和致動器的最大扭矩，各腿可支撐高達 公斤的重量。因此，假定在任何給定情況至少有三條腿附著在墻壁上的情 況下，CLIBO 的有效載荷為約 5 公斤。在實際操作中，我們認為這種估計是太樂觀的，所以實際的有效載荷將是大約 2 千克。然而，有效負荷承載力并沒有在此階段驗證。 在測試過程中，我們遇到了兩個問題。一個問題就在墻壁上的機器人的穩(wěn)定性。更快的動作產(chǎn)生不必要的動態(tài)作用力。腿部脫離墻壁的速度最初設(shè)定為 米 /秒，產(chǎn)生使機器人下落的動態(tài)力。為了解決這個問題，一個經(jīng)驗優(yōu)化方法來找到一個最佳的驅(qū)動器攀爬速度，它降低至 米 /秒。 第二個問題，傳播速度慢，到現(xiàn)在還沒有被克服并且 移動動作之間長期拖延給了 CLIBO 一個沿著路徑以 12 厘米 /分的進步速度。盡管有這兩個困難，但夾持裝置的構(gòu)造已被充分驗證并且證明其能夠提供機器人良好的附著可靠性。 本文提出了一種四條腿的機器人， CLIBO（ 爪啟發(fā)機器人 ） ，能使用附著在墻上的鉤爪在粗糙表面攀爬。該 CLIBO 機器人爬上表面的能力已經(jīng)用了一種運動算法進行了實驗驗證。其他幾個方面在以后還有待進一步研究，主要是以下幾個方面：動態(tài)運動；制定過渡算法；提供機器人無能量消耗定在墻上的能力；提高機載計算速度；提供配載能量源。允許夾持器附著到彎曲表面，并調(diào)整算法適應(yīng)不平坦的地形將擴大機器人的機動性 而不局限于垂直壁面。此外，設(shè)計出各種涉及吸盤或磁鐵可以擴大 CLIBO 可以攀登的表面。由于解決這些問題的必要性， CLIBO 機器人能夠以可靠的方式完成設(shè)計任務(wù)。 14 附件 2：外文原文 Design and motion planning of an autonomous climbing robot with claws Avishai Sintov, Tomer Avramovich, Amir Shapiro Abstact This paper presents the design of a novel robot capable of climbing on vertical and rough surfaces, such as stucco walls. Termed CLIBO (claw inspired robot), the robot can remain in position for a long period of time. Such a capability offers important civilian and military advantages such as surveillance,observation, search and rescue and even for entertainment and games. The robot’s kinematics and motion,is a bination between mimicking a technique monly used in rock climbing using four limbs to climb and a method used by cats to climb on trees with their claws. It uses four legs, each with fourdegreesoffreedom (4DOF) and specially designed claws attached to each leg that enable it to maneuver itself up the wall and to move in any direction. At the tip of each leg is a gripping device made of 12 fishing hooks and aligned in such a way that each hook can move independently on the wall’s surface. This design has the advantage of not requiring a taillike structure that would press against the surface to balance its weight. A lootion algorithm was developed to provide the robot with an autonomous capability for climbing along the predesigned route. The algorithm takes into account the kinematics of the robot and the contact forces appl