以下介绍的是 An Obstacle-crossing Strategy Based on the Fast Self-reconfiguration for Modular Sphere Robots（基于快速自重构的模块化球形机器人越障策略）一文。
IROS 2020 | 基于快速自重构的模块化球形机器人越障策略
2020-10-29 新闻
10月25日，机器人与智能系统领域最著名、影响力最大的顶级学术会议——IEEE智能机器人与系统国际会议（IEEE/RSJ International Conference on Intelligent Robots and Systems, IROS）正式召开。
机器人与人工智能实验室林天麟教授、钱辉环教授、黄锐教授分别作为通讯作者的共六篇论文被本届 IROS 接收，其中更有两篇获最佳奖提名。
受疫情影响，本该在拉斯维加斯举行的 IROS 2020 改在线上举办，并且史无前例的通过线上免费向公众开放。
让我们一起来学习观摩这几篇论文吧。以下介绍的是 An Obstacle-crossing Strategy Based on the Fast Self-reconfiguration for Modular Sphere Robots（基于快速自重构的模块化球形机器人越障策略）一文。
研究背景
模块化自重构机器人由多个相同或相似的模块组成，并且可以自主地转换模块间的连接关系以改变整体构型，即自重构。模块化自重构机器人的越障功能可以通过多个连续的自重构过程完成。相比于固定构型的机器人，模块化自重构机器人在多功能性、可拓展性、鲁棒性等方面更有优势，更适合在火灾、地震等非结构化环境中执行探索、越障、抓取等任务。在火灾救援等场景中，用尽量短的时间转换构型和翻越障碍物具有重要意义。
现有的自重构和越障算法研究中，基于搜索的算法受制于与模块的数量成指数增长的构型空间和计算量，基于强化学习的算法则很难重现最佳结果并在硬件上部署、调试。因此，可控的快速自重构算法和越障策略有很大的研究空间和意义，是模块化自重构机器人走出实验室、应用于非结构化环境的重要一步。
研究概要
本文所述快速越障策略由若干个自重构过程组成。每个自重构过程的路径规划都通过最大梯度的三步最小化计算提高了模块化机器人的并行自重构速度。其次，每个自重构过程中的最终构型都基于球形模块的链状连接做出了调整，以适应环境中障碍物的形状，从而使得模块化机器人能够快速翻越崎岖地面的复杂障碍物。
自重构过程的“快速”得益于三步的最小化计算：首先将自重构的问题建模为最终构型中的每个空位和当前构型中的每个模块之间的曼哈顿距离的乘积的最小化问题；第二步，将最终构型中的每个空位分配给剩下的可移动模块中曼哈顿距离最小的一个模块作为目标；第三步，经过两次候选动作的计算并删除会造成碰撞的候选动作后，选择一个能够最小化模块与目标空位之间的曼哈顿距离的动作。
每个自重构中的最终构型都需要根据障碍物的形状从离散空间调整到连续空间。基于球形模块的旋转轴和旋转角度计算每一步的姿态增量，可以把自重构算法的离散3D路径平滑化。在仿真实验中，借助于球形模块的链状连接对复杂表面的适应能力，每个自重构过程中的最终构型都能够适应多种障碍物。
论文作者
本文第一作者罗浩波是香港中文大学（深圳）理工学院一年级博士研究生，专业为计算机信息工程，研究方向涉及智能优化算法、图论、强化学习算法等，目前负责的研究内容为模块化自重构机器人的自重构算法和构型优化，其导师为林天麟教授。
本文通讯作者林天麟教授现为香港中文大学（深圳）助理教授，AIRS智能机器人研究中心主任， IEEE 高级会员。林教授的研究方向包括多机器人系统，现场机器人，软体机器人以及人机交互。
论文报告
