导航 : EXPO21XX> Automation21XX> H05大学机器人学研究洛桑理工学院
洛桑理工学院
视频播放
加载播放器
  • 提供配置文件
  • 智能系统实验室
    智能系统实验室指导Dario Floreano侧重于开发机器人系统 和人工智能方法 启发自组织生物原理当前,我们处理三大关联研究领域

    飞机器人

    人工进化

    社会系统
产品组合

  • 移动机器人研究项目

  • 生物启发视觉微飞

  • 取生物系统启发增强闭塞环境机器人导航自主

    项目的目标是开发控制策略并神经变形芯片For自主微飞容得下闭塞区或闭塞区导航房子或小楼环境视觉用为主要信息源.

    在这种环境中飞行意味着高空GPS无人驾驶飞行器中找不到的若干挑战内含小尺寸并慢速度可操作性轻权保持机载低耗电子学智能感知控制.我们相信神经形视觉芯片和生物启发控制策略极有希望方法解决这一挑战

    项目沿三大紧密集成研究方向展开:

    室内微飞机机电算法(Adam Klaptocz,EPFL);
    神经变形视觉芯片(Rico Möckel,INI);
    昆虫启发飞行控制策略

    计划取飞昆虫启发都用于设计视觉芯片 并选择控制架构反之,为设计微飞机,我们打算开发创新解决方案并改进现有微型直升机和微空机

    最终目标是通过测试微飞机中的理论和神经生理模型,更好地了解在有限环境中飞行所需的最起码机制与策略集

    10克微飞机自主飞入7x6m测试场

    持续实验的目的是展示10克微飞机自主方向盘(MC2)方格室,墙上有各种纹理(Holodeck)。先用传统线性摄像头实现后再移向aVLSI传感器

    • 艺人视图项目

    • 微飞器

    • MC2基础微链5克起居板由IDEL制作,配有4毫米适配电机(a)磁场内两个驱动器(b)控制舵和电梯(b).当安装自主导航所需的电子设备时,总重达10克自定义电子程序由微控制器板组成(c)PIC18LF4620运行32MHz,蓝牙无线电模块(参数监控)和2摄像模块,由CMOS线性摄像头(TSL3301)和MEMS速率gyros(ADXRS150)组成摄像头模块d)面向前向并用速率陀螺旋转,主要用于避免阻塞第二摄像头模块(c)面向向下向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向向每一摄像头有102灰度像素,遍面120度为了测量其飞速,MC2还配有电容计e)由免费螺旋桨和声波传感器组成电磁计置入非主螺旋(a).ithium聚合电池f)保证自主约10分钟

  • 模拟遗传编码
    复杂模拟网络进化合成反向工程

  • 模拟网络综合反向工程被公认为知识密集型活动,其中系统化技术少之又少鉴于模拟网络的重要性和广度,开发能处理这两个问题的自动技术引起了实实在在的兴趣。进化方法似乎是实现此目标最有希望方法之一

    模拟基因编码新方式表示并进化模拟网络模拟遗传编码的遗传表示受生物遗传管理网络工作启发象基因管理网络一样,模拟基因编码使用隐式表示组成网络的设备之间的交互作用其结果产生基因组紧凑和非常容留基因组重组,从而允许基因操作符应用超出基因算法常用的突变和交叉操作符简单操作符特别是模拟基因编码允许操作者应用复制、删除和移位基因组片段,这些片段被认为是生物生物机进化和复杂化的基础生成进化系统显示模拟网络进化合成和逆向工程最新性能

    • AGE基因组

    • GEG基因组由数字符串组成(称为染色体),取自有限遗传字母实验者定义设备集,指向可显示网络的设备类型以合成模拟电子路为目的的进化实验设备集可装几类晶体管,而以合成神经网络为目的的进化实验设备集可装几类人工神经元模型实验者还指定各种设备终端数二极晶体管有三个终端,电容电站有两个终端,人工神经元可指定为有一个输出终端和一个输入终端GEG基因组中包含一元设备,从基因组解码网络中出现,图中显示

    • 解码AGE基因组

    • 模拟基因编码规定基因组区域对应设备及其终端和参数,方法为集合我们称符号的具体字符序列单个设备令牌由实验者定义设备集的每个元素设备令牌信号组分片启动 编码对应设备实例实验者还定义终端令牌,该令牌划分与终端相联字符序列基因间交互用设备交互映射I表示,该图转换二维字符序列并联通二维设备终端,并成数字值以描述连接二端链接的特点最终结果为模拟网络解码基因组,动画显示

  • 增益器:嵌入式通信代理

  • 讲义者组织是一个跨学科欧洲研究项目其目标是加深理解通信作用集装定位代理物(实测机器人和模拟机器人)项目涉及不同领域的人,如计算机科学、机器人学、生物学、物理和数学

    微信项目

    我们的工作侧重于通信的先决条件,这些先决条件需要到位后,装饰代理方才能启动复杂通信系统取决于代理物复杂性、环境复杂性和代理物集任务复杂性

    人工进化寻找通信神经网络的出现 并以此作为代理控制机制

    具体地说,我们正在探索下列先决条件:
    • 动态环境代理物应该寻找食物,但食物布置和食品解剖学,如颜色,是动态的世界上一些潜在的食物源为“良好”,但另一些则为“坏”。代理商需要探索并向其他代理商报告发现情况,以便最大化群健
    • 遗传关联度和层次选择同质组表现优异异组个人或集团选择更好吗?能否从不同实验中找到一条通则 涉及不同任务和环境动态这项工作与EvoAnts项目协作完成
    • 神经网络架构点向何点,没有隐藏层是否有必要平衡传感器模式权重(预处理视觉多像素)内存(递归神经元)强制吗?if yes, 数组关系
    • 通信媒体结构介质充裕吗?是否需要有不同特性的不同渠道(像声音和视觉)本地通信强制性吗?

    代理商S-Bots创建 Swarmbot项目模拟版和真版都使用

    进度

    并用虚拟机器人Enki探索分析通信陷阱数个起始条件、神经架构和演化条件

    将实验移植到实机

    我们还在探索什么机制为信号演化提供畅通路径

    为了进行实验,我们已经开发出快速二维模拟器和进化框架两者均开源

    • s-bots

    • sbots直径12cm高度15cm并拥有2Lilon电池,约一小时自主性四百兆赫定制XscaleCPU板64M内存32M内存处理使用,十二台分布式微控制器低级处理
    • 微博开工左方:四个条件测试
    • 微博开工右方:四个案例平均性能和不通信比较
    • 微博二叉左传食物信号策略
    • 微博二叉右传毒信号策略

  • Swarm-bots项目

  • 这个项目的目标是研究新设计方法测试并使用自组装能力、自组织能力以及机器人系统变换能力SWARM-BOTS这种方法的理论根基取材于最近群情研究,即社会动物显示自组织自组能力研究(见图1)。

    项目的一个重要部分是物理搭建至少一群机器人,即自组装自组织机器人聚居区,由数小设备组成(30-35)称sbotsi-bot完全自主移动机器人能执行基本任务,如自主导航、对周围环境感知和抓取对象s-bot还被认为能够与其他同级单元通信并硬或灵活地连接在一起,从而形成sarm-bot群生机器人应能够在非常粗糙的地形上执行重物体的探索、导航和运输工作,特别是当单机在单机实现任务方面有重大问题时。硬件结构与分布式自适应控制架构相结合,启发蚁群行为

    s-bot图2和3显示从中可以看出,移动由轨迹系统保证每一轨迹都由电机控制,机器人可以在环境中自由移动并当场旋转

    轨迹允许S-Bot甚至在中度粗糙地形移动,更复杂状况则由sarm-Bot配置处理

    带轨迹的马达基地可乘机动轴旋转主体

    S-Bots可连接二类物理互连性:硬性或半软性

    twobots之间的硬连接由安装在横向主动轴上的抓取器实现抓取器拥有大面积接受区,可稳妥地从任何角并提升(如有必要)另一S-bot

    半弹性连接用软臂激活3马达安装在主体绑定点三度自由允许手心垂直移动 并扩展并反转

    s-bots使用僵硬灵活连接方式可组成sarmbotss,sm-botsssd或2D结构可弯曲并取3D形状

    硬软连接在swarm-bot功能方面起辅助作用硬联通主要用于形成硬链路,如图5所示,这些链路必须穿透大漏洞

    柔性连接适应配置,即每个机器人在结构内仍可保持自身运动性swarm-bot当然也可以有混合配置,包括硬接通和软联通,如图4所示

    群机器人的潜在应用包括半自动空间探索、搜救或水下探索等

    我们现在有两种功能原型正在研究行为 使用单机器人 或多机器人

    软件方面, XSACL处理器板使用无线enet运行Familiar/GNU/Linux

    模拟行为很容易移植到实机上

    • Swarm机器人

    • sbots直径12cm高度15cm并拥有2Lilon电池,约一小时自主性四百兆赫定制XscaleCPU板64M内存32M内存处理使用,十二台分布式微控制器低级处理
    • 图1 S-bot原型
    • 微博左键:硬连接可用组成链路并传递大屏障和大漏洞
    • 微博右键:Swarm机器人配置传递大空格

  • 眼机器人
    成群室内飞机器人与成群脚机和手机协同操作

  • 导 言

    Eyebot是自主飞行机器人,拥有强大的感知通信能力,在人工环境中搜索、监控和寻路Eyebot像蜜蜂那样以群态运行,高效探索人工环境,定位预定目标并引导其他机器人或人(图1)。

    Eyebots是Swarmanoid的一部分,Swarmanoid是一个欧洲研究项目,旨在开发多轮子群、爬山群和飞机器人,执行通常分派给人形机器人的任务。眼机器人在Swarmanoid内服务视像并引导其他机器人更简单感知能力

    眼机器人也可以自己部署在人工环境查找需要帮助、可疑物体或危险化学物迹的人类编程性结合个体学习和群情化 快速适应几类可能对人类构成威胁

    眼机器人目前正在EPFLLLIS开发技术文件发布后 立即发布到网站
    • 图1左侧:Eyebot-对机场使用眼机器人的艺术感知
    • 图1右侧:Eyebot-艺术感知市房使用眼机器人

  • 自部署微滑翔机
    开发混合机器人飞行器,可自部署入空并实现目标定向滑动

  • 滑动飞行强力-克服阻塞和从A到B

    可应用到微型机器人中,作为一种多功能易用运动法开发棕榈小型滑翔机 拥有从地面或墙上部署能力 并开机翼 恢复空中几乎每个位置 并实现后续目标定向滑翔

    自然是启发如何高效完成这项任务的潜在源头动物王国中,许多小动物能够跳跃、快速运行或从树上下降进入空气空气传播后,它们会主动或主动恢复并稳定并实现向空下降目标(例如滑动青蛙、飞虎、滑动蜥蜴、蝗虫、板球、飞松鼠、滑动鱼、滑动蚁等动物不使用稳态滑动,但在飞行期间动态改变速度和角攻击优化轨迹以增加滑动比或点土地同样的原理对小飞行器也可能有利

    实现有效部署微滑翔机路径的关键问题如下:(一) 被动稳定性、可操作性与最大滑动比之间的权衡;(二) 低Reynolds数(<10'000),增加边界层效果的影响并使得传统和已知大规模空气动态无法应用;(三) 恢复和飞航期间不定动态控制

    工作进展处理这些方面嵌入式机制从地面或墙向空中自主部署将在下一阶段考虑。

    • 小型7g跳机

    • 跳转可高效运动模式小机器人克服大阻塞和自然粗糙地形旅行第二步实现自部署微滑翔机, 我们介绍新奇5cm7g跳跃机器人的开发与特征描述高达24倍自身大小并优于现有跳跃机器人四条链路系统使用弹性元素 允许极强跳动调整跳动力

    • 1.5gSMA启动微滑翔机寻找光

    • 向探索滑动作为微型机器人替代或辅助运动原理的第一步,我们开发出1.5g超轻微滑翔机配有传感器和电子设备实现光学统计(飞向光线),可视之为最小控制自主度描述机器人自主操作特征, 我们开发出实验搭建程序 由发射装置和光源组成 定位于下方1m4m对36个自主航班的统计分析显示它飞行和摄影集效率

  • 人体感知
    可自适应穿戴设备监测睡眠和防止疲劳

  • 法蒂格是当今世界压力和事故的主要来源,但没有客观方式监控和防止疲劳积聚

    沉睡和休眠期是调节疲劳开始的主要因素,但不是唯一的因素。在此项目中,我们先开发非侵入性可穿戴设备,用于监控睡眠和休眠阶段

    与沉睡和休眠有关的机体信号因人而异,因此设备整合学习技术自自主机器人工作改编允许设备自调用户

    沉睡/休眠设备输出后将嵌入疲劳模型中,该模型还考虑体内其他信号并适应用户风格和生理学

    机师在整个飞行期间必须保持警惕,可耗时5天零夜。设备可用于预测飞行员疲劳症并计算最优休息时间,总能计及任务状态
    • Pilot Donna-body感知学艺术感知
    • 太阳脉冲平面飞上EPFL校园

  • 活动视觉项目

  • 主动视觉特征选择演进

    显示主动视觉特征选择并发可大大降低生成特定视觉性能所需的计算复杂性主动视觉是相接交互过程 选择分析视觉场景特征选择代之以开发对视觉场景相关特征的敏感度系统有选择响应每一个过程都以机视方式调查和采纳主动视觉和特征选择组合基本尚未探索

    实验中行为机装有原始视觉系统 视觉神经元和运动神经元直接路径进化描述三组实验应用该方法,即形状辨别、汽车驾驶和机器人导航显示这些系统开发敏感度 多面向视物边框、角角、高度和行为编程敏感度用于定位、带并保留视觉系统特定区域这些特征,相似策略观察简单昆虫

    主动视觉接收场开发

    并调查进化移动机器人主动视觉内可接收域的人工开发与前工作形成对比的是 接受字段和行为综合权值 基因编码并同时进化, 此处接受域综合权值开发 个人生命中在这些实验中,行为能力和可接受域分两种不同的时间尺度发展,即植物遗传学和原子遗传学进化实验以物理模拟方式进行,进化控制器在室外环境物理机器人上测试

    神经结构可视觉可塑性自由运动行为系统也允许我们探索活动体运动在视觉系统形成中的作用更具体地说,我们研究视觉可容域开发以及机器人在主动和被动运动条件下的行为显示机器人在主动状态下开发的可接受领域和行为与被动状态下开发大不相同一组分析显示,主动条件开发的可接受域一致性在机器人性能中起着重要作用。

    全方向主动视觉

    全向摄像头是一个相对较新光学设备,提供360度视图场,并在许多实用应用中广泛使用,包括监视系统与机器人导航多数应用视觉系统统一处理整幅图像,当需要详细信息时计算成本昂贵在其他例子中,焦点由设计师或用户为特定用途确定换句话说,系统不允许自由与环境交互并有选择地选择视觉特征

    反之,所有脊椎动物和多昆虫 -- -- 即使是大视场 -- -- 都与小区分享可引导目光,这意味着他们被迫在任何时间从广阔视觉场选择必要信息生存顺序交互过程选择分析视觉场景中行为相关部分被称为主动视觉

    在此项目中,我们探索全向主动视觉:连同全向摄像头,方形人造视网膜可立即访问任何方向的任何视觉特征,常规泛平台摄像因机械约束而无法访问人工视网膜在如此宽广的视野中选择行为相关特征是极具挑战性。

    3D定位导航

    主动视觉可能有助于执行标志式导航,而标志式关系需要主动扫描环境开发神经系统控制视觉和行为 移动机器人配有板/板相机 以便它能辨别视觉模式并到达目标区文章使用实验搭建要求机器人主动向视线方向移动并随时间整合信息以完成任务显示进化机器人可相继检测相异特征并区分空间关系昆虫基于标志导航的趣味假设取自当前结果

  • SMAVNET项目
    升温微空车网络通信中继

  • 大图片

    SMAVNET项目旨在开发成群飞机器人,可部署到灾区快速建立援救者通信网络飞机器人对应用感兴趣,因为它们速度快,很容易克服地形困难,并受益于视觉通信

    为使空中升温成为现实,机器人和控制器需要尽可能简单化

    从硬件角度讲,机器人设计强健安全、轻量和低价此外,协议和人群界面开发允许非专家方便安全操作大组机器人

    从软件角度讲,控制器允许飞机器人协同工作机器人对邻接机器人或援救者无线通信反应(通信行为)使用通信传感器很有趣,因为大多数飞机器人通常配有现成无线电模块,这些模块成本低、重量轻并相对远程此外,这一策略减轻所有现有航空群算法所需的位置需求,并通常需要使用依赖环境传感器(GPS摄像头)或贵重传感器(激光雷达)。

    • 机器人

    • 飞机器人专为安全、廉价快速原型航空群实验设计

      光重(420g,80cm翼盘)由扩展聚丙烯制成,背部安装电动机,两片控制面起叶梯作用(并用aielons和el梯子)。机器人用LiPo电池运行并自主30分钟装配自动机控制高度、飞速和转速嵌入自驾驶器的微控制器运行最小化控制策略,基础只有3个传感器输入:一个陀螺仪和2个压力传感器

      Swarm控制器由Toradexclibri PXA270 CPU操作Linux连接到现成USBWiFidgle即期望转速率、速度或高度等控制器输出作为控制命令发送自动驾驶

      为了记录飞行轨迹,机器人还配有uboxLEA-5HGP模块和Zigbee传输器

    • Swarm算法

    • 设计群控制器通常具有挑战性,因为个体机器人行为与全群突发行为之间没有明显的关系正因如此,我们转向生物启发

      第一种方法使用人工进化潜力自动发现简单异想机器人控制器好进化控制器后反向设计,以捕捉手设计控制器进化所发现简单高效的解决方案,这些进化器易理解并可建模产生控制器可可预测地适应各种假设此外,还可以扩展以适应全新应用逆向工程控制器显示各种行为,如探索、同步、面积覆盖和通信中继

      第二种方法从蚂蚁中取用启发力,这些蚁群可最优化地部署搜索并维护光素路径,通向自然食物源类似SMAVNET救援人员通信路径部署和维护

    • Swarm搭建

    • 使用10架飞机进行实验所有必要软件和硬件均在项目范围内开发据我们所知,这一搭建是迄今为止飞行机器人户外操作最多的搭建

      快速部署大群时,群运算符输入量必须最小化至机器人标定、测试和飞行所有阶段(启动、升温、登陆)。因此,机器人可靠性、安全性和自主性必须推向最大值,以便操作者可以方便地在没有安全飞行员的情况下执行实验机器人自标自验后由运算符启动机器人可以通过单机群界面运行来监控

      操作安全这一关键问题已通过轻度低因果平台设计以及通过软件安装数个安全特征解决。除其他外,我们用局部通信链路和机器人飞行高度商谈避免中空碰撞通过向瑞士联邦民航局提供地面撞击和中空碰撞风险分析,我们获得了测试场超视线群作业的官方授权

  • 生物启发视觉飞机器人
    应用生物启发方法室内飞机器人自主视觉导航

  • 机器人视觉开通问题 如何高效实时使用 通过受体收集的大量信息计算机视觉主流方法基于预处理序列、切分法、物体提取法和模式识别单图像对行为系统来说不可行,而行为系统必须在环境里快速响应。轻量级视觉系统适应环境简单特征将有利于行为和强健自主性

    在此项目中,我们探索一种方法,即强视行为从数维运动组件协调中产生,这些组件可直接将简单视觉特征连接到运动命令中。生物启发取自昆虫视觉,进化算法用于进化高效神经网络生成控制器选择、开发并开发面向特定环境、机器人形态学和行为相关信息定制的回文机组件

    进化神经网络视觉导航

    故事从非飞机器人开始Floreano等显示进化神经网络控制Khepera平滑视觉游荡场的能力(2001年)最优秀个人能非常可靠地向前移动并避免墙壁复杂地面机器人比飞行设备简单得多,我们正在探索该方法是否可以扩展至飞行机器人

    • 进化应用物理飞机器人:Blimp

    • 演化航空机器人带来新挑战主要问题开发乘机控制系统轮式机器人(1)扩展至三大维度,(2)无法通过电缆通信计算机,(3)难以定义和测量性能,(4)复杂动态举例说,Khepera控制速度,Blump控制推力(高速衍生物)并可以滑行侧路惯性与空气动力作用人工进化法是一个大有希望的方法 自动开发控制系统 复杂机器人, 但它需要机器 能够长时移动
    • 需求引导我们开发Blimp2图片机上所有电子组件都连接到带无线连接台式计算机的微控制器双向数字通信台式计算机由蓝牙广播模块处理,允许超过15米范围能量由Li-Polly电池提供,该电池正常运行超过3小时,与goevo演化运行期间使用简单线性摄像头连接前方我们目前正在研究其他微机类嵌入式传感器有健康评价表、Yaw旋转速度估计MEMS陀螺仪和高度测量距离传感器

    • 最终目标:自主视觉室内平面

    • 为了进一步展示这个概念,我们选择室内慢飞板为适配测试台,因为需要快速响应、低功耗和极轻设备室内飞行的可能性简化实验方式,避免风效应和依赖天气并允许按需修改视觉环境新模型F2(图示左侧)有以下特征:双向数字通信蓝牙30g80cm翼宽度20分钟以上自主性、1.1m/s最小飞行速度、7x7米最小飞行空间、2或3线性摄像头、1gyroaxaxa
      关于Blimp型飞机,这种飞机略快并多2度自由(pitch滚动和滚动)。此外,无法进化成室因此,我们正在开发机器人飞行模拟器(见下文)。物理和模拟室内慢页与goevo兼容

      使用光流非演化方法的初始实验已经展开,展示视觉屏障避免法,30克飞机以2ms/s飞行(模型F2见左图片)。实验环境为16x16m竞技场,配有纹理墙
      平面行为受苍蝇行为启发(见Tammero和Dickinson,Journal实验生物学205,pp.327-343,2002年超光机主要直飞,同时使用陀螺信息反扰动并保持方向前向光流扩展超过固定阈值时,它会启动塞卡德(快速转动),它由预定义数列电机命令组成,以便快速转离屏障(见下视频)。方向(左或右)选择从经历高光流(对近对象对应)的侧向转开
      双横向线性摄像头安装在翼前端,以向嵌入式8位微控制器运行的光流估计算法提供素养标题控件包括避免阻塞真正自主性,运算符则仅通过摇杆和蓝牙通信链路控制飞机高度
      至今,30克机器人可飞4分钟以上免碰撞,而无人干预其航向仅有20%时间从事编程工作,表示平面总直飞轨迹,除非离墙非常近时除外。4分钟内 空机生成50分卡 并直运动约300米

    • 机器人飞行模拟器

    • 以 Webots4 为基础的飞行模拟器帮助加速演化运行并快速测试新思想OpenGL和ODE(开放动态引擎)Webots4能够精确模拟三维运动并产生物理效果,如重力、惯性、冲击和摩擦浮游动模型包括浮力、拖动、Coriolis和加质特效webots官方分发模型简化示例至今为止,我们能够显示模拟Blimp2b与其物理对应方(见下方电影)在与goevo进化时的极佳行为对应关系

      写作时 正在开发一个简单模型 室内慢飞进化模拟使用 最佳演化控制器 组成小群进化神经控制器转移效果不好, 因为模拟页数和物理页数的差值可能相当大。这个问题很可能通过演化像Hebbian语类可塑性处理,我们已经显示支持快速自适应变化环境Urzelai和Floreano,2000年