蘋果入局人形機器人，先做感知系統(tǒng)！還一次性用了40個激光雷達！

關(guān)于蘋果涉足人形機器人領(lǐng)域的傳聞早已甚囂塵上。近日，該公司確實有新動作——研發(fā)了一套名為ARMOR的新型以自我為中心的機器人感知系統(tǒng)。ARMOR系統(tǒng)的創(chuàng)新之處在于采用分布式感知方案。研究團隊在機器人的手臂和手掌上戰(zhàn)略性地布置了40個小型ToF激光雷達傳感器，每邊手臂20個。這些傳感器體積小巧、成本低廉、功耗低，讓機器人獲得了類似人類皮膚般的全方位感知能力，最大程度減少了盲區(qū)，大大提升了運動規(guī)劃和避障效果。

軟件方面，蘋果開發(fā)了一個基于Transformer的AI驅(qū)動ARMOR-Policy，能夠從人類動作中學(xué)習(xí)，幫助機器人動態(tài)規(guī)劃行動。

研究結(jié)果令人驚喜。與使用四個頭戴式及外部安裝的深度攝像頭（外心感知）的傳統(tǒng)法案相比，ARMOR系統(tǒng)使碰撞降低了63.7%，成功率提高了78.7%。與基于采樣的運動規(guī)劃專家系統(tǒng)cuRobo相比，ARMOR-Policy讓碰撞減少31.6%，成功率提高16.9%，計算延遲降低26倍，大大提高了機器人的機動性。

研究團隊還通過在傅利葉GR-1人形機器人上部署28個ToF激光雷達，實現(xiàn)了15Hz的實時軌跡規(guī)劃和避障控制，實際驗證了ARMOR系統(tǒng)在真實環(huán)境中的應(yīng)用可行性。

當(dāng)前，傳統(tǒng)人形機器人通常依賴頭部或軀干安裝的集中式攝像頭和激光雷達進行環(huán)境感知，這種方式雖然易于集成且能提供較好的視野范圍，但在手臂和手部區(qū)域常常存在嚴重的遮擋問題。

ARMOR系統(tǒng)，提供了一種創(chuàng)新的硬件和軟件整合設(shè)計。

與集中式RGBD攝像頭一次性捕捉密集幀中的全部細節(jié)不同，研究團隊選擇了SparkFun VL53L5CX飛行時間（ToF）激光雷達作為基礎(chǔ)傳感單元，將稀疏感知分布在多個傳感器上，形成“以自我為中心的感知”。

該激光雷達傳感器尺寸僅6.4×3.0×1.5毫米。單個激光雷達可以以15Hz的頻率(特定配置下最高30Hz)采集8×8分辨率的深度圖像，對角視場角63°，探測范圍4000毫米。

研究團隊在機器人的每個手臂上布置了20個這樣的激光雷達，共計40個激光雷達形成分布式感知網(wǎng)絡(luò)。 每4個激光雷達連接到一個XIAO ESP微控制器，通過I2C總線進行數(shù)據(jù)讀取，再通過USB傳輸?shù)綑C器人的板載計算機（Jetson Xavier NX），最后無線傳輸?shù)脚鋫銷VIDIA GeForce RTX 4090 GPU的Linux主機進行處理，確保整個系統(tǒng)能夠維持15Hz的刷新率。 ARMOR不僅在硬件上實現(xiàn)了創(chuàng)新，其基于深度學(xué)習(xí)的避障策略同樣亮眼。研究團隊基于Transformer架構(gòu)開發(fā)了ARMOR-Policy，讓機器人能夠快速高效地規(guī)劃無碰撞軌跡。

該策略的核心是一個條件生成模型，它可以基于當(dāng)前關(guān)節(jié)狀態(tài)、目標位置、ToF激光雷達觀測值以及潛變量z來預(yù)測未來的動作序列。網(wǎng)絡(luò)采用了類似ACT(Action Chunking Transformers)的編碼器-解碼器結(jié)構(gòu)。 為了訓(xùn)練智能避障策略，研究團隊使用了AMASS數(shù)據(jù)集中的311922個人類真實運動序列（約86.6小時），這些數(shù)據(jù)包含了各種相關(guān)的人類姿態(tài)，如操作、舞蹈和社交行為等。

研究團隊將這些人類動作軌跡重定向到機器人的關(guān)節(jié)配置上，并在軌跡周圍生成緊湊的障礙物，確保軌跡本身不發(fā)生碰撞。 訓(xùn)練數(shù)據(jù)的生成采用了三種策略：避障運動、緊急停止和無碰撞運動。

ARMOR-Policy的網(wǎng)絡(luò)架構(gòu)設(shè)計考慮到了運動規(guī)劃可能存在多個有效解的特點。通過引入額外的編碼器層來推斷潛在變量z，使策略能夠通過調(diào)整z生成不同的運動軌跡候選。 在推理階段，系統(tǒng)會并行計算N個候選軌跡，并通過最小化機器人與點云之間的距離來選擇最優(yōu)路徑。網(wǎng)絡(luò)輸入包括潛在變量z、當(dāng)前和目標關(guān)節(jié)位置（28維向量），以及40個ToF激光雷達傳感器的深度圖像數(shù)據(jù)。

深度圖像通過修改后的單通道ResNet18骨干網(wǎng)絡(luò)處理，提取512維特征。整個網(wǎng)絡(luò)架構(gòu)包含約84M參數(shù)。 實驗驗證顯示，ARMOR系統(tǒng)在多個方面都優(yōu)于現(xiàn)有方案。

據(jù)彭博社爆料，蘋果正在尋找其“下一個重大項目”，機器人正是其關(guān)注的領(lǐng)域之一。

研究團隊計劃在后續(xù)工作中進一步拓展ARMOR的應(yīng)用場景。特別是在復(fù)雜的靈巧操作任務(wù)中，分布式的近距離感知有望幫助機器人實現(xiàn)更精確的動作控制。此外，這種類似人類皮膚的感知方式，也為實現(xiàn)更自然的人機交互開辟了新的可能。

ARMOR也為人形機器人的發(fā)展提供了新的思路。它展示了分布式感知和深度學(xué)習(xí)結(jié)合的潛力，也證明了從人類生物特征中汲取靈感的價值。通過模仿人類皮膚的分布式感知方式，ARMOR讓機器人獲得了更全面的環(huán)境感知能力，為實現(xiàn)更智能靈活的機器人控制奠定了基礎(chǔ)。

參考來源：https://arxiv.org/pdf/2412.00396v1；https://x.com/Dr_Singularity/status/1873374876867723435；量子位；機器人大講堂。

來源：激光雷達老炮兒