今天，我們將介紹一款專為控制 Mercury X1 和 Mercury B1 機械臂而設(shè)計的創(chuàng)新外骨骼。這種外骨骼以人類手臂的結(jié)構(gòu)為藍本，可實現(xiàn)直觀和精確的控制。
開發(fā)這種外骨骼的動機源于人們對深度學習和機器學習等領(lǐng)域日益增長的興趣。這些技術(shù)使機器人能夠自主學習和執(zhí)行人類任務(wù)，例如折疊衣服或做飯。為了實現(xiàn)這些功能，必須收集大量數(shù)據(jù)，并且必須采用一種便捷的方式來控制機械臂。設(shè)計這種外骨骼的主要目標是滿足這一需求。
項目硬件介紹
大象機器人 Mercury X1
M5Stack ESP32 基礎(chǔ)核心物聯(lián)網(wǎng)開發(fā)套件
NVIDIA Jetson Orin Nano 開發(fā)者套件
ROS 機器人操作系統(tǒng)
Elephant Robotics myCobot Pro 自適應(yīng)夾爪
產(chǎn)品介紹
Mercury X1
Mercury X1 由 Elephant Robotics 開發(fā)，是一款先進的人形機器人，旨在處理各種自動化任務(wù)。它擁有 19 個 DOF（每臂 7 個 DOF），在手術(shù)過程中提供了卓越的靈活性和適應(yīng)性。Mercury X1 采用由高性能直驅(qū)電機驅(qū)動的輪式移動底座，確保在復(fù)雜環(huán)境中穩(wěn)定移動，電池續(xù)航時間長達 8 小時。Mercury X1 配備了由 NVIDIA Jetson Xavier 提供支持的高性能主控制器系統(tǒng)，支持視覺測距、傳感器融合、定位和建圖、障礙物檢測和路徑規(guī)劃的復(fù)雜算法。移動底座配備了 LiDAR、超聲波傳感器和 2D 視覺系統(tǒng)，可實現(xiàn)高度感知的環(huán)境交互。

外骨骼
這款創(chuàng)新的外骨骼專為遠程控制和數(shù)據(jù)收集而設(shè)計。其結(jié)構(gòu)由 2 個以人體解剖結(jié)構(gòu)為藍本的手臂組件組成，并與 Mercury X1 的雙臂運動結(jié)構(gòu)保持一致，可以精確模仿人類手臂運動。中心嵌入了一個 M5Stack Basic 模塊，作為主控單元，提供強大的計算能力和靈活的接口。外骨骼旨在提供舒適的佩戴體驗，同時確保高精度的運動跟蹤和數(shù)據(jù)收集，以支持機器人操作和機器學習訓練。
開發(fā)挑戰(zhàn)
初始設(shè)計限制
第一代外骨骼安裝在操作員的肩膀上。雖然這種設(shè)計看起來很有效，但在實際操作中被證明很麻煩。用戶必須顯著抬高手臂和肘部才能正確控制 Mercury X1，從而導致不適和效率低下。
電源和連接問題
初始版本需要直接連接到充電器，因此需要三到四根電纜連接到設(shè)備。這種設(shè)置創(chuàng)造了一個錯綜復(fù)雜的工作空間。
操作員疲勞
使用外骨骼的物理壓力在操作僅 5 分鐘后就變得明顯，導致用戶迅速疲勞。這些缺點突出了進行大量升級的必要性，并導致了改進版本的開發(fā)。
最新升級
我們目前的設(shè)計已經(jīng)解決了之前的大部分痛點。新的外骨骼具有懸掛在胸部前方的手臂，并通過中心桿連接，確保兩側(cè)之間的平衡。以前對外部電源的依賴已被中央 M5Stack Basic 模塊中的內(nèi)置可充電電池所取代。這消除了對多個拖曳充電器的需求，從而顯著減少了雜亂。現(xiàn)在，只需一根電纜即可將 M5Stack Basic 連接到 Mercury X1，從而高效傳輸數(shù)據(jù)并簡化設(shè)置。
實現(xiàn)細節(jié)
● 操作系統(tǒng)：Ubuntu 20.04
● 編程語言：Python
● 使用的庫：pymycobot、threading、time、serial
該程序的工作原理是從外骨骼上的磁性編碼器讀取數(shù)據(jù)，將電位值轉(zhuǎn)換為機械臂可以解釋和執(zhí)行的角度。盡管代碼不到 100 行，但該程序?qū)崿F(xiàn)了控制機械臂的基本功能。

def read_data():
    while True:
        try:
            # read left robot data
            ser.write(hex_array_l)
            time.sleep(0.01)
            count = ser.in_waiting
            data = ser.read(count).hex()
            tim = time.time()
            #print("l:"+data+","+str(tim))
            if len(data) == 84 and data[0:2] == "d5" and data[-2:] == "5d":
                for i in range(7):
                    data_h = data[8 + i * 10: 10 + i * 10]
                    data_l = data[10 + i * 10: 12 + i * 10]
                    encode = int(data_h + data_l, 16)
                    # l_angle_list[i] = (encode - 2048) * 180 / 2048 if encode != 2048 else 0
                    if encode == 2048:
                        angle = 0
                    elif encode < 2048:
                        angle = -180 * (2048 - encode) / 2048
                    else:
                        angle = 180 * (encode - 2048) / 2048
                    l_angle_list[i] = angle
 
                button = bin(int(data[-10: -8]))[2:].rjust(4, "0")
                l_atom_list[0] = int(button[1])
                l_atom_list[1] = int(button[2])
                l_atom_list[2] = int(data[-6: -4], 16)
                l_atom_list[3] = int(data[-4: -2], 16)
                print("Left Arm Angles:", l_angle_list)

基于此基本設(shè)置，可以記錄特定運動期間的關(guān)節(jié)參數(shù)并用于訓練機器學習模型，從而有助于為后續(xù)算法開發(fā)收集有價值的數(shù)據(jù)。
展望
展望未來，我們設(shè)想通過觸覺反饋和自適應(yīng)運動算法等高級功能來增強外骨骼，以進一步彌合人類控制和機器人精度之間的差距。這些改進將為操作員提供更身臨其境的體驗，提供實時傳感反饋，并允許在操作過程中進行更直觀的調(diào)整。此外，我們計劃擴展外骨骼的兼容性，以便與更廣泛的機器人平臺配合使用，從而在制造、醫(yī)療保健和研究等各個行業(yè)實現(xiàn)更廣泛的應(yīng)用。這一進展將支持更廣泛的數(shù)據(jù)收集，并促進可以處理日益復(fù)雜任務(wù)的協(xié)作人機系統(tǒng)。