《Advanced Intelligent Systems》：Compliant Footpads Enable Terrain-Adaptive Hopping in a Monopedal Robot
编辑推荐：
单足跳跃机器人（monopedal hopping robots）在不连续地形上具有优异移动能力，但需要一致的足-地接触以维持支撑相动力学（stance-phase dynamics）并防止失稳。本工作提出一种轻量、柔顺足垫（compliant footpad
单足跳跃机器人（monopedal hopping robots）在不连续地形上具有优异移动能力，但需要一致的足-地接触以维持支撑相动力学（stance-phase dynamics）并防止失稳。本工作提出一种轻量、柔顺足垫（compliant footpad），用于增强跳跃机器人的地形适应性。该设计将由柔顺球铰（compliant spherical joint）支撑的平面足（planar foot）与嵌入刺（embedded spines）相结合，以实现自对准，并改善在不平或湿滑表面上的牵引。受控跌落测试（controlled drop tests）表明，该足垫在刚性、颗粒和软地形上保持支撑相动力学，同时减少滑移和陷困。室内轨迹跟踪（trajectory tracking）和室外实验验证了在草地、岩石小径、沙地和冻土上的可靠跳跃，表明一种简单而有效的柔顺带刺设计可显著扩展跳跃机器人在非结构化环境中的操作包络（operational envelope）。
论文解读：柔顺带刺足垫驱动的单足跳跃机器人地形自适应跳跃
腿足机器人能够在轮式或履带式车辆难以通行的复杂环境中移动，其依靠间歇、局部足-地接触承受较大冲击并保证稳定与牵引。足-地交互涉及动态载荷、摩擦力、地形柔顺性和表面几何的复杂耦合；表面连续性变化（如颗粒土）、不规则几何（如岩石和树根）和柔顺性变化可导致滑移、足部意外运动和潜在失稳。现有研究从控制与感知、机械设计及二者集成三方面应对：感知和强化学习可识别稳定落足点并动态调整步态，柔顺踝、自适应鞋底和驱动足趾等机械方案可改善接触稳定，触觉或本体感觉反馈可实时调节落足或接触力。但多数腿足机器人采用圆橡胶足，虽简单且在多种表面具有一致牵引，却易在不规则或低摩擦地形滑移。仿生足如羊/蹄启发足利用多点接触和被动柔顺增强岩石坡面抓握，人/假肢型踝机构可吸收能量并自对准，但多面向方向性载荷和特定步态。跳跃机器人具有突出机动性和越障能力，但单次滑移或异常反弹即可导致失衡，足设计更关键。自Raibert’s hoppers以来，单足跳跃机器人多采用硬地点足，该假设在自然基质上失效；垂直约束机器人和固定平足研究排除了滑移，无缆跳跃器的足设计也主要限于grouser型足垫。单足跳跃对足提出三项约束：支撑相（stance phase，足触地至离地阶段）通常短于100 ms，难以依赖主动感知反馈或机械驱动，足垫须完全依靠被动机械行为；大冲击力要求严格轻量，足端寄生质量会显著增加能量损失并降低跳跃效率，排除复杂假肢或四足踝组件；足还须提供均匀、全向牵引，因为跳跃器可在不同方向着陆和起跳，方向性蹄形或人启发足不适用。颗粒基质上的能量损失和地面反作用强依赖足面积与穿透深度，宽接触面优于点足；粗糙或稀疏基质上，节肢动物和机器人腿的硬刺可啮合凹凸并防滑，无需感知或驱动，但攀爬机器人微刺和方向黏附多处于准静态、方向性载荷，跳跃刺则须在单次冲击、任意方向和高腿力下工作。因此，研究人员提出一种轻量、机械简单的柔顺带刺足垫，将柔顺踝关节与平面足结合以适配不平或软地形，并嵌入刺以增强抓握；全向柔顺踝可在不同跳跃方向下保持支撑相动力学，刺则以极小附加质量提供牵引。
关键技术方法概括：设计平面足垫和带刺足垫，并以刚性踝作对照；在运动捕捉（motion capture）与惯性测量单元（inertial measurement unit, IMU）同步环境中开展受控跌落测试，覆盖地板垫、岩石、砾石和沙地，以离面误差、面内误差和回弹效率评价支撑相模型保持性；在岩石-砾石-沙地混合轨道开展室内轨迹跟踪；在铺装地面、草地、岩石小径、沙地和冻土开展户外跳跃，并以点足假机跌落作基准。
4.1 机器人平台与实验设置：研究使用385 g推力辅助单足跳跃平台，27 cm腿由碳纤维杆、低摩擦轴承组和六条弹性带预拉伸37.5 N构成，足垫经模块化球铰接口安装；通过运动捕捉与IMU同步记录六自由度运动并识别触地与离地时刻，为可重复测试建立基础。4.2 跌落测试：机器人在近垂直条件下从0.8–1.0 m释放，姿态控制器保持0°–15°着陆角且推力极小，每类地形与足型组合约50次，共12组；测试地形为地板垫、岩石、砾石和沙地，并另以刚性踝平面足在地板垫上作21次对照。4.3 性能指标：4.3.1 离面误差通过奇异值分解（singular value decomposition, SVD）拟合四个单位向量的最佳平面并计算平均角偏差；4.3.2 面内误差将向量投影至最佳平面后拟合θ
LD与φ
b、φ
v关系并取均方根误差（root-mean-square error, RMSE）；4.3.3 效率取起跳与着陆平动动能之比。由此量化式（1）所示支撑相映射是否保持。4.4 跌落测试结果：4.4.1 点足在地板垫上拟合良好、面内和离面偏差小于2°、效率81±6%，在岩石上k
v的RMSE为6.1°且效率降至56%，在砾石上误差相近但效率40±10%，在沙地上常穿透陷困、多数失败而无法拟合。4.4.2 平面足垫在各 地形上表现更一致：地板垫δ
b略小但效率76%，岩石效率提高至70%，砾石无穿透且误差略降、效率67%，沙地可实现成功反弹但大着陆角可能轻微滑移，效率与砾石相当。4.4.3 带刺足垫表现最稳定：地板垫效率72%，岩石牵引改善但效率66%，砾石误差更小且效率与平面足垫相当，沙地一致反弹而效率61%；全地形支撑相模型偏差最小、多数低于2°，硬地上较点足提高效率10–27个百分点，最佳k
b、k
v跨地形近一致而无需地形特定调参，175 g和375 g载荷测试结果相当。5.1 实验设置与流程：在2 m长、含岩石/砾石/沙地的轨道上，机器人沿1.7 m路径以0.65 m名义顶点高度连续跳跃，平面足垫取k
b=1.0、k
v=2.9，带刺足垫取k
b=1.0、k
v=3.1，假定支撑相效率0.75，并以指令与实际落点差异指示支撑相偏差。5.2 结果：点足三次均未能完成轨道，常在岩石滑移并在砾石和沙地损失能量而终止；平面足垫五次中三次完成，砾石和沙地明显改善但岩石大滑仍是主要失效模式，成功时落点RMSE为11.7 cm（起飞角误差2.6°）、高度RMSE为12.2 cm（0.188H），落点误差处于跌落测试范围且未见逐跳累积；带刺足垫三次均完成，落点RMSE降至9.4 cm（2.1°）、高度RMSE为13.5 cm（0.208H），在混合地形上轨迹跟踪可靠性最高。6.1 户外实验设置：使用总质量950 g、配备激光雷达（light detection and ranging, LiDAR）和机载计算机的同型平台，安装带刺足垫；另以加配重的点足假机在同高度和地点跌落作性能基准。6.2 户外跳跃结果：6.2.1 城市地形为平坦刚性地面，假机跌落行为可预测，点足在174跳、135 s、32.1 m中RMSE为19.0 cm，带刺足垫在188跳、150 s、34.6 m中RMSE为23.1 cm、略差；6.2.2 草地软且略不平，假机点足易刺入或卡住，带刺足垫以较大接触面积防止下沉并分散载荷，三次尝试共294跳、257 s、49.3 m，RMSE为21.1 cm；6.2.3 岩石小径高度突变且不规则，假机常卡石或滑移，带刺足垫以多接触点减小冲击角并提高牵引，两次尝试共120跳、102 s、15.3 m，落点RMSE为30.6 cm，并能从轻微滑移中恢复；6.2.4 沙地松散非黏结、挑战最大，假机多深陷，带刺足垫共180跳、164 s、34.3 m，RMSE为40.8 cm，滑移和漂移更明显且LiDAR估计退化可能贡献较大误差；6.2.5 冻土不平且低摩擦并伴有20–30 km/h强风，假机多滑，带刺足垫在99跳、83 s、22.9 m中未见可见滑移，落点RMSE为35.8 cm，顺风方向平均落点偏移至多20 cm，可能与未建模气动效应有关；各测试均实现超过80 s的持续运行，岩石和混凝土耐久测试后刺尖仅轻微磨损且未见明显性能影响。
讨论部分总结：研究强调柔顺与带刺设计的结合可在仅适度牺牲能量效率的情况下保持支撑相模型一致性并减小轨迹偏差；柔顺性必要，因为刚性踝即使在地板垫上也使支撑相偏差提高近一个数量级，超过柔顺足垫在岩石、砾石和沙地上的偏差；带刺足垫在硬地上相对点足提高效率10–27个百分点，且模型参数跨地形近一致、具载荷兼容性，有利于未知或变化表面上的实际部署。结论翻译：本工作证明，柔顺带刺足垫使机器人能够在包括软、不平和低摩擦表面在内的广泛地形上可靠跳跃。带刺设计保持支撑相模型一致性并减小轨迹偏差，以仅适度的能量效率折衷扩展地形适应性。柔顺性是必要的，因为刚性踝即使在地面上也将支撑相偏差提高近一个数量级，超过柔顺足垫在岩石、砾石和沙地上的偏差。未来工作将集中于对地形相关能量损失的实时适应。具体而言，研究人员旨在开发一种在线估计方法，对地面柔顺性及其对支撑相动力学的影响建模，从而允许自适应推力控制以在未知表面维持目标跳跃高度。额外工作将处理失败跳跃后的恢复策略以进一步提高现场鲁棒性，并探索软足垫材料作为增强牵引的替代手段。
