世界盃正激烈著開展著，雖然中國沒能參加大力神杯，世界盃還是很值得我們期待的。現在機器人越來越智能化，說不定以後機器人會替代者我們人類參加比賽！這也不是不可能的，這不，本田就研發出來了一個可以踢足球的機器人，而且可以幫忙幹活的機器人！
下面就是有這麼一款機器人就很適合踢足球，它就是本田機器人：ASIMO。高1.3米，體重48公斤。它的行走速度是0-9km/h。它可以行走自如，進行諸如“8”字形行走、下臺階、彎腰等各項“複雜”動作。此外，ASIMO還可以握手、揮手，甚至可以隨著音樂翩翩起舞。除具備了行走功能與各種人類肢體動作之外，更具備了人工智能，可以預先設定動作，還能依據人類的聲音、手勢等指令，來從事相應動作，此外，他還具備了基本的記憶與辨識能力。
既然它有那多的功能，那我們就來介紹一下它身上引用那些技術與功能。
1. 視覺識別系統：
ASIMO裝載的大量傳感器，既包括傳統人類的傳感器，也擁有一些超越人類的特殊感應器，能夠迅速地瞭解周圍情況，在複雜的環境下也能快速順暢地移動，能使機器人識別人臉和物體，並追蹤人的移動；其中主要的以下種傳感器：視覺感應器、水平感應器、超音波感應器組成。
視覺感應器：其眼部攝影機通過連續拍攝圖片，再與數據庫內容作比較，以輪廓的特徵識別人類及辨別來者身份；
水平感應器：由紅外線感應器和CCD攝像機構成的sensymg系統共同工作，可避開障礙物。
超音波感應器：以音波測量3m範圍內的物體，即使在毫無燈光的黑暗中行走也完全無礙
地面傳感器：通過地面傳感器獲得的周圍環境信息和預先錄入的地圖信息等，ASIMO能夠在步行的同時修正路線偏差，途中無需停歇地直接移動到目的地。通過地面傳感器和頭部視覺傳感器發現障礙物時，ASIMO可以自身判斷，迂迴選擇其他路線。
2. 行走與動作系統。
這個是ASIMO最重要的部分。和人類一樣，有髖關節，膝關節和足關節。機器人中的關節一般用“自由度”來表示。一個自由度表示一個運動可以或者向上，或者向下，或者向右，或者向左。ASIMO擁有26個自由度，分散在身體的不同部位。其中脖子有2個自由度，每條手臂有6個自由度，每條腿也有6個自由度。腿上自由度的數量是根據人類行走，上下樓梯所需要的關節數研究出來的。
1）正常行走
為了能使它行走在凹凸不平的路和坡道上，更為了加快行走速度，本田後來又提出了活動步行方式，機器人會不停地改變重心，以應付各種複雜的路面情況SIMO除了能像人類一樣正常的步行之外，它還能對行走過程中遇到的情況進行自我調節。比如：爬樓梯。在有一定斜度的平面上行走，甚至有可能在行走過程中被人推了一下，ASIMO都能快速對這些情況進行及時地處理，並進行相應的姿態調節，以確保能夠正常的行走。並通過地面傳感器獲得的周圍環境信息和預先錄入的地圖信息等，ASIMO能夠在步行的同時修正路線偏差，途中無需停歇地直接移動到目的地。通過地面傳感器和頭部視覺傳感器發現障礙物時，ASIMO可以自身判斷，迂迴選擇其他路線。
2）上下樓梯與跑步
上下樓梯的動作如果只是靠事先的程序輸入的話絕對不可能實現。即使是輸入了階梯的高度及前後的距離，如果多達29層的話，也會因誤差累積而無法正常走下來。為此，Honda在ASIMO的每隻腳上，都裝了一個6軸力傳感器，用來監測每一步的穩定程度。再結合陀螺儀和加速度傳感器，ASIMO使用了獨特的數學算法來讓他上下樓梯，並能夠上下斜坡而如履平地。Honda的工程通過使其腳內側不緊貼地面、腳趾比臺階邊緣向前探出少許這樣的站立方式來探測出臺階的邊緣。在這一狀態下，如果通過腳底的壓力傳感器進行壓力分佈測量的話，可以預先測出邊緣的位置。下樓梯時的著地點也可以同樣進行預測。雖然操作人員向ASIMO輸入了樓梯大致的高度，但是最終則是通過 ASIMO足底的傳感器來確認樓梯位置的。不只是下樓梯，ASIMO還能夠在斜坡上轉彎。這是由於ASIMO的每一步都要變換姿勢，並改變與ZMP的關係，較下樓梯難度更大。下樓梯與在斜坡轉彎使用了相同的算法，因此不需要改變模式。
3）與人類握手並幫人類開飲料。
通過頭部視覺傳感器、手腕部位新增加的腕力傳感器等檢測人的動作，可以進行物品交接，或配合人的動作而握手，而且能夠朝著手被牽引的方向邁步等，實現了與人相配合的動作。
4）踢足球
全新控制技術，讓腿部力量加大，並能自動的變換著位置。
5）與人共舞
3. 語言系統
語音識別系統的核心是聲學模型和模式分類。首先通過學習算法，訓練語音聲學模型的特點是通過學習過程來生成聲學模型，為了模仿自然連續的協同發音和識別不同的發音，通常需要使用複雜的聲學模型。聲學模型和語言的發音特點的設計是密切相關的。。大詞彙量語音識別系統，通常採用較小的單元和少量的計算，該模型只有較小的存儲容量，減少訓練數據的數量，但相應的聲音定位和分割問題就顯得更加困難，規則識別模型變得越來越複雜。通常大型模型中識別單元包括協同發音，這有利於提高系統的識別率，但訓練數據也相對增加。必須根據不同語言的特點來識別詞彙，詞彙量大小決定單位大小
Hey!
點擊關注：文海機器人，獲取更多機器人知識
閱讀更多 文海機器人 的文章
