AiNex人形机器人实验训练与比赛项目

比赛背景介绍

目前，国家已经将人工智能提升至国家重要战略层面，人工智能领域中的机器学习、视觉识别技术在智慧交通、智能生产和智慧社区都得到了广泛的应用，为了进一步推动该技术的研究进展，增强学生的创新意识和思维能力，挖掘机器视觉在人工智能应用领域的潜力，我们专门设定了AI 视觉机器人识别赛场景，利用视觉识别、图像回传、深度学习及机器人运动学算法等技术来来驯化机器人，从而让机器人能快速到达目的地，高效完成各项任务。本赛题主要是为了考察选手的编程与调试和应用等综合技能，引导高等院校关注机器视觉识别技术发展趋势和产业应用方向，促进产教互动、校企融合，增强高等学校学生的新技术学习能力和就业竞争力，为新一代高科技人工智能技术产业培养高级应用型人才。

比赛科目一：视觉人形机器人任务挑战赛

视觉人形机器人任务挑战赛：在比赛场地上智能视觉仿人机器人从起点出发，采用视觉识别自主巡线、自主动作、足式行走（禁止轮式、履带等滚转式移动方法）完成比赛任务。赛道包括自主跨栏、上下台阶、自主搬运和视觉巡线这几个项目区域，在最短时间内完成指定赛道项目，且得分最高的队伍取得优胜。

场地尺寸

1、场地图尺寸：长宽3000mm×3000mm，循迹黑线宽度为30mm；
2、栅栏尺寸：长宽高400mm50mm100mm，厚度10mm；
3、台阶尺寸：长宽高400mm200mm30mm；
4、小方块尺寸：长宽高35mm35mm*35mm；

场地材质

1、场地图建议材质为哑光无纺布；
2、台阶和栅栏材质均为雪弗板；

3、栅栏表面为蓝色；台阶表面为白色，台阶短边两端贴有红色线，中间贴
有黑色线，线宽17mm；
4、方块为绿色EVA 海绵。

场地标识

1、起点线和终点线明显横向黑线（长宽200mm30mm）标识；

制作方法

1、建议到当地建材市场购买长宽3000mm×3000mm 的哑光无纺布；
2、建议购买或自制一个长宽高400mm100mm50mm 木头栅栏；
3、建议购买或自制一个长宽高400mm200mm30mm 木头台阶；
4、建议购买2 个绿色EVA 海绵（长宽高35mm35mm*35mm）；

比赛最终场地效果图

1、场地图纸上的标识值，是理论值。承办单位加工制作并提供使用的实际
场地，是与图纸上的标识值有轻微差异的。我们允许实际场地的场地宽度、
平台长度、斜面坡度等实际数值，与图纸的标识值有略微的不同；
2、场地的平台和地图，可能会出现比较轻微的不平坦情况；
3、参赛队设计制作机器人的时候，应充分考虑到这些因素对比赛成绩的影
响。

比赛要求

1、机器人面向起跑线后，裁判发令计时开始，启动机器人；
2、每支队伍有且仅有一次上场机会，完成比赛时间越短，完成度越高，得分越高；
3、自主跨栏：机器人通过视觉识别栅栏，完成自主跨栏任务，跨栏过程机器人摔倒无法自动起立、出界或无法跨越栅栏，可以向裁判请求跳过项目或者扶正机器人，并按照规则扣分，共3 次机会，过程中计时继续；
4、上下台阶：机器人通过视觉识台阶，自主完成上、下台阶动作，上下台阶过程中出现机器人摔倒、出界或无法自主上下台阶，可以向裁判请求跳过项目或者扶正机器人，并按照规则进行扣分，共3 次机会，过程中计时继续；
5、自主搬运：机器人通过视觉识别方块，然后通过手掌开合进行抓取，并将其搬到终点位置的放置区，抓取前方块必须在虚线框内，搬运过程中方块必须始终在手上，如果中途掉落则视为没有搬运该方块，方块必须放到终点的放置区（方块的任意部位都在放置区内），否则视为没有搬运该方块，可以向裁判请求跳过项目，并按照规则进行扣分，机器人在搬运过程中出现摔倒或偏离轨道，可以向裁判申请扶正机器人，并按照规则进行扣分，共3 次机会，过程中计时继续；
6、视觉巡线：比赛全程机器人必须通过视觉识别自主巡线完成，机器人在巡线过程中出现摔倒或双脚偏离轨道，可以向裁判申请扶正机器人，并按照规则进行扣分，共3 次机会，过程中计时继续；
7、机器人双脚到达放置区，且方块在放置区掉落触地后，计时结束，记录比赛时间，如果没有搬运方块，则机器人到达放置区后计时结束，记录比赛时间（机器人到达放置区指机器人的任意部位都在放置区内，否则扣3分）。

计分规则

比赛现场

​

总结

项目描述：巡黑线走完全程、跨越栅栏、上下台阶、捡球、将小球放到指定区域，机器人基于树莓派 4B，具备 24 个自由度舵机，支持 OpenCV 与计算机视觉，参加第十七届国际先进机器人及仿真技术大赛。
搭建运行环境：在 Ubuntu 18.04 系统下完成 Python 3.8.10 与 ROS Melodic 的安装和配置，使用 MobaXterm 进行远程连接与基础调试。
调试运动参数：实操舵机动作组编辑与调用，完成基础行走实验，并对速度、转弯角度、步态周期和行走高度等参数进行调整，理解双足步态与逆运动学的基本原理。
调整机器人代码上下台阶时脚掌与台阶的距离以及抬起下降的幅度，解决比赛中机器人上下台阶摔倒的问题，调整机器人比赛抓取球过程掉落问题，以及识别不到小球的问题。