乒乓球機器人在“新工科”教育背景下的課程教學與改革探索

季云峰 王剛

（上海理工大學機器智能研究院 上海 200093）

1、引言

隨著近年來人工智能與機器人技術的不斷進步，出現不同類型的機器人逐步進入高校實驗室中，也成為相關專業教師上課的輔助器具之一。而隨著“中國制造2025”計劃的不斷接近，我國對科技創新新型人才的需求大量增加，提高了我國高校對“新工科”教育背景中的人才培養的重視程度。2018年，教育部發布了《新一代人工智能發展規劃》，里面明確提出高校需要完善新工科教育培養體系，加強人工智能相關專業建設，形成新一代工業體系下復合型“新工科”人才的培養新模式。

在“新工科”教育背景下，本文作者所屬的上海理工大學于2019年1月成立了機器智能研究院，以“物理世界人工智能”為核心特色，依托學校控制科學、機械工程、系統科學與生物醫學工程等學科，發展具有多學科交叉特色的“新工科”本科教育特色班。

2、“新工科”特色培養模式

目前“新工科”培養模式大多以理論教學+上機操作+實驗教學為主，教師購買某套機器人設備作為教學平臺，在提供一定學時的理論教學基礎上，逐步教會學生使用機器人軟件及操作平臺。這種模式較之傳統的課堂教學，大幅度提高了學生的實操及動手能力，擴展了課堂教學的局限性。但由于教學平臺是購買的商用機器人，外接的功能是有限的，使得學生無法深入進入實際項目，掌握的知識較為淺顯。基于此類問題，本論文探索出一種基于項目課程的“新工科”特色培養模式。

在上海理工大學的大力支持下，機器智能研究院成立了智能科學與技術（人工智能）第二專業，該專業是面向“新工科”創新型人才培養的試點專業，其特點是以項目式教學為主導、交叉學科基礎理論為支撐，采用導師制個性化定制的模式，培養“機器人+人工智能”方向，符合新工科要求的人才。本專業課程分為三類：基礎課程、項目課程與專家講座課程，學生第一年以學習人工智能與機器人專業基礎知識為主，從第二年開始，教師以項目課程形式對學生授課，以帶領學生實際做項目的形式上課。在授課同時，機器智能研究院在提供高性能計算設備、寬松的科研環境、前沿的科研方向和全面的培養方案的基礎上，鼓勵專業所屬學生參加相關領域內的比賽，表現優異者將提供出國交流的機會，以及創業與就業機會。本論文作者從事乒乓球機器人項目十余年，在此基礎上，開設了基于乒乓球機器人項目的“新工科”項目課程。

3、乒乓球機器人項目課程

3.1、實驗環境與課程概況

乒乓球機器人項目課程是“新工科”特色教育培養中的一個亮點特色，由本文作者擔任授課教師，授課對象為智能科學與技術（人工智能）第二專業的學生，授課地點在實驗室內，課程實驗環境如圖1所示。

圖1 課程實驗環境

本項目課程以實際參與乒乓球機器人為主要學習內容，乒乓球機器人分為三個系統：視覺系統、控制系統及執行系統。故在上課期間，教師將學生分成三個組別，每個組別負責機器人的一個系統。

（1）在視覺系統中，主要指導學生學習數字圖像處理的相關內容，讓學生逐步了解圖像的構成，進而學習部分圖像處理算法。給定學生目標，讓學生實現對攝像機捕捉圖像及傳輸，再完成對雙目視覺的標定，同時實現對乒乓球的在線識別，最終實現對乒乓球三維坐標的實時跟蹤；

（2）在控制系統中，讓學生了解各類濾波、曲線擬合及多種控制算法，讓學生根據項目需求改進算法，最終實現對乒乓球運動軌跡的預測以及對最佳擊球點的選擇；

（3）在執行系統中，讓學生參與設計乒乓球機器人的本體機械結構，學習機器人運動學，實現對本體結構的運動規劃及柔順控制，以及選擇最佳擊球策略。

3.2、分組項目課程

（1）視覺系統項目課程舉例——雙目標定。

在雙目立體視覺中，相機標定是獲得物體三維信息必不可少的過程，相機標定的結果將直接影響后續目標物體三維坐標的計算精度，所以對相機進行標定至關重要。當前相機標定方法分為三種：傳統標定法、主動視覺法和自標定法。本課程指導學生使用的是張正友標定法，此種方法可利用matlab工具箱，操作較為簡單，標定精度高。

在相機標定過程中，標定板作為信息的重要來源，關系到特征信息的提取和相機的標定精度。為了有效提取特征信息并保證相機的標定精度，需要選取合適的標定板。本項目課程選用平面黑白棋盤格作為相機標定過程中的標定板，棋盤格規格為12×9，特征點為其內角點，黑白格子的大小為30mm。此時讓學生分為兩個組別，一個組別去了解標定方法，另一個組別去制作標定板。

確定好標定板后，需要對標定圖像進行采集。具體方法是將標定板放置在雙目視覺系統的視野范圍之內進行拍攝采集，并在每組標定圖像采集后將標定板變換不同的位置和角度，采集多組標定圖像。考慮畸變對相機的影響，在移動標定板時要盡量保證標定板能覆蓋視覺系統的整個成像視野，視覺系統視野范圍內標定板覆蓋的越多，對于邊角視場的畸變系數的估算就會更準確。此外，由于視覺系統與標定板并不是垂直的，所以在調整標定板的角度時不能過于傾斜，以免標定時影響對棋盤格行列數的判斷。

最終利用matlab中的Stereo Camera Calibration工具箱對雙目相機進行標定，其左右相機分別采集棋盤格標定圖像62張，共124張，通過提取標定圖像平面中的特征點并精確亞像素角點，得到雙目相機各自的內外參數矩陣。由于所采集的部分標定圖像中標定板的傾斜角度過大，可能導致標定板的角點識別不準確，引起相機的標定誤差。故本文通過調整重投影誤差大小，篩選出重投影誤差較大的標定圖像，經篩選后得到的圖像對、重投影誤差及角點提取結果如圖2所示。

圖2 篩選后的標定圖像及結果

通過對重投影誤差進行微調，可以剔除對標定結果影響較大的標定圖像對，能夠保證相機標定的準確性。此時通過matlab工具箱還可以得到相機的極限約束矯正結果，通過上述相機標定后，左右相機圖像的坐標軸基本實現了對齊，同時也完成了對原始圖像邊緣的徑向畸變和切向畸變的校正，并獲得左右兩個相機的標定矩陣。

至此，視覺系統組別完成對左右相機的標定工作，在本次示例課程中，學生掌握了相機的標定原理，親手制作了標定板，了解了攝像機的工作原理，并掌握了matlab中的工具箱使用方法，最終實現了對相機的標定，為后續目標三維定位打下堅實基礎。

（2）控制系統項目課程舉例——乒乓球飛行軌跡建模。

在本節項目課程中，主要培養學生的物理建模能力，通過對學生講解乒乓球在飛行過程中的軌跡影響因素，讓學生更加直觀地了解到乒乓球的飛行過程。根據教師講解的建模知識，學生做進一步的歸納總結，最終完成對乒乓球飛行軌跡的建模。

乒乓球在飛行過程中主要受重力、浮力、空氣阻力及旋轉時的馬格努斯力的影響。浮力Fb的大小相較于其他幾個力可以忽略不計。由于乒乓球旋轉的測量有很大的難度，在本項目課程中暫不考慮旋轉球，根據乒乓球受合力為重力和空氣阻力對乒乓球進行受力分析后可得簡化模型如下：

其中V是乒乓球的速度，m是乒乓球的質量，g是重力加速度，ρ是空氣密度，s是乒乓球的截面積，Cd是空氣阻力系數。對式積分可以得到x,y,z三個方向上的模型結果。

根據上述預測模型，只需獲取乒乓球飛行軌跡的起始點及其速度，即可計算求得在無其他外力介入情況下，任意時刻乒乓球的位置和速度。

至此，完成對乒乓球飛行軌跡的建模，學生充分了解到軌跡建模的相關知識，也為后續做乒乓球落點及擊球點預測打下堅實基礎。

（3）執行系統項目課程舉例——機械臂軌跡規劃算法。

在本節項目課程中，主要培養學生對多自由度機械臂的軌跡規劃算法的設計，本項目的乒乓球機器人使用的是六自由度機械臂，通過正逆運動學可以獲得乒乓球機器人在擊球時各個關節應當到達的位置和速度。本節由教師對學生講解軌跡規劃算法來控制機械臂完成擊球任務，學生了解并需要對算法進行進一步改進。

本節軌跡規劃算法使用的是五次多項式軌跡規劃算法，預先計算好機器人每個關節在整個運動過程中每一時刻的位置、速度和加速度，按照預先規劃的結果控制機器人運動即可完成指定任務。但此方法并不能直接應用于本文中的乒乓球機器人，由于每次擊球過程中擊球點位置和擊球時間并不唯一確定，而是在乒乓球實時定位系統每次給出一個新的采樣點后都會做一次修正，并不能預先規劃好一條擊球軌跡。緊接著由教師指導學生在傳統的五次多項式軌跡規劃算法的基礎上進行了改進，使其能夠在運動終點不斷變化的情況下實現動態規劃。

至此，本項目課程中的機械臂軌跡規劃算法完成，學生掌握到對機械臂的控制算法，通過對傳統五次多項式算法的改進，學生利用項目了解到機械臂是如何做規劃控制的，并最終在執行機構上實現了對乒乓球機械臂的柔順控制，進一步提升了學生的算法熟悉程度及興趣。

學生在分組進行學習和實際做項目過程中，學習大量實操知識和算法，并有項目及時進行驗證反饋，極大地提升了學生的學習興趣和動手能力。本項目課程共持續兩年時間，在此過程中，由教師指導學生實現對各小組目標的完成，并最終完成三個小組之間的聯調，保證乒乓球機器人可實現正常人機對打，并不斷優化，教師在學生學習過程中根據學生的學習態度及項目成果進行評分，最終需要完成整體項目目標才算結課。

4、結語

本次基于乒乓球機器人項目課程的“新工科”教學模式改革旨在培養高素質人工智能與機器人學科人才，目前已經在教育改革實施中。課程學生經過項目學習后，體現出了強大的團隊合作及科技創新能力，在參與課程學習同時，學生帶著課程項目參與了多項科創比賽，并取得了驕人的成績，如，第七屆互聯網加全國銀獎、電子設計大賽全國二等獎、Robocom機器人開發者大賽全國一等獎以及世界機器智能大賽一等獎等重量級獎項。這些榮譽印證了本次教學改革的有效性，為“新工科”教育教學模式培養提供了一種新的改革思路，希望在將來進一步提高課程教學質量，為培養具有深度思考、動手實操、創新創業等核心能力的人工智能與機器人領域高端人才而做出貢獻！