PhoneBot：用50美元旧安卓手机当大脑的开源人形机器人平台

加州大学洛杉矶分校（UCLA）的研究人员开发了 PhoneBot，这是一款紧凑型人形机器人，它复用廉价智能手机来实现感知和计算功能。 该开源平台的机器人硬件成本约为 400 美元（不含手机），使其价格远低于现有的几种小型人形研究系统。 PhoneBot 高 483 毫米，重 1.8 公斤，使用 13 个舵机来控制腿部运动和躯干旋转。 TechRadar 最新视频在此观看完整视频：

旧智能手机负责视觉、计算和机器人控制

PhoneBot 不需要专用的摄像头、运动传感器和昂贵的机载计算机，而是依赖智能手机现有的硬件来实现这些功能。 它的摄像头用于追踪人员，内置的惯性测量单元提供运动信息，帮助机器人保持平衡并执行已学习的行走动作。 机器人内部有一台独立的计算机处理电机通信，它通过 Wi-Fi 接收来自智能手机的无线指令，并将其转化为关节运动。 机器人每条腿有 6 个驱动关节，覆盖髋部、膝盖和脚踝，另有一个关节用于旋转躯干及其上安装的智能手机。 这种布局允许摄像头转向目标人员，而无需旋转整个机器人身体，从而支持追踪和其他基于视觉的交互。 研究人员测试了四部Android 手机，包括 2017 年发布的旧款 Honor 9 和三部价格约在 50 到 80 美元之间的廉价机型。 这四台设备均支持该应用的核心功能，包括运动感知、行走控制、视觉检测和人机交互，尽管不同型号在某些功能上存在差异。 该应用通过 TensorFlow Lite 运行运动策略，手机摄像头支持人员检测和姿态估计，以及其他感知功能。

训练有助于平衡行走并降低硬件成本

团队使用强化学习在模拟环境中训练 PhoneBot 的行走控制器，奖励期望的运动，同时惩罚不稳定的姿态和过大的电机负载。

早期的实验产生了不均匀的步态，机器人过度依赖单腿支撑，促使研究人员引入镜像训练样本。

该方法通过对应的左右动作有效训练了控制器，在不增加额外模拟物理步骤的情况下改善了步态的对称性。

在五次独立的训练运行中，镜像学习使后续评估中的关节角度对称误差从 0.254 弧度降低至 0.003 弧度。

研究人员还测量了左右扭矩不平衡度从 0.205 下降至 0.034，而机械功率不平衡度则从 0.339 降至 0.040。

实体演示包括行走、从面朝下的姿势恢复，以及在无需持续转动机器人脚部的情况下，将智能手机摄像头对准行人。

PhoneBot 仍受限于其低功率舵机，这限制了其承重能力以及可靠执行动态动作的范围。

其当前的行走控制器是在平地上训练的，且该平台缺乏用于操作物体的手臂，因此复杂地形下的移动问题尚未得到解决。

这是一个开源项目，旨在让研究人员能够复现该平台、修改其组件并探索基于智能手机的机器人技术。

这项研究目前 发布在 arXiv 上，这是一个供研究人员在正式同行评审出版之前或同时分享科学论文的在线库。

---