- PhoneBot 利用廉价 Android 智能手机承担视觉、传感及运动控制任务
- 美国加州大学洛杉矶分校（UCLA）研究人员以约 400 美元硬件成本构建人形机器人平台
- 四部 Android 手机协同处理 PhoneBot 的核心计算与感知功能
美国加利福尼亚大学洛杉矶分校（UCLA）的研究团队近日开发了名为 PhoneBot 的人形机器人。该开源平台的硬件总成本约为 400 美元，且未包含智能手机的费用。
PhoneBot 身高 483 毫米，重 1.8 公斤，通过 13 个伺服电机驱动腿部关节及躯干旋转。
智能手机充当机器人的“大脑”与“眼睛”
与传统方案不同，PhoneBot 无需配备专用的摄像头模组、运动传感器或昂贵的内置计算机，而是直接复用智能手机的现有硬件执行上述功能。
手机的摄像头负责追踪目标人物，内置惯性测量单元（IMU）提供实时运动数据，协助机器人维持平衡并执行预设的行走动作。此外，机器人内部设有一台独立计算机，专门处理运动通信：它通过 Wi-Fi接收来自智能手机的无线指令，并将其转化为具体的关节运动信号。
在结构设计上，PhoneBot 每条腿拥有六个可活动关节，覆盖髋部、膝盖和脚部。这种布局允许摄像头转向特定目标，而无需旋转整个机身，从而支持高效的目标跟踪及基于视觉的交互操作。
研究团队测试了四款 Android 设备，包括一款 2017 年发布的荣耀 9，以及三款售价在 50 至 80 美元之间的廉价机型。尽管不同型号在部分功能表现上存在差异，但这四款设备均能支持应用的核心功能，涵盖运动传感、步行控制、视觉检测及人机交互。
软件层面，应用程序通过 TensorFlow Lite 运行运动策略算法；同时，手机摄像头模块负责实现人体检测、姿态估计及其他感知任务。
镜像训练优化步态对称性并降低硬件门槛
为了提升行走稳定性，团队在模拟环境中采用强化学习技术训练 PhoneBot 的步行控制器。训练机制对符合预期的运动给予奖励，同时对不稳定的姿势及过大的运动负载施加惩罚。
早期实验显示，机器人出现步态不均现象，过度依赖单侧肢体。为此，研究人员引入了“镜像训练样本”策略。该方法有效教导控制器匹配左右侧的运动模式，在不增加额外物理模拟步骤的前提下，显著改善了步态对称性。
数据显示，经过五个独立的训练周期，镜像学习将评估中的关节角对称度误差从 0.254 弧度大幅降低至 0.003 弧度。与此同时，左右扭矩不平衡指标从 0.205 降至 0.034，机械功率不平衡指标则从 0.339 降至 0.040。
实体演示表明，PhoneBot 能够完成行走、从俯卧状态恢复站立，以及将智能手机摄像头对准人类等操作，且无需频繁转动脚部来调整朝向。
目前，PhoneBot 仍受限于低功率伺服电机，这制约了其承重能力及动态运动的可靠性。其当前的行走控制器仅针对平坦地面进行训练，且平台缺乏用于物体操纵的手臂，因此尚无法应对不平坦地形。
作为一个开源项目，PhoneBot 允许其他研究者复制该平台、修改组件配置，并进一步探索基于智能手机的机器人技术。相关研究成果已发布在 arXiv 在线存储库上，供学术界在正式同行评审出版前查阅。
