基于人机交互趋势的移动机械手安全姿态场框架

A safety posture field framework for mobile manipulators based on human–robot interaction trend and platform-arm coupling motion

期刊：Robotics and Computrt-Integrated Manufacturing

原文链接：A safety posture field framework for mobile manipulators based on human–robot interaction trend and platform-arm coupling motion - ScienceDirect

1.动机

        移动机械手在工业环境部署中会遇到安全性和效率两者的矛盾问题，需要在完成任务的同时保证和工作人员交互的安全性，这主要涉及到动态环境变换时机械臂的动态避障能力。但该研究适用场景为在共享环境中机械臂和工作人员执行独立任务，并不涉及人物交互。

2.解决的问题

        当前主流的工业机械手控制方法有基于图、基于采样、基于优化、基于学习的算法，普遍问题是计算量大、需要大量的计算资源和输入数据，实时性能和安全性差，无法及时处理动态环境。而人工势场法APF通过构建虚拟吸引场和排斥场，快速调整路径，计算复杂度低，实时性高，适合处理动态避障，但其有以下缺点：

• 依靠实时传感器数据来规划运动，只能反映环境的当前状态，导致滞后响应
• 当影响电位场的因素太多，特别是在目标靠近人员的HRI环境时，系统可能难以计算出有效的解决方案，导致无法到达目标、路径过于复杂或者运营效率低下
• 无法利用移动平台的冗余运动能力，限制了在复杂环境中任务执行的安全性和任务灵活性

3.解决思路

        作者提出了 Safe Posture Field 框架，实现了在动态人机交互环境中移动机械臂的任务执行效率和安全性之间的平衡。该框架包括三个模块：HRI 状态监控、势场计算和平台臂耦合运动。通过引入包含环境信息的改进型 Attention-LSTM 神经网络，降低了模型复杂性，从而以更短的响应时间实现更准确的人体运动预测。基于人机协作安全标准和动态环境中的相对运动趋势，以及机械臂的奇异性，设计了一个动态优化的人工势场，以确保在保持安全的同时更顺畅地接近目标。当机械臂由于过多的势场限制而被迫接近单一配置或超出其极限运行时，将利用移动机械臂的冗余自由度触发平台-手臂耦合运动策略。该框架保证了机器人在动态环境中的安全协同能力，避免了对机器人灵活运动能力的过度限制，同时进一步提高了轨迹计算的效率。

4.创新性

        预测控制：使用融合场景信息输入的改进型LSTM算法预测人物骨骼中心点和手部运动的移动轨迹，提高实时响应的速度。为了进一步优化模型效率并防止过拟合，引入了一个基于注意力权重的修建层，通过删除不太重要的神经元或连接来动态调整神经网络的结构，减少计算开销并加快推理速度。

        势场计算以及平台-臂耦合运动控制：根据任务空间中的相对速度和距离计算势场来确保人体安全和机器人运动。为了防止机械臂遇到奇点，引入了奇异势场，当机械臂在单一位置或危险区域附近摆动或停止、手臂的任何关节与其最大允许角度之间的距离小于5°时，触发耦合运动，调动平台进一步配合机械臂完成任务。

5.总结

• 该研究仅限于机器人在与人类共享环境中执行独立任务的场景，但不涉及物理人机协作，研究重点是避免碰撞和高效执行任务，而不是共享作业，适用于工业环境中。
• 实验由数值仿真、虚拟环境仿真、实际环境三种形式进行，搭建起来相对比较简单。
• “SPF算法的唯一失败是由于机器人控制程序与环境监测模块之间的通信错误，导致机器人无法接收实时人体运动数据而停止。”