原创

文BFT机器人

01

摘要

-该论文探讨了机器人和人类在共享工作空间中的物理人机交互（pHRI）问题。

-为了确保机器人在与人类同事的物理交互中始终能够完全反应附近障碍物和人类同事的运动，必须采取安全措施。

-对于直接的人机协作或pHRI应用，安全标准对于工业和服务机器人都是决定性的。这些安全标准指定了严格的要求，并指导机器人的机械设计、任务规划和运动控制，以确保安全的pHRI。

图1.PHRI概念设想。机器人手臂与人类同事在一个没有栅栏的、共享的工作空间中执行任务。由于可能发生不期望的碰撞，机器人必须配备控制停止，以触发其当前制动距离d，下降到动态评估的距离闯值以下。标量d，，dobst。分别表示距离机器人附近最接近的人体部位和障碍物的最短距离。

-技术规范（如TS）补充了这些标准，并定义了四种协作操作的安全模式。例如，与人类头部的任何接触都是严格禁止的，TS要求通过控制实现安全评级、监控停止（SMS）来停止机器人。这意味着集成的SMS模式必须始终在检测到故障事件（例如与障碍物碰撞）或预测到人类同事的不安全、协调不良的运动时停止机器人。

-必须集成制动触发器，并连接额外的跟踪硬件（如激光雷达和/或RGB-D相机）来监视共享工作单元。

02

论文内容

该论文的研究内容是提出了一种框架，用于生成快速、平滑和可预测的机器人制动动作，以确保机器人在执行任务时能够在安全的范围内停止。

该框架系统动力学转化为模态空间表示，使得各个坐标可以独立控制。然后，在模态空间中设计制动轨迹，并将其转换回原始空间，生成所需的机器人制动动作。

该框架不需要使用任何外部硬件或额外的传感器，只需使用机器人的关节执行器和编码器。在模拟实验中，该框架实现了准确的在线预测停止轨迹和距离，这可以用于评估机器人和动态障碍物（包括人类）之间的相对距离。

0

论文的创新点

1.统一框架：该论文提出了一个统一的框架，将制动控制和停止轨迹预测结合在一起。通过在模态空间中设计制动轨迹，并考虑执行器和关节空间约束，实现了制动控制和停止轨迹预测的一体化。

图2所示，制动控制和预测体系结构

2.快速制动动作：该框架能够生成快速的制动动作，以确保机器人能够在执行任务时及时停止。通过在模态空间中独立设计平滑的制动速度曲线，并将其转换回原始空间，生成所需的机器人制动动作。

.可预测的停止轨迹：该框架能够在线预测机器人的停止轨迹和距离。这对于评估机器人与动态障碍物（包括人类）之间的相对距离非常重要，以确保机器人在执行任务时能够在安全的范围内停止。

4.适用性广泛：该框架适用于具有任意自由度的各种复杂机器人系统。这使得该框架具有可扩展性，可以应用于不同类型的机器人系统。

04

研究原理

1.模态空间表示：首先，将系统动力学转化为模态空间表示。通过将系统的状态表示为一组独立的模态坐标，可以实现对每个坐标的独立控制。这样可以更灵活地设计制动轨迹。

图所示，模态空间的制动控制设计。(a)在模态空间中移动的质量的直观制动转矩方向(对于n=2)(b)原始空间2和模态空间中的可行控制力矩Sq.(c)通过缩放获得相应的可行加速区域(WA和)。区域9/ra和S/表示保守区域，其中扭矩/加速度控制输入保持容许的物理执行器的限制。

2.平滑制动轨迹设计：在模态空间中，设计平滑的制动速度曲线。通过在模态空间中独立设计每个坐标的制动速度曲线，可以实现平滑的制动动作。

.制动轨迹转换：将设计好的模态制动轨迹转换回原始空间。通过将模态制动轨迹转换回原始空间，可以生成所需的机器人制动动作。

4.实时计算：该框架能够在实时计算中完成所有必要的计算，包括制动控制和停止轨迹预测算法。这使得制动动作可以在每个控制周期内完成。

图6不同设置下制动方案的制动和计算时间

5.两种制动轨迹设计方法：该论文提出了两种制动轨迹设计方法。第一种方法是实时可行的，但相对保守，考虑了可行的执行器控制范围，导致较长的制动时间。第二种方法通过优化来最大化使用的制动控制输入，但需要更多时间来评估更大的可行模态限制。

图4所示，使用五次Bezier曲线(右)设计的制动曲线(左)

图5机器人关节在不同梯形运动中以较低(左)和高(右)速度运动的制动设置。制动触发时刻S，i=1，2用紫色垂直线表示，其中上标XEfacc，巡航，Dec表示制动情景即加速时(Acc)、巡航(巡航)和减速(Dec)。

05

这个框架是如何确保控制机器人的快速和可预测的制动动作的？

这个框架通过设计平滑的制动轨迹来实现控制机器人的快速和可预测的制动动作。首先，将系统动力学转化为模态空间表示，使得各个坐标可以独立控制。

然后，在模态空间中设计制动轨迹，并将其转换回原始空间，生成所需的机器人制动动作。这个框架不需要使用任何外部硬件或额外的传感器，只需使用机器人的关节执行器和编码器。

通过在每个时间步骤应用控制输入，直到完全停止，实现了快速和可预测的制动动作。这个框架的效果在模拟实验中得到了验证，并在不同的制动设置下实现了准确的在线预测停止轨迹和距离。

图8所示。机器人关节制动控制力矩(上一行)和由此产生的关节速度(下一行与时间的关系c.图5为任务的参考梯形运动轮廓)。

06

实验过程

1.模型选择：选择了一个具有7个自由度的FrankaEmikaPanda机械臂作为实验对象。该机械臂由一系列刚体通过旋转关节连接而成。机械臂的物理执行器和关节空间限制可以在FrankaEmika的官方网站上找到。

2.实验设置：为了简化实验并更好地展示结果，锁定了除1、2和4号关节以外的所有关节。这样可以使结果更清晰可见。

.制动算法比较：为了比较所提出的制动算法与最优时间最小化解的效果，将最优制动控制问题转化为非线性规划，并使用CasADi和Knitro求解器进行求解。

4.制动效果评估：通过在仿真中应用所开发的制动控制和预测框架，对移动的机器人进行制动实验。通过评估机器人的停止轨迹和距离，可以验证所提出的制动算法的效果。

07

实验结论

在本文中，我们解决了控制机器人关节制动的问题，并确保在线和准确的停止轨迹预测。提出了一个制动控制架构，通过在模态空间中独立设计平滑的制动速度曲线，并考虑执行器和关节空间约束，实现了制动控制和停止轨迹预测的统一框架。开发并集成了两种在模态空间中设计制动动作的方法。

在模拟中，我们验证了所提出的方法在一个具有三个运动关节的实际7自由度机器人系统上的有效性。

结果表明，使用所提出的框架可以实现平滑且快速的制动动作，确保机器人关节的可预测停止行为。

未来的工作将致力于通过使用更少保守的可行模态限制进一步减少制动时间。这可以通过在每个象限中分别最大化模态控制区域的体积来实现。

更多精彩内容请

转载请注明:http://www.aideyishus.com/lkgx/7629.html