关键词:
人机协作
关节臂力感知
柔顺控制
意图识别
角色分配
摘要:
协作型机器人已有20余年的发展历程,目前无论在军事、航天、康复医疗、护理,还是在工业、生活等领域都展现了非常广泛的应用空间。该类机器人在人机协作搬运与装配、肢体康复训练、机器人辅助行走等具体应用中,要求具有良好的力感知、意图判断与动作决策能力,以保证协作过程中的安全性、柔顺性与高效性。然而,当前的人机协作系统,受皮肤传感器等力检测装置发展不成熟、合作者阻抗参数难以估计、人机角色固定等因素限制,使得发生于机器人关节臂处的接触信息检测困难,合作者意图估计受限、人机主动权难以动态调整,这些因素造成协作安全性降低、操作灵活性差、合作者易疲劳、机器人运动振动、协作效率低下等问题。为此,本文一方面提出了一种依据机器人控制扭矩、关节速度等本体信息实时估计发生于关节臂处的接触信息的力感知方法,另一方面从意图识别与人机角色分配角度对协作中机器人的柔顺控制问题进行了深入研究与探索,以期实现机器人关节臂触觉检测和柔顺控制的目的。主要研究工作和创新如下:机器人与环境(合作者或外物)间接触力的获取为确保协作中人机安全、制定控制策略等工作提供了重要信息,因此机器人首先要能够快速、准确感知与环境发生的接触信息。目前以作用力为交互信息的人机协作中,通常采用一维或多维力传感器安装于机器人末端的方式来获取接触信息,关节臂无触觉不但存在碰撞安全隐患,而且使合作者无法通过在关节臂处施加作用力完成协作任务,极大的限制了人机协作的操作灵活性。又考虑到当前皮肤传感器不成熟、机器人关节处集成力传感器复杂等因素,本文提出了一种依据机器人控制与运动状态信息,基于动量观测与优化算法相结合的关节臂接触信息在线估计方法。该方法将接触位置估计问题转化为优化算法有界搜索问题,搜索范围由动量观测方法确定的接触关节臂长度确定,两种方法的结合保证了估计的精度和实时性。仿真与实验结果表明该方法实现了在线、实时、准确地估计发生于除第一关节臂以外的任何关节臂处的力和位置信息。为了实现机器人的柔顺控制,需要赋予机器人一定的合作经验。本文通过分析生物体识别意图的方法与过程,提出了一种基于机器学习识别合作者意图的方法。建立了径向基神经网络模型,对机器人进行意图识别离线训练,使其具有一定的合作技能,以便在合作过程中能够根据合作者的作用力和机器人的运动特征实现在线估计人的意图。该方法的优势在于克服了传统方法中建立人机协作模型困难,人体阻抗参数难以估计等缺点。实验结果证明该方法提升了人机协作的运动同步性,减小了合作者作用力的同时,机器人柔顺性得以改善。针对人机协作中角色动态分配问题,本文从实际幕墙安装任务出发,提出了基于增强学习的在线角色自适应分配方法。首先充分分析了合作任务在不同阶段的理想表现,结合机器人与合作者的各自特点,建立了综合合作表现模型,并将其与学习方法中的回报值相结合,实现了在线学习方法在人机协作系统中角色分配方面的应用。在学习过程中,该方法能够根据合作表现模型不断在线调节合作角色,逐渐形成合作者与机器人对于系统的主/被动控制权调整规则,使系统的综合表现不断得到改善。该方法不仅可以快速实现面对新任务时人机角色自适应,还能充分发挥合作者和机器人的各自优势,是一种在理论和实际中均有重要意义的新方法。本文以人机协作中机器人关节臂力感知与柔顺控制为研究主线,内容涵盖了发生于机器人关节臂处的接触信息估计、合作者意图识别、机器人与合作者角色动态分配等人机协作中的关键技术。建立了有效的机器人关节臂触觉感知方法,改变了传统仅靠调整柔顺控制参数改善机器人柔顺性的思想,拓展了柔顺控制方法的研究领域。本文的研究工作有利于会思考、会决策机器人研究的进展,推动了协作型机器人朝着智能化方向发展,促进了人机协作的研究进程,具有一定的理论与现实意义。