震惊！协作机器人其实并不像想的那么安全

电子工程师俱乐部 2017-12-22 00:00

【TI资料】专为高压系统设计的新型MCU 如何提升高压系统的实时性能?

随着工厂智能化的推进，生产线已不再是工人的天下，机器人也已成为主要的劳动力。但是，出于安全的考虑，机器人通常被关在金属围栏内，而这限制了生产线的生产力以及灵活性。近几年来，人们开始关注能否拆除金属围栏，让工人和机器人可以并肩工作。

制造商们希望能结合工人的柔性以及机器人的高生产力，让生产线发挥最大的作用。工业协作机器人的好处是巨大且广泛的，他们可以跟工人组成人机协作团队，共同处理生产线上的人物，自动引导车（AGV）也可以跟工人共享同一个工作空间，提升工厂的物流效率。与传统工业机器人必须在结构化和确定性的环境中工作不一样的是，协作机器人可以在高度非结构化和随机环境中工作。唯一需要解决的问题是如何确保机器人在动态不确定环境中的高效安全运行。在这篇文章中，我们想介绍一下由机械系统控制（MSC）实验室开发的机器人安全交互系统。

未来工厂里的人机协作

现有的解决方案

传统工业机器人制造商库卡、发那科、Nachi、安川、Adept以及ABB等都在努力解决这个问题，目前已经取得了较为重大的进展。传统工业机器人制造商以及新兴机器人初创企业都相继发布了多款安全的协作机器人产品，包括发那科的协作机器人CR系列，优傲机器人的UR5、UR10及UR3，Rethink Robotics公司的Baxter和Sawyer，川田工业的NextAge，Pi4_Robotics GmbHde WorkerBot，ABB的双臂及单臂协作机器人YuMi以及库卡的KBR iiwa等等。然而，这些产品中大部分更关注本质安全，即机械设计、驱动和低水平运动控制的安全性。与人交互的安全性仍需要探讨，而这才是智能（包括感知、认知以及高水平的运动规划和控制）的关键。

技术挑战

从技术上来看，设计工业协作机器人的行为非常具有挑战性。为了让协作机器人更加人性化，他们应当具备收集并理解环境数据、适应不同任务和不同环境的能力，并适应工人的需求。举个栗子，在下图所示的人机协作装配中，机器人需要具备预测能力，一旦工人把两个工件放在一起，他就要用工具来紧固安装。这时候，机器人就必须把工具递给工人，并避免跟工人发生碰撞。

人机协作组装

要做到这一点，面临的挑战在于：（1）人类行为的复杂性；（2）保证实时安全，不牺牲效率。人体运动的随机性给系统带来巨大的不确定性，难以保证机器人的安全和高效。

机器人安全交互系统与实时非凸优化

机器人安全交互系统（RSIS）是由机械系统控制实验室（Mechanical System Control lab）开发，它建立了一种方法来设计机器人行为，以实现对等人机交互的安全和效率。

由于机器人需要跟人类长期进行交互，因此很自然地就想到了让机器人模仿人类的行为。人的互动行为可能是由于思考或条件反射所致，例如，如果前方发生追尾，后车的司机可能会本能地踩刹车。然而，经过一秒钟的考虑，司机可能会加速切入另一条车道，以避免连锁追尾。第一个是短期的安全反应行为，而第二个需要考虑当前的情况，例如，是否有足够的空间来实现完全停车，是否有足够的空位来变换车道。

为了模仿这种行为，系统中入了并行规划和控制结构，包括长期和短期的运动规划。长效规划器（效率控制器）强调效率，解决了采样率低的长期最优控制问题。短期规划器（安全控制器）通过基于效率控制器规划的轨迹解决高采样率的短期最优控制问题来解决实时安全问题。这种并行架构也解决了由于长期规划者根据其他人最有可能的行为计划带来的不确定因素，以及短期规划者在短期内考虑到其他人的几乎所有可能的移动，以确保安全。

机器人安全交互系统中的并行规划和控制结构

然而，集群环境下的机器人运动规划问题具有高度的非线性和非凸性，难以实时解决。为了确保对环境变化的及时响应，我们还开发了用于实时计算的快速算法。用于长期优化的凸可行集算法（CFS）和用于短期优化的安全集算法（SSA）。这些算法通过对原始非凸问题进行凸化来实现更快的计算，假定其具有凸目标函数，但是具有非凸约束。凸可行集算法（CFS）迭代求解可行域凸子集约束下的一系列子问题。解决方案的顺序将会收敛到一个局部最优。它比一般的非凸优化求解器（如顺序二次规划（SQP）和内点法（ITP））迭代次数更少，运行速度更快。另一方面，安全集算法（SSA）使用不变集的思想将非凸状态空间约束转化为凸控制空间约束。

CFS算法中的凸化例证

利用并行规划器和优化算法，机器人可以安全地与环境进行交互，并有效地完成任务。

实时运动规划和控制

迈向通用智能：安全高效的机器人协作系统（SERoCS）

我们现在在机械系统控制实验室中研究RSIS的高级版本，这是一个安全高效的机器人协作系统（SERoCS），它得到了美国国家科学基金会（NSF）＃1734109的支持。除了安全的人机交互（HRI）运动规划和控制算法外，SERoCS还包括用于环境监测的鲁棒性认知算法，用于安全人机协作的最佳任务规划算法。 SERoCS将显著扩大协作机器人的技能组合，防止或减少人机碰撞以及机器人与机器人在运行过程中碰撞事故的发生，从而实现和谐的人机协作。