呂 君

(義烏工商職業(yè)技術(shù)學(xué)院 機電信息學(xué)院, 浙江 金華 322000)

隨著科技的快速發(fā)展和智能化時代的到來,國民生活品質(zhì)的提升和我國老齡化進程的加快,機器人技術(shù)得到迅速發(fā)展,其應(yīng)用普及程度也不斷提高。當(dāng)前,機器人的功能日益強大,種類不斷豐富,智能型、家用型、服務(wù)型機器人逐漸被人們青睞,且已融入人們的日常生活之中[1]1。與傳統(tǒng)工業(yè)機器人不同,人們對家用服務(wù)智能機器人不僅有美觀性、交互性、安全性等方面的要求,而且要求其能與人類在同一自然空間密切配合、有效協(xié)作,并能通過自主學(xué)習(xí)來提高操作技能,自然地與人交互,以實現(xiàn)真正的人機共融發(fā)展。

在人機共融的環(huán)境下,家用機器人與人之間的交互已經(jīng)由單向性向雙向性轉(zhuǎn)變。機器人需要理解人類下達的操作任務(wù),并通過自主感知、規(guī)劃與執(zhí)行來完成操作任務(wù);使用者也應(yīng)該理解和接受機器人的操作策略和運動軌跡,并對機器人的運行給予必要的指導(dǎo)。這種機器人與人的交互最終形成人機融合的信息閉環(huán)。機器人擬人化操作是實現(xiàn)人機交互的重要技術(shù)之一。針對家庭復(fù)雜的服務(wù)使用情境,為了完成繁雜的任務(wù),機器人的技術(shù)水平需要不斷提升,需要相關(guān)機構(gòu)不斷研究家用服務(wù)機器人的擬人化操作機理,設(shè)計合理的機器人雙臂功能特性和評價指標(biāo),使機器人在人機共融場景下能與人進行更加自然的交互[2]1 340-1 353。

一、擬人化雙臂機器人發(fā)展歷程

國內(nèi)外政府、企業(yè)、高校和研究機構(gòu)等創(chuàng)新主體都高度重視雙臂服務(wù)機器人的產(chǎn)業(yè)化發(fā)展,均在不斷地投入人力、物力和財力,開展擬人化雙臂機器人的應(yīng)用研究。目前,國內(nèi)外已有幾十種典型的擬人化雙臂機器人[2]1 340-1 353 [3]2 138-2 145 [4]1-4 [5]2 464-2 470 [6]4 528-40533 [7]431-436 [8]2,其發(fā)展歷程大致可分為三個階段(參見圖1)。

圖1 擬人化雙臂機器人發(fā)展歷程及其特點圖示

如圖1所示:第一階段為20世紀(jì)70年代至90年代,此時的機器人以面向簡單任務(wù)而研發(fā)的雙臂機器人為主。這一時期的雙臂機器人一般由兩個低自由度機械臂組成,兩個機械臂相互獨立,雙臂之間基本無法共享數(shù)據(jù)和信息,雙臂自主運動規(guī)劃和協(xié)同操作能力非常薄弱。第二階段為21世紀(jì)00年代,此時的雙臂機器人在系統(tǒng)結(jié)構(gòu)設(shè)計上開始擬人化,成為一個完整的機器人系統(tǒng)。兩條手臂具有一定的自主運動規(guī)劃與協(xié)同操作能力,可以在同一系統(tǒng)下進行通信,并共享數(shù)據(jù)。第三階段從2010年至今,擬人化雙臂機器人開始走進人類的工作和生活,并且可以在工作狀態(tài)下與人進行近距離的安全接觸。它的雙臂具有擬人化結(jié)構(gòu)和冗余自由度構(gòu)形,能夠?qū)崿F(xiàn)簡單的自主運動規(guī)劃和雙臂協(xié)同規(guī)劃,并且能夠與人進行簡單的協(xié)同作業(yè)。

從發(fā)展歷程看,擬人化雙臂機器人由起初的數(shù)量少、自由度低、缺乏自主運動規(guī)劃和雙臂協(xié)同操作規(guī)劃,到現(xiàn)在數(shù)量較多,能夠?qū)崿F(xiàn)自主運動規(guī)劃和雙臂協(xié)同操作規(guī)劃,并且能夠與人近距離接觸和協(xié)同作業(yè),在功能和性能上都有很大提升。但是,在執(zhí)行動態(tài)不確定和非結(jié)構(gòu)化場景下的復(fù)雜操作任務(wù)時,擬人化雙臂機器人的操作過程往往比較繁瑣,并且規(guī)劃的運動軌跡具有隨機性,離真正的擬人化操作還存在較大的差距。

二、機械臂運動規(guī)劃研究進展

機器臂運動規(guī)劃是機器人領(lǐng)域非常重要而經(jīng)典的問題[9]7-9。目前,已經(jīng)有許多規(guī)劃算法可以用來解決移動機器人的運動規(guī)劃問題[10]10-15。例如,勢場法、路徑圖法、粒子群算法、神經(jīng)網(wǎng)絡(luò)等智能算法。然而,這些算法很難適用于機械臂運動規(guī)劃問題,其主要原因是:(1)機械臂運動規(guī)劃是一個高維構(gòu)形空間(configuration space)下的運動規(guī)劃問題,其構(gòu)形空間的維度等于機械臂的自由度個數(shù)。而高維構(gòu)形空間下的運動規(guī)劃面臨著巨大的搜索計算量問題,并且隨著維度的增加,構(gòu)形空間搜索所需的計算量會以指數(shù)級增長,該問題被證明是一個PSPACE-hard問題。(2)機器人運動規(guī)劃一般需要將笛卡爾空間下的障礙物映射為機器人構(gòu)形空間的障礙區(qū)域,進而在構(gòu)形空間中尋找一條能夠連接起始構(gòu)形和目標(biāo)構(gòu)形且不經(jīng)過障礙區(qū)域的路徑,這需要很大的計算量。

目前,機械臂避障運動規(guī)劃算法主要有人工勢場法、隨機采樣運動規(guī)劃、啟發(fā)式搜索運動規(guī)劃和軌跡優(yōu)化運動規(guī)劃4大類(參見圖2)。

圖2 常用機械臂避障運動規(guī)劃方法及其優(yōu)缺點圖示

如圖2所示:人工勢場法是最早用于機械臂運動規(guī)劃的方法,雖然具有運算速度快、實時性好等優(yōu)點[11]90-98,但這種方法容易陷入局部最優(yōu)陷阱問題,常常導(dǎo)致運動規(guī)劃失敗。隨機采樣運動規(guī)劃具有效率高、簡單易實現(xiàn)的特點,且能高效求解高維空間運動規(guī)劃問題,是一種最適合用于機械臂運動規(guī)劃的方法[12]56-77。然而,RRT、PRM及其改進算法所規(guī)劃的路徑具有隨機性,且每次都各不相同[2]1 340-1 353 [3]2 138-2 145。因此,2011年有人提出RRT*和PRM*算法,認為其能在足夠多的時間里規(guī)劃出一條最優(yōu)路徑[13]846-984。但是,運用這類算法找到最優(yōu)路徑需要大量的計算時間和計算量,且目前仍然難以在較短時間內(nèi)搜索到最優(yōu)路徑。啟發(fā)式搜索運動規(guī)劃方法主要通過啟發(fā)式搜索來尋找最短路徑,目前已能有效求解7自由度機械臂的運動規(guī)劃問題[14]305-320,但對高維度運動規(guī)劃問題,其搜索效率不高,并且搜索路徑取決于啟發(fā)式函數(shù)的定義。軌跡優(yōu)化運動規(guī)劃將機械臂運動規(guī)劃問題表述為一個軌跡優(yōu)化的過程,它通過最優(yōu)控制算法尋找一條連接起始構(gòu)形與目標(biāo)構(gòu)形的最短關(guān)節(jié)運動軌跡,使得機器人能夠最大限度地遠離障礙物并保證關(guān)節(jié)運動的平滑性[15]4 030-4 035 [16]4 569-4 574。但該方法僅能保證所規(guī)劃的關(guān)節(jié)軌跡具有局部最優(yōu)性,不能保證全局最優(yōu)性。

三、雙臂協(xié)同操作規(guī)劃研究簡介

當(dāng)接到完成復(fù)雜任務(wù)的指令時,機器人需要通過規(guī)劃對該復(fù)雜任務(wù)進行自主分解,生成從任務(wù)的初始狀態(tài)到目標(biāo)狀態(tài)的動作序列。由于需要左、右臂同時執(zhí)行操作任務(wù),因此,雙臂機器人在任務(wù)規(guī)劃過程中,還需要對左、右臂進行合理的任務(wù)分配,使得各項任務(wù)能夠通過左、右臂之間的協(xié)同操作,被快速高效地完成。該過程稱為“雙臂協(xié)同操作規(guī)劃”[17]442-453 [18]4 238-4 243。

雙臂協(xié)同操作規(guī)劃的核心在于操作策略的求解,即如何結(jié)合任務(wù)本身和操作環(huán)境信息來規(guī)劃機器人左、右臂的操作序列。求解的方法為根據(jù)任務(wù)中被操作物體的起始和目標(biāo)位姿信息,直接選擇一種最優(yōu)操作策略[5]2 464-2 470。但這種方法僅適用于簡單或特定的靜態(tài)任務(wù)分配問題,難以解決復(fù)雜的動態(tài)任務(wù)分配問題。根據(jù)任務(wù)規(guī)劃與運動規(guī)劃之間的運行方式,可將雙臂動態(tài)任務(wù)分配問題歸納為以下兩種:

(一)基于幾何約束的任務(wù)規(guī)劃

基于幾何約束的任務(wù)規(guī)劃要求機器人在任務(wù)規(guī)劃過程中同時考慮運動規(guī)劃,即在任務(wù)規(guī)劃過程中考慮無碰撞路徑是否存在[19]1 134-1 151 [20]447-454 [21]1-30 [22]890-927 [23]229-265 [24]346-352。例如,機器人放置物體的位置可能導(dǎo)致新的物體無法放置,且在放置物體的同時需要考慮新物體放置的可行性[23]229-265?；趲缀渭s束的任務(wù)規(guī)劃方法的特點在于,當(dāng)任務(wù)規(guī)劃終止時,整個運動規(guī)劃也同時完成。然而,復(fù)雜任務(wù)往往具有很多操作序列,其幾何約束關(guān)系非常復(fù)雜,往往難以分析求解。

(二)基于幾何回溯的任務(wù)規(guī)劃

與基于幾何約束的任務(wù)規(guī)劃不同,基于幾何回溯的任務(wù)規(guī)劃將任務(wù)規(guī)劃與運動規(guī)劃分開考慮[25]639-646 [26]1 575-1 590。它首先通過任務(wù)規(guī)劃在抽象的任務(wù)空間中搜索一系列能夠完成該操作任務(wù)的離散行為動作,然后通過機器人運動規(guī)劃算法尋找能夠完成該行為動作的無碰撞可行路徑;若運動規(guī)劃失敗,其會將結(jié)果反饋給任務(wù)規(guī)劃算法進行重新規(guī)劃,迭代上述過程直至找到一條能夠使機器人雙臂到達目標(biāo)狀態(tài)的可行路徑?；趲缀位厮莸娜蝿?wù)規(guī)劃方法采用的是“試錯”方式,雖然規(guī)劃效率較高,但其運行性能取決于優(yōu)先操作策略的選擇,若優(yōu)先策略規(guī)劃失敗,則整個操作規(guī)劃將陷入局部最優(yōu)陷阱,需要回溯重新規(guī)劃。

四、擬人化運動規(guī)劃及協(xié)同操作研究進展

(一)機械臂擬人化運動規(guī)劃

目前,機械臂運動規(guī)劃大多通過在機器人構(gòu)形空間中搜索無碰撞幾何路徑來實現(xiàn),其關(guān)注點在于搜索最短可行路徑,很少考慮擬人化運動的特點,如運動路徑應(yīng)具有一致性、最優(yōu)性、平滑性、避關(guān)節(jié)極限和靈活避障等特點。為了讓機械臂能夠具有類似于人類手臂動作的運動軌跡,需要針對機械臂擬人化運動規(guī)劃開展研究,使得擬人化雙臂機器人在完成操作任務(wù)的過程中,不僅能夠規(guī)劃出一條安全無碰撞的機械臂關(guān)節(jié)運動軌跡,而且能保證規(guī)劃的運動軌跡具有一致性、最優(yōu)性、平滑性、避關(guān)節(jié)極限和靈活避障等擬人化運動的特點。具體如下:(1)通過分析操作任務(wù)的約束條件,建立機械臂末端執(zhí)行器路徑規(guī)劃的數(shù)學(xué)模型,進而設(shè)計一種基于操作空間搜索的路徑規(guī)劃算法,從而計算出機械臂末端執(zhí)行器在操作空間中的無碰撞運動路徑。(2)根據(jù)所規(guī)劃的末端運動路徑,通過逆運動學(xué)求解方法,尋找能夠跟蹤該末端運動路徑的機械臂關(guān)節(jié)運動軌跡。(3)設(shè)計一種基于擬人化操作的運動學(xué)指標(biāo)函數(shù),通過對該指標(biāo)函數(shù)的優(yōu)化,使得優(yōu)化后的關(guān)節(jié)運動軌跡具有一致性、最優(yōu)性、平滑性、避關(guān)節(jié)極限和靈活避障等擬人化運動特點。目前,主要有以下兩種機械臂擬人化運動規(guī)劃:

1.二維場景下的平面機械臂避障運動規(guī)劃 結(jié)合碰撞檢測和任務(wù)空間啟發(fā)式搜索的機械臂運動規(guī)劃算法CCTS-ARA*,在任務(wù)空間中采用啟發(fā)式搜索算法ARA*尋找機械臂末端路徑,并通過基于梯度投影法的逆運動學(xué),求解出與環(huán)境障礙物無碰撞的關(guān)節(jié)路徑。同時,采用關(guān)節(jié)碰撞檢測來判斷該關(guān)節(jié)路徑是否有效,以避免任務(wù)空間規(guī)劃過程中遇到的局部最優(yōu)陷阱。例如:CCTS-ARA*算法為二維場景下9自由度平面機器人仿真實驗所規(guī)劃的結(jié)果(參見圖3)。CCTS-ARA*算法能夠規(guī)劃出一條躲避局部最優(yōu)陷阱的關(guān)節(jié)路徑,使得平面機械臂能夠成功地移動到目標(biāo)位置。

圖3 CCTS-ARA*算法下的機械臂運動軌跡仿真實驗結(jié)果圖示

2.任務(wù)約束下的機械臂運動規(guī)劃 基于直接投影法的隨機采樣運動規(guī)劃算法,可有效求解仿人機械臂末端位姿在任務(wù)約束下的運動規(guī)劃問題。與基于迭代投影的運動規(guī)劃算法相比,該方法具有規(guī)劃效率高、跟蹤精度高等優(yōu)點。圖4、5、6為該方法分別就“保持水平姿態(tài)移動水杯任務(wù)”“無碰撞路徑跟蹤任務(wù)”和“雙臂閉鏈約束任務(wù)”所規(guī)劃的結(jié)果(參見圖4、圖5、圖6)。

圖4 保持水平姿態(tài)移動水杯任務(wù)實驗圖示

圖5 無碰撞路徑跟蹤任務(wù)實驗圖示

圖6 雙臂閉鏈約束任務(wù)實驗圖示

(二)雙臂擬人化的協(xié)同操作規(guī)劃

根據(jù)被操作物體位姿信息直接選擇左臂或右臂操作,是一種局部最優(yōu)的路徑規(guī)劃方法。但是,當(dāng)任務(wù)具有較多操作序列或在執(zhí)行過程中有新任務(wù)動態(tài)加入時,該方法往往難以獲得最優(yōu)解,反而導(dǎo)致雙臂操作過程顯得繁瑣與固化,不具備擬人化的協(xié)同操作特點。為了讓雙臂機器人能夠具有類似于人類手臂動作的雙臂操作策略,可以有針對性地開展雙臂擬人化的協(xié)同操作規(guī)劃研究,使機器人在面向較多操作序列或動態(tài)變化的復(fù)雜操作任務(wù)時,能夠求解出符合人類動作習(xí)慣的雙臂最優(yōu)操作策略。具體路徑如下:(1)根據(jù)人類分解任務(wù)的邏輯方法,構(gòu)建任務(wù)分解知識庫。(2)分析各子任務(wù)的所有可行性雙臂操作策略,進而構(gòu)建整個操作任務(wù)的雙臂操作策略圖。(3)設(shè)計一種擬人化操作的評價函數(shù),對機械臂的操作進行賦值計算,并通過圖搜索方法,從所有策略中選擇一條最優(yōu)操作策略。

利用雙臂協(xié)同操作規(guī)劃與運動規(guī)劃并行運行算法框架的雙臂協(xié)作運動規(guī)劃器,在雙臂協(xié)同操作規(guī)劃階段找出求解任務(wù)的一個或多個操作策略,使得機器人能夠適應(yīng)不確定環(huán)境與任務(wù)下的規(guī)劃任務(wù),并具有靈活可靠等特點。其可通過不同場景下物體抓取放置任務(wù)來驗證該算法框架的有效性。圖7為物體抓取放置任務(wù)的雙臂操作策略圖,雙臂機器人自適應(yīng)地選擇不同的操作策略來完成操作任務(wù)(參見圖7)。

圖7 抓取放置任務(wù)的雙臂操作策略圖示

五、結(jié) 語

在面向動態(tài)不確定或非結(jié)構(gòu)化場景下的復(fù)雜操作任務(wù)時,若想讓擬人化雙臂機器人像人類那樣利用雙臂,就需要從以下兩個方面入手:(1)通過機械臂運動規(guī)劃,安全自主地規(guī)劃出能夠完成操作任務(wù)且符合人類運動特點的運動路徑,使得機器人的運動能夠被預(yù)測或預(yù)見,從而設(shè)計一種擬人運動規(guī)劃算法,實現(xiàn)機械臂在感知場景下的擬人化運動,這是當(dāng)前需要解決的重要問題之一。(2)基于幾何回溯任務(wù)規(guī)劃方法規(guī)劃的雙臂擬人化協(xié)同操作策略,往往取決于初始策略的選擇,其求解的策略不能保證最優(yōu)性。因此,如何從最優(yōu)操作策略求解角度,設(shè)計一種能夠求解出最優(yōu)操作策略的擬人雙臂協(xié)同操作規(guī)劃方法,是當(dāng)前需要解決的另一個重要問題。