下一代机器人：迈向智能工业协作

作者｜Changliu Liu, Masayoshi Tomizuka

译者｜王纯超

编辑｜Emily

AI 前线导读：在现代工厂中，人力和机器人是两大劳动力。出于安全考虑，两者通常都是分开的，机器人被限制在金属容器中，这限制了生产线的生产力和灵活性。

更多干货内容请关注微信公众号“AI 前线”，（ID：ai-front）

工厂机器人民主化

在现代工厂中，人力和机器人是两大劳动力。出于安全考虑，两者通常都是分开的，机器人被限制在金属容器中，这限制了生产线的生产力和灵活性。近年来，人们开始关注拆除金属容器，使得人类和机器人可以协作建立一个人机共存的工厂。制造商有兴趣在灵活的生产线上结合人的灵活性和机器人的生产力。工业协作机器人的潜在好处巨大且广泛，例如，它们可被放置在灵活的生产线上的人机团队中，机器人手臂和人类工作人员协同处理工件，自动引导车辆（AGV）与人类工人一起完成工厂物流。在未来的工厂中，会发生越来越多的人类与机器人的交互。与在结构化和确定性环境中工作的传统机器人不同，协作机器人运行的环境是高度非结构化和随机的。根本问题是如何确保协作机器人在动态不确定的环境中高效安全地运行。在这篇文章中，我们将介绍机械系统控制（Mechanical System Control，MSC）实验室开发的机器人安全交互系统（Robot Safe Interaction System，RSIS）。

   未来工厂人机协作场景

现有解决方案

包括 Kuka、Fanuc、Nachi、Yaskawa、Adept 和 ABB 在内的机器人制造商已经拥有或正在研究相应的解决方案。现在已经发布了一些安全的协作机器人，如日本 FANUC 的 Collaborative Robots CR 系列、丹麦 Universal Robots 的 UR5、美国 Rethink Robotics 的 Baxter、日本 Kawada 的 NextAge 和德国 Pi4_Robotics GmbH 的 WorkerBot。然而，这些产品中的许多的关注点在本质安全，即在机械设计、驱动和低水平运动控制方面的安全性。智能（包括感知、认知和高层运动规划和控制）的关键，与人类社交的安全性，仍然需要探索。

技术挑战

从技术上讲，设计工业协作机器人的行为是具有挑战性的。工业协作机器人要配合人类，应该具备以下能力：收集环境数据并解释这些数据，适应不同的任务和不同的环境，并且根据工人的需要调整自己。例如，在下图所示的人机协同组装过程中，一旦人将两个工件放在一起，机器人应该能够预测这个人将需要工具来固定组件。然后机器人应该能够拿到工具并交给人，同时避免与人碰撞。

人机协同组装

实现这种行为的挑战在于：（1）人类行为的复杂性 ;（2）在不牺牲效率的情况下难以保证实时安全。人体运动的随机性给系统带来了巨大的不确定性，难以保证安全和效率。

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是在机械系统控制实验室开发的，该系统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。

由于机器人需要与人类交互，而人类获得交互行为的时间很久，因此让机器人模仿人类行为是很自然的。人的交互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，后面的车的司机可能会本能地踩刹车。然而，经过短暂的思考，司机可能会加速切入另一条车道，以避免连环追尾。第一个行为是短期的安全反应行为，而第二个行为需要计算当前的情况，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换车道，哪一种更安全。

已经引入了一种模拟这种行为的并行规划和控制架构，包括长期和短期的运动规划器。长期规划器（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）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不确定因素，长期规划器根据其他人最有可能的行为制定规划，而短期规划器考虑短期内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并行规划和控制架构

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。为了确保及时响应环境变化，人们开发了用于实时计算的快速算法，即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（Safe Set Algorithm, 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，假定该问题具有凸目标函数和非凸约束。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。这些解将会收敛到一个局部最优解。它比一般的非凸优化求解器，如序列二次规划（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 算法凸化图解

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，并高效地完成任务。

实时动作规划和控制

迈向通用智能：安全高效的机器人协作系统（SERoCS）我们正在研究 RSIS 的高级版本——安全高效的机器人协作系统（SERoCS），得到了美国国家科学基金会（NSF）第 1734109 号资助。除了安全人机交互（HRI）运动规划和控制算法外，SERoCS 还包括健壮的用于环境监控的认知算法和用于安全人机协作的最优任务规划算法。SERoCS 将显著扩大协作机器人的技能组合，防止或最小化在运行过程中人机碰撞和机器人与机器人碰撞事故的发生，从而实现和谐的人机协作。

SERoCS 架构

参考

• C. Liu, and M. Tomizuka, “Algorithmic safety measures for intelligent industrial co-robots,” in IEEE International Conference on Robotics and Automation (ICRA), 2016.

• C. Liu, and M. Tomizuka, 'Designing the robot behavior for safe human robot interactions', in Trends in Control and Decision-Making for Human-Robot Collaboration Systems (Y. Wang and F. Zhang (Eds.)). Springer, 2017.

• C. Liu, and M. Tomizuka, 'Real time trajectory optimization for nonlinear robotic systems: Relaxation and convexification', in Systems & Control Letters, vol. 108, pp. 56-63, Oct. 2017.

• C. Liu, C. Lin, and M. Tomizuka, 'The convex feasible set algorithm for real time optimization in motion planning', arXiv:1709.00627.

查看英文原文:

http://bair./blog/2017/12/12/corobots/