面向復雜狹窄結構檢測清除的超冗余度機器人研究進展

薛雷,鄧江沁,李子清,劉超,呂美鳳,谷國迎*

(1.上海飛機制造有限公司,上海 201324; 2.上海交通大學機械與動力工程學院,上海 200240)

大型復雜深腔構件是航空航天、核電、船舶等領域裝備的核心部件,此類構件內部包含大量復雜狹窄結構,在制造與裝配這些復雜狹窄結構的過程中,容易產生切屑、螺釘、螺母等多余物影響高端設備安全運行。因此,定期進入這些復雜狹窄結構進行多余物檢測與清除對維持其安全運行至關重要。然而,這些復雜狹窄結構具有復雜、狹窄、弱光/無光、封閉、多障礙物等特點,給復雜狹窄結構的安裝、檢測和多余物清除工作帶來了巨大的挑戰。受限于較低的自由度數和靈巧性,傳統的工業機器人無法進入這些復雜狹窄結構,超冗余度機器人由于其具有大長徑比和運動靈活和自由度多等特性[1-3],能模仿蛇的形態及運動形式進入狹小受限空間開展作業,被應用于航空航天[4-5]、核工業[6]、醫療設備[7-8]等領域,受到學術界及工業界的廣泛關注。

“超冗余”一詞最早由Chirikjian等[9]提出,是指具有非常多的或者無限自由度的冗余機器人,這些機器人在形態上類似“蛇”[10]、“象鼻”[11]、“章魚觸手”[12]和“觸角”[13]。超冗余度機器人由于具有冗余自由度的特性,傳統的工業機器人的研究方法不可直接應用,給其結構設計、運動學模型、控制方法、運動規劃等方面帶了嚴峻的挑戰。現首先介紹超冗余度機器人的結構研究,從結構設計的方面對超冗余度機器人進行分類,然后從運動學模型、控制方法、運動規劃等方面對中外超冗余度機器人相關研究進行綜述,最后對超冗余度機器人研究進行總結和展望。

1 超冗余度機器人的結構設計

超冗余度機器人相關的研究已經近半個世紀,在此過程中,其逐漸演化出兩種不同的結構類型,由具有柔性的連續體段實現彎曲變形的連續體機器人和通過剛性鉸接關節連接并實現類蛇形彎曲的多節串聯機器人。

1.1 連續體機器人

連續體機器人通常由具有柔性的連續體段組成,其運動由構成連續體段材料本身的柔性變形來實現。連續體機器人具有多種類型,按照驅動方式的不同可大致分為內置驅動與外置驅動兩種類型。外置驅動的連續體機器人通常使用后置的傳動裝置為前端細長的連續體段材料提供驅動力,內置驅動的則通常利用氣壓或形狀記憶合金(shape memory alloys,SMA)產生驅動力。連續體機器人可以按照驅動方式的不同分為以下4種類型。

(1)繩驅動連續體機器人:繩驅動連續體機器人主體結構通常帶有一根中央桿(backbone),具體形式為一根單獨的具有一定彈性變形能力的桿[14]。中央桿上通常帶有供驅動繩通過和固定的圓形間隔片,后置的驅動裝置通過拉緊放松繩相互協同作用的方式使得細長的連續體實現一定的彎曲變形,如圖1所示。

圖1 繩驅動連續體機器人[14-15]

(2)同心管連續體機器人:同心管連續體機器人的主體結構通常由幾根預先彎曲成固定曲率的鎳鈦合金管以嵌套的形式組成,其外側嵌套的管剛度強于內側嵌套的管,當內側嵌套的管發生軸向收縮時,將會在外側管的作用下發生彈性變形,整體呈現出近似外側管預先彎曲的形狀。機器人整體的三維空間運動則通過相對旋轉和伸縮來實現[16],如圖2所示,由于其結構簡單,其直徑可以達到毫末甚至亞毫米級,在手術機器人領域中得到了廣泛應用[17]。

圖2 同心管連續體機器人[18]

(3)氣動連續體機器人:氣動連續體機器人本體結構不僅僅使用充氣腔室構成具有彈性的中央桿,也將充氣腔室作為驅動器來使用[19-20]。如圖3所示,該類機器人運動功能的實現源于可充氣腔體,通過不同充氣程度的形狀變化實現三維空間運動,其中多個充氣腔室可以沿著彎曲中軸線四周進行排布,在和外界環境發生碰撞時可實現柔順屈服,具有較高的安全性能。

圖3 氣動連續體機器人[20-21]

(4)形狀記憶合金連續體機器人:基于形狀記憶合金(SMA)的連續體機器人通常采用多桿形式,其中中央桿為一根單獨的具有彈性變形能力的桿,SMA作為機器人的副桿和驅動器,通過施加一定的外部作用實現SMA的變形,從而驅動機器人實現空間的三維運動[22],如圖4所示。

雖然無限自由度的連續變形能力給連續體機器人帶來了許多優勢,如可保證與外部環境接觸時的自適應性、運動靈巧性等特點,但是由于連續體機器人依賴柔性材料變形的特點產生運動,導致相對較低的運動剛度、負載能力和精度,從而在一定程度上限制了連續體機器人在航空航天檢修、核電設施維護等復雜工業環境下的應用。

1.2 多節串聯超冗余度機器人

多節串聯形式的超冗余度機器人本體結構通常是由萬向關節連接的若干段剛性臂體串聯而成,通過增加萬向關節和剛性臂體的數量來增加運動自由度,進而實現三維空間的靈巧運動。根據驅動裝置的位置可以將多節串聯超冗余度機器人分為關節內置驅動和后置驅動兩種類型。

(1)關節內置驅動:與傳統的工業機器人類似,通過在關節處安裝電機等驅動器對各個關節轉角進行直接控制,以使機械臂本體達到目標位姿。該類機械臂技術相對傳統,發展較早。1995年,美國宇航局噴氣推進實驗室(jet propulsion laboratory,JPL)開發了一款關節驅動超冗余度機械臂[24],共有6節12個自由度。挪威科學和工業研究基金會研發的Anna Konda機器人具有11節完全相同的臂體單元,由10個具有2自由度的萬向關節連接而成,關節處使用直線驅動器驅動,如圖5(a)所示?？▋然仿〈髮W研發的一款應用于地震災后搜救的蛇形機器人U-snake原型樣機如圖5(b)所示,該機器人同樣采用關節內置驅動的方式,使用模塊化的關節串聯而成,16模塊關節構成的蛇形機器人長約1 m,直徑約50 mm,機器人的末端包含一個攝像頭和LED燈,能夠實現在各種地形上的三維運動和探測[25]。

關節內置驅動的方式具有控制簡單、驅動力大等優勢,但在超冗余度機械臂的結構設計時,關節處安裝的驅動器會增大臂體直徑和重量,在一定程度上影響機器人的控制精度和運動性能。此外,安裝有精密電子元器件的機械臂體難以應用于輻射、高溫高壓等不良環境。

(2)后置驅動:目前,后置驅動的多節串聯超冗余度機器人基本上均采用繩驅動的驅動方式。如圖6(a)所示,OC Robotics公司為法國空中客車公司專門研制了一款用于機翼腔內作業的繩驅動超冗余度機器人[27]。如圖6(b)所示,上海交通大學的谷國迎教授團隊設計了一款具有24個臂體自由度的超冗余度機器人[28],由蛇形機械臂、驅動機構和底座運動平臺組成,其驅動機構同樣為后置設計。

圖6 驅動后置超冗余度機器人[27-28]

后置驅動的結構設計具有臂體輕量化、大長徑比和對特殊環境的適應性等優點,被眾多學者所青睞。例如后置驅動可以保證純機構的臂體部分進入諸如水下[1,29]或存在電磁干擾[30]的環境執行相應的作業任務。

為提高超冗余度機器人進入狹窄受限空間的作業能力,超冗余機器人的末端可設計相應的執行器進行探測清除等作業。早在1994年,超冗余度機器人末端設計搭載了末端機械手,該機械手可以攜帶工具或檢查設備穿過孔到達核反應堆中的工作位置[31]。隨著研究的深入,末端執行器的功能更加豐富多樣,如圖7所示[27],從左到右分別具有視覺檢測、密封劑涂敷、鎖緊螺栓等功能的末端執行器。

圖7 驅動后置超冗余度機器人[27]

此外,還有在末端搭載高壓水槍和變焦鏡頭配合進行清潔作業的超冗余機器人[32],但在機器人末端搭載具有多余物清除功能的末端執行器還鮮有報道,主要難點在于精確的運動引導控制和設計可靠的自適應小型化末端執行器。

不同結構設計的超冗余度機器人有著各自的優缺點。連續體超冗余度機器人的優點是直徑小、柔性強,缺點是精度低、靈巧性差,更多應用在醫學領域或者小型設備的維修與檢測。多節串聯超冗余度機器人的優點是精度高、靈巧性高、剛度大,缺點是直徑大、柔性小,更多應用在飛機油箱、核電站等大型裝備的復雜狹窄結構的檢測和清除。而后置驅動的多節串聯超冗余度機器人長徑比更大,且在探測和作業過程中不需要接觸工件,因而取得了更為廣泛的應用。

2 超冗余度機器人的運動學建模

超冗余度機器人的運動學建模是對超冗余度機器人進行運動控制的關鍵,是超冗余度機器人學術研究的重點之一。大部分超冗余度機器人具有串聯結構,所以可以采用傳統的工業串聯機械臂的運動學建模方法對超冗余度機器人進行運動學建模,主要的方法包括以下3種。

(1)D-H坐標建模法:D-H坐標建模法是如今機器人領域應用最廣的運動學建模方法之一,該方法用來描述串聯式鏈路上連桿和關節的坐標關系[33]。D-H參數法表示機器人的基本思想在于:在開鏈機構的每個連桿上都建立坐標系,再通過確定相鄰坐標系之間的相對位移關系建立正向運動學方程,進而表示機器人。按照D-H指定的規則進行建模,就可以得到各運動關節的坐標系與工具坐標系下坐標的變換關系,一般用矩陣進行表示。Craig[34]提出了一種改進的D-H參數法,在建立關節坐標系時將坐標系固結于該連桿的近端而不是遠端,從而使D-H運動學模型更容易被直觀地理解。為了便于區分,這種方法被稱為改進D-H(Modified D-H),而之前的方法被稱為標準D-H(Standard D-H)。Walker等[11]使用D-H參數法建立了象鼻超冗余度機器人的運動學模型,Anjum等[35]使用D-H參數法建立了9自由度超冗余度機器人的運動學模型。Fang等[3]用改進D-H參數法建立了24自由度的后置驅動繩驅動超冗余機器人的運動學模型。D-H坐標建模法參數意義直觀,容易理解和推導,在超冗余機器人領域取得了廣泛應用,但用于其坐標系之間串聯、坐標點離散的特點,D-H坐標建模法只適用于多節串聯超冗余度機器人的運動學建模,而不適用于連續體機器人運動學建模。

(2)指數積(product of exponentials,POE)建模法:POE建模法通過指數積的形式建立了運動旋量與剛體運動矩陣的映射關系。關節軸線處的運動旋量產生關節的運動,再將旋量通過指數映射就可以得到機器人的運動模型[36]。相較于D-H坐標建模法,POE建模方法的優點有:表達形式緊湊,擁有李群的理論基礎,易于幾何可視化,計算效率高[37]等。此外,POE建模法在機器人的運動規劃、正逆運動學分析和參數標定等方面也有著很好的應用。Tang等[3]用POE建模法建立了后置驅動超冗余度機器人的運動學模型,Zhao等[38]將用POE建模法建立了連續體超冗余度機器人的運動學模型。Ju等[39]用POE建模法建立了繩驅動超冗余度機器人的運動學模型。POE建模法雖然計算效率比D-H坐標建模法更高,但是仍然保留了D-H坐標建模法串聯和離散的特點,只適用于多節串聯超冗余度機器人的運動學建模,用于連續體機器人運動學建模的效果不佳。

(3)恒曲率建模法:D-H坐標建模法和POE建模法適用于剛柔耦合、串并聯混合的超冗余機器人,是由于這類機器人主要用金屬制造,建模方法與傳統機器人類似。但對于用柔性材料制作的連續體超冗余度機器人,這兩種方法就不適用了。為此,文獻[40-42]提出了恒曲率模型來解決連續體超冗余度機器人的建模問題。恒曲率建模法的核心思想是:單節連續體機器人在驅動器的作用下產生的變形類似于圓弧。Gravagne等[43]利用歐拉-伯努利梁理論證明了梁一端施加一個恒定力矩時,其變形符合恒定曲率結論,這項研究是恒曲率建模法的理論基礎。Tonapi等[44]利用恒曲率模型建立了繩驅動連續體機器人的運動學模型。Li等[45-46]使用恒曲率建模法建立了繩驅動多節串聯超冗余度機器人的運動學模型。Caasenbrood等[47]將恒曲率建模法與黏彈性、超彈性理論相結合,建立了超彈性軟機器人的運動學模型。恒曲率建模法既可以用于連續體機器人的運動學建模,又可以用于多節串聯超冗余度機器人的運動學建模,具有更好的通用性,但當驅動繩或驅動桿的彈性變形、彎曲變形相互耦合時,恒曲率建模法的精度會明顯下降。

除了上述3種方法,針對串并聯混合的金屬制作的超冗余度機器人,還有S模型法[48]、CPC[49]模型法等建模方法,而針對連續變形的柔性超冗余度機器人,還有連續骨架法[50]、變曲率模型法[51]等方法。隨著建模方法的不斷改進,超冗余度機器人的運動學模型精度也越來越高,而且具有了更強的普適性,為超冗余度機器人的科學研究奠定了基礎。

3 超冗余度機器人的控制方法

在受限空間中進行探測對超冗余度機器人的運動精度要求較高,因此需要研究超冗余度機器人的控制方法以提高超冗余度機器人的運動精度。超冗余度機器人的控制方法可以分為開環控制和閉環控制。

開環控制的主要思想是基于對機器人建立的運動學模型計算驅動器的驅動量,從而控制機器人達到指定位姿。為了提高控制精度,有一些開環算法使用了運動學標定等方法降低了機器人在機械制造與裝配中產生的靜態誤差[52]。另外,可以通過更細致的建模方法和特定的算法來降低機器人的繩孔間隙、繩孔摩擦、繩索變形等動態誤差。針對繩孔間隙產生的誤差,可以使用切比雪夫多項式擬合不同姿態下驅動繩長度的大量數據集來進行補償[53],也可以使用Dijkstra算法來進行直接計算[54]。針對繩索變形和繩孔摩擦產生的誤差,可以通過動力學建模進行計算[55]。機器人在運動過程中速度不連續、不平滑也會造成機器人的運動精度降低,針對此問題,可將一般用于機床控制的兩級規劃方法應用到繩驅動超冗余度機器人上[56],以達到運動過程機器人的關節角度值、速度、加速度變化連續的目的,從而提升控制精度。

閉環控制主要通過傳感器反饋的信息對機器人進行閉環控制。應用比較廣泛的方法有如下3種。

(1)關節角度閉環控制法:關節角度閉環控制法是指通過超冗余度機器人上的關節角度傳感器反饋的各關節實時角度變化來進行閉環控制的方法。該方法的主要思想是通過角度傳感器測量超冗余度機器人在運動過程中的實際角度值與目標角度值之間的誤差,再以減小該誤差為目標設計閉環控制器,提高機器人各個關節的角度運動精度,從而提升機器人的運動精度。直接把超冗余度機器人的運動學模型和基于目標角度與實際角度誤差的PID(proportional integral derivative)控制器相結合是實現關節角度閉環控制的最直接的方法之一[57]。通過關節角度信息可以設計基于預測的前饋補償器和多節拉緊-放松閉環控制器,從而實現超冗余度機器人自動回零初始化的功能,并顯著提升機器人的運動精度[28,58]。基于分層驅動原理,可以實現超冗余度機器人的多關節角度同步運動[59]。由于關節角度閉環控制法可以精確控制各個關節的運動角度,所以非常適合多節串聯的超冗余度機器人的運動控制,通過控制每一節的關節轉角的精度,可以顯著提升機器人的總體運動精度。

(2)末端視覺閉環控制法:末端視覺閉環控制法是指通過超冗余度機器人末端的攝像頭采集的視覺反饋信息來實現機器人的閉環控制?；陔p目視覺與識別算法,超冗余度機器人可以獲得待檢測物體的相對坐標[60]。在一些特定任務中(例如清除多余物任務),超冗余度機器人末端需要運動至目標點進行作業,從而需要對機器人末端進行閉環控制,保證機器人的作業精度[61]。末端運動控制的主要方法有兩種:第一種是以當前機器人末端位置為起點,多余物位置為終點進行實時路徑規劃,不斷更新路直接控制徑從而引導機器人接近多余物;第二種是對機器人最后的若干個關節進行PID控制,使得機器人末端可以始終朝著最短或者最合適的方向向多余物靠近。此外,這種方法還可以應用于超冗余度機器人的無標定視覺伺服技術中,以提高機器人的運動精度[62]。末端視覺閉環控制法適用于所有需要進行末端作業的超冗余度機器人,具有較好的通用性,但由其控制系統的輸入只來自于末端相機,所以只能對機器人末端的運動精度進行提升,而對于前面的臂體段的運動精度提升效果較小。

(3)力傳感器閉環控制法:力傳感器閉環控制法是指通過在超冗余度機器人的驅動器上布置力傳感器來進行力學閉環控制的方法。該方法的思路是通過力傳感器測量出機器人驅動繩上的實時張力,再根據超冗余度機器人的動力學模型推導出機器人運動的位置、速度和加速度,然后將機器人的這些運動參數與期望的參數之間的誤差作為控制目標進行閉環控制,從而提升機器人的運動精度。通過推導機器人精確的運動學模型和速度雅可比矩陣與力雅可比矩陣,可以對機器人的控制系統進行張力優化[55]。通過對機器人建立簡化的動力學模型,可以設計基于遞歸動力學與繩驅動力—電機扭矩關系推導的前饋扭矩控制策略,從而提高機器人的運動精度[63]。通過二次規劃的方法可以對超冗余度機器人的驅動繩上的張力進行優化,提高機器人的軌跡追蹤誤差[64]。力傳感器閉環控制法是基于動力學的,但目前超冗余度機器人多應用于低速運動的場景,運動過程可以近似為準靜態過程,所以該方法對于機器人的整體精度的提升效果一般。另一方面,由于該方法分析了機器人的受力情況,對于機器人的健康監測和需要考慮受力的末端作業是不可或缺的。

為了滿足各種復雜受限空間中的作業需求,對超冗余度機器人運動精度的要求的不斷提高,有關超冗余度機器人的開環控制法和閉環控制法的研究也在不斷進步。在實際應用中,使用開環控制法和閉環控制法相互融合的控制方案越來越多,閉環控制法中也逐漸開始研究將角度傳感器、視覺傳感器、力傳感器的信息相互融合進行控制的方法。

4 超冗余度機器人的運動規劃

冗余自由度的特性使得超冗余度機器人具有在復雜受限空間中完成避障作業的能力。但是,冗余自由度帶來的逆運動學多解、求解效率低等問題導致傳統工業機器人的方法不再適用。此外,受限空間中障礙物眾多,環境復雜,超冗余度機器人在這種環境下進行運動規劃是一個很大的挑戰。目前超冗余度機器人的運動規劃主要以離線規劃為主,分為以下兩種。

(1)基于曲線的運動規劃:基于曲線的規劃方法是指使用一條時變的曲線來表示機械臂在各個時刻的目標位姿并控制機械臂擬合該曲線的形狀,因此在運動規劃的過程中,只需要規劃出任意時刻的曲線姿態,進一步通過擬合曲線形狀即可間接完成對機械臂的運動規劃。曲線的數學表征參數通常遠小于超冗余度機械臂的自由度,因此使用該方法可以大幅降低規劃的復雜度[9,65]。

該方法通過使用一些簡單的時變理論曲線來表征機械臂在各個時刻的位置和形態,從而實現機器人的運動規劃。但在狹窄深腔環境中使用簡單的理論曲線表征無碰撞的路徑較為困難,因此該方法更多被運用在受限程度較低或空曠環境下進行運動規劃。

(2)基于末端跟隨的運動規劃:針對超冗余度機器人細長的臂體結構和靈活的運動能力提出了一種專用的基于末端跟隨的運動規劃算法[66]。目前基于末端跟隨的運動規劃算法基本上都是按照預先規劃好的一條目標路徑進行末端跟隨運動,故該方法可以劃分為路徑規劃和路徑跟隨運動兩個部分。

路徑規劃可以視作如何在狹窄受限環境內獲取一條從起點到目標點的無碰撞路徑曲線的問題,常見的路徑規劃方法有遺傳算法[67]、蟻群算法[68]、柵格地圖法[69]、人工勢場法[70]、基于采樣的方法[71]等。上述方法雖然均可以完成路徑規劃的基本要求,但是其規劃出的路徑由于少有考慮關節角度限制、總長度限制、末端位姿限制等因素往往不能直接應用于超冗余度機器人。為解決該問題,基于快速拓展隨機樹(rapidly-exploring random tree,RRT)算法,上海交通大學的谷國迎教授團隊針對末端跟隨運動研究了專門的路徑規劃算法[72-73]。該類算法規劃出的路徑不僅可以滿足狹窄深腔環境的避障要求,也具有路徑的可跟隨性和不等長臂體的適應性。

在規劃出了具體的目標路徑后,如何實現機器人對預規劃好的路徑的跟隨運動也至關重要。早在1999年,一種針對超冗余度機器人的路徑跟隨算法[61]就被提出,該算法由于其大幅度降低了運動規劃計算復雜度被廣泛應用。該算法應用于超冗余度機器人的路徑跟隨,有3種方式用來評估路徑跟隨的性能:①機器人的本體關節是否與路徑相切[74],該方式由于需要保證跟隨過程中臂體始終與目標路徑相切,需要獲得目標路徑的空間解析表達曲線,而表達曲線往往難以獲得,計算效率較低;②將機器人本體關節離散化,量化機器人的關節和目標路徑之間的歐幾里德距離[75-76],這種方式由于離散點過多,計算量較大,會使它評估的性能惡化;③機器人的關節中心和路徑之間的歐幾里德距離[77],這種方式由于其僅匹配關節中心和目標路徑,計算量較小,被眾多學者所青睞,但目標路徑的離散化會降低計算效率,離散誤差會使它跟隨目標路徑的性能惡化。因此,Tang等[78]提出了預測查找方法以提高計算效率,并提出了插值補償算法[78]以減少離散誤差,如圖8所示。

r(λ)為規劃的路徑曲線;M(In)為路徑曲線離散點集;Ci(t)為t時刻的第i個關節的位置信息;Ci為圓心;Ci、MIn為半徑為Li的圓與直線;CiMIn+1和路徑曲線分別相交于點A,E和B處;點F在線段CiMIn+1上并滿足約束條件‖CiF‖=‖CiMIn‖=Li;點G在直線CiB上;且EG與FMIn平行

相較基于曲線的運動規劃方法,基于末端跟隨的方法是控制機械臂在運動過程中持續沿著一條固定路徑曲線運動,機器人本體掃過的空間體積大幅減少,適用于超冗余度機械臂在復雜狹窄受限環境中的避障運動。如圖9[72-73]所示,通過使用基于末端跟隨的運動規劃算法,控制超冗余度機器人安全進入復雜狹窄結構,通過在機器人末端搭載相應的視覺系統和末端執行器,可以實現狹窄深腔環境的探測和多余物清除等作業。然而,離線的運動規劃算法無法保證實時規劃出無碰撞的路徑,并且對環境的先驗信息依賴較高,難以應用在環境未知的受限空間,在線運動規劃成為運動規劃研究的一個方向。目前,針對超冗余度機器人的在線運動規劃并不多見。較為新穎的一種方法為Martin-Barrio等[79]提出的基于混合現實的遙操作控制方法。該方法通過三維重建并結合虛擬現實(virtual reality,VR)設備與機器人模型進行直接交互,并按照交互結果給機器人發送相應的運動指令。

5 結論與展望

對中外超冗余度機器人的結構設計、運動學建模、控制方法和運動規劃等方面的研究進行了分析。目前對超冗余度機器人的研究已取得了一定的研究成果,但超冗余度機器人在不同的復雜受限空間中開展作業時仍面臨著諸多問題,未來的工作需要從不同角度對超冗余度機器人進行深入研究。

在結構設計方面,多節串聯超冗余度機器人后置驅動的結構設計是一種有效可靠的設計形式。在該設計形式的基礎上,降低結構設計產生的運動誤差,并對超冗余度機器人臂體單元進行小型化、輕量化設計,進一步提高機器人的可靠性和靈活性;在超冗余度機器人末端設計集成化的末端執行器,提高超冗余度機器人進入狹窄深腔環境的作業能力。

在運動學建模方面,應該針對超冗余度機器人的特點,研究標定方法和繩孔誤差,形成更為準確的運動學模型,從而降低超冗余度機器人的建模誤差,提升機器人的運動精度。

在控制方法方面,開環控制法需要研究和考慮更多的因素從而降低控制誤差,閉環控制法需要增加傳感器的數量,并對傳感器的測量結果進行融合,從而對超冗余度機器人進行全方位全過程的控制。

在運動規劃方面,離線運動規劃能夠通過環境的先驗信息規劃出有效的目標路徑,但由于其無法保證實時規劃出無碰撞的目標路徑,從而降低了超冗余度機器人的環境探測能力,在線運動規劃的需求則對規劃方法的實時性提出了挑戰。

在末端執行器方面,狹窄深腔環境下的多余物探測清除作業對末端執行器的設計提出了更高的要求,需要設計具有視覺探測、有效抓取等功能的集成化末端執行器,提高超冗余度機器人的作業能力。

在工程實踐中,超冗余度機器人的設計方法將更加集成化、標準化,面對不同的復雜環境將具備定制化的解決方案,從而應對各種復雜環境對超冗余度機器人作業提出的要求。