擬人化雙臂機器人運動規劃研究綜述*

呂 君

(義烏工商職業技術學院 機電信息學院, 浙江 金華 322000)

隨著科技的快速發展和智能化時代的到來,國民生活品質的提升和我國老齡化進程的加快,機器人技術得到迅速發展,其應用普及程度也不斷提高。當前,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。與傳統工業機器人不同,人們對家用服務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、有效協作,并能通過自主學習來提高操作技能,自然地與人交互,以實現真正的人機共融發展。

在人機共融的環境下,家用機器人與人之間的交互已經由單向性向雙向性轉變。機器人需要理解人類下達的操作任務,并通過自主感知、規劃與執行來完成操作任務;使用者也應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。這種機器人與人的交互最終形成人機融合的信息閉環。機器人擬人化操作是實現人機交互的重要技術之一。針對家庭復雜的服務使用情境,為了完成繁雜的任務,機器人的技術水平需要不斷提升,需要相關機構不斷研究家用服務機器人的擬人化操作機理,設計合理的機器人雙臂功能特性和評價指標,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展歷程

國內外政府、企業、高校和研究機構等創新主體都高度重視雙臂服務機器人的產業化發展,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用研究。目前,國內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展歷程及其特點圖示

如圖1所示:第一階段為20世紀70年代至90年代,此時的機器人以面向簡單任務而研發的雙臂機器人為主。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據和信息,雙臂自主運動規劃和協同操作能力非常薄弱。第二階段為21世紀00年代,此時的雙臂機器人在系統結構設計上開始擬人化,成為一個完整的機器人系統。兩條手臂具有一定的自主運動規劃與協同操作能力,可以在同一系統下進行通信,并共享數據。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下與人進行近距離的安全接觸。它的雙臂具有擬人化結構和冗余自由度構形,能夠實現簡單的自主運動規劃和雙臂協同規劃,并且能夠與人進行簡單的協同作業。

從發展歷程看,擬人化雙臂機器人由起初的數量少、自由度低、缺乏自主運動規劃和雙臂協同操作規劃,到現在數量較多,能夠實現自主運動規劃和雙臂協同操作規劃,并且能夠與人近距離接觸和協同作業,在功能和性能上都有很大提升。但是,在執行動態不確定和非結構化場景下的復雜操作任務時,擬人化雙臂機器人的操作過程往往比較繁瑣,并且規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、機械臂運動規劃研究進展

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

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

圖2 常用機械臂避障運動規劃方法及其優缺點圖示

如圖2所示:人工勢場法是最早用于機械臂運動規劃的方法,雖然具有運算速度快、實時性好等優點[11]90-98,但這種方法容易陷入局部最優陷阱問題,常常導致運動規劃失敗。隨機采樣運動規劃具有效率高、簡單易實現的特點,且能高效求解高維空間運動規劃問題,是一種最適合用于機械臂運動規劃的方法[12]56-77。然而,RRT、PRM及其改進算法所規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劃出一條最優路徑[13]846-984。但是,運用這類算法找到最優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搜索到最優路徑。啟發式搜索運動規劃方法主要通過啟發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劃問題[14]305-320,但對高維度運動規劃問題,其搜索效率不高,并且搜索路徑取決于啟發式函數的定義。軌跡優化運動規劃將機械臂運動規劃問題表述為一個軌跡優化的過程,它通過最優控制算法尋找一條連接起始構形與目標構形的最短關節運動軌跡,使得機器人能夠最大限度地遠離障礙物并保證關節運動的平滑性[15]4 030-4 035 [16]4 569-4 574。但該方法僅能保證所規劃的關節軌跡具有局部最優性,不能保證全局最優性。

三、雙臂協同操作規劃研究簡介

當接到完成復雜任務的指令時,機器人需要通過規劃對該復雜任務進行自主分解,生成從任務的初始狀態到目標狀態的動作序列。由于需要左、右臂同時執行操作任務,因此,雙臂機器人在任務規劃過程中,還需要對左、右臂進行合理的任務分配,使得各項任務能夠通過左、右臂之間的協同操作,被快速高效地完成。該過程稱為“雙臂協同操作規劃”[17]442-453 [18]4 238-4 243。

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

(一)基于幾何約束的任務規劃

基于幾何約束的任務規劃要求機器人在任務規劃過程中同時考慮運動規劃,即在任務規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。基于幾何約束的任務規劃方法的特點在于,當任務規劃終止時,整個運動規劃也同時完成。然而,復雜任務往往具有很多操作序列,其幾何約束關系非常復雜,往往難以分析求解。

(二)基于幾何回溯的任務規劃

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

四、擬人化運動規劃及協同操作研究進展

(一)機械臂擬人化運動規劃

目前,機械臂運動規劃大多通過在機器人構形空間中搜索無碰撞幾何路徑來實現,其關注點在于搜索最短可行路徑,很少考慮擬人化運動的特點,如運動路徑應具有一致性、最優性、平滑性、避關節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劃開展研究,使得擬人化雙臂機器人在完成操作任務的過程中,不僅能夠規劃出一條安全無碰撞的機械臂關節運動軌跡,而且能保證規劃的運動軌跡具有一致性、最優性、平滑性、避關節極限和靈活避障等擬人化運動的特點。具體如下:(1)通過分析操作任務的約束條件,建立機械臂末端執行器路徑規劃的數學模型,進而設計一種基于操作空間搜索的路徑規劃算法,從而計算出機械臂末端執行器在操作空間中的無碰撞運動路徑。(2)根據所規劃的末端運動路徑,通過逆運動學求解方法,尋找能夠跟蹤該末端運動路徑的機械臂關節運動軌跡。(3)設計一種基于擬人化操作的運動學指標函數,通過對該指標函數的優化,使得優化后的關節運動軌跡具有一致性、最優性、平滑性、避關節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劃:

1.二維場景下的平面機械臂避障運動規劃 結合碰撞檢測和任務空間啟發式搜索的機械臂運動規劃算法CCTS-ARA*,在任務空間中采用啟發式搜索算法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,求解出與環境障礙物無碰撞的關節路徑。同時,采用關節碰撞檢測來判斷該關節路徑是否有效,以避免任務空間規劃過程中遇到的局部最優陷阱。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劃的結果(參見圖3)。CCTS-ARA*算法能夠規劃出一條躲避局部最優陷阱的關節路徑,使得平面機械臂能夠成功地移動到目標位置。

圖3 CCTS-ARA*算法下的機械臂運動軌跡仿真實驗結果圖示

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

圖4 保持水平姿態移動水杯任務實驗圖示

圖5 無碰撞路徑跟蹤任務實驗圖示

圖6 雙臂閉鏈約束任務實驗圖示

(二)雙臂擬人化的協同操作規劃

根據被操作物體位姿信息直接選擇左臂或右臂操作,是一種局部最優的路徑規劃方法。但是,當任務具有較多操作序列或在執行過程中有新任務動態加入時,該方法往往難以獲得最優解,反而導致雙臂操作過程顯得繁瑣與固化,不具備擬人化的協同操作特點。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同操作規劃研究,使機器人在面向較多操作序列或動態變化的復雜操作任務時,能夠求解出符合人類動作習慣的雙臂最優操作策略。具體路徑如下:(1)根據人類分解任務的邏輯方法,構建任務分解知識庫。(2)分析各子任務的所有可行性雙臂操作策略,進而構建整個操作任務的雙臂操作策略圖。(3)設計一種擬人化操作的評價函數,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操作策略。

利用雙臂協同操作規劃與運動規劃并行運行算法框架的雙臂協作運動規劃器,在雙臂協同操作規劃階段找出求解任務的一個或多個操作策略,使得機器人能夠適應不確定環境與任務下的規劃任務,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來驗證該算法框架的有效性。圖7為物體抓取放置任務的雙臂操作策略圖,雙臂機器人自適應地選擇不同的操作策略來完成操作任務(參見圖7)。

圖7 抓取放置任務的雙臂操作策略圖示

五、結 語

在面向動態不確定或非結構化場景下的復雜操作任務時,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)通過機械臂運動規劃,安全自主地規劃出能夠完成操作任務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測或預見,從而設計一種擬人運動規劃算法,實現機械臂在感知場景下的擬人化運動,這是當前需要解決的重要問題之一。(2)基于幾何回溯任務規劃方法規劃的雙臂擬人化協同操作策略,往往取決于初始策略的選擇,其求解的策略不能保證最優性。因此,如何從最優操作策略求解角度,設計一種能夠求解出最優操作策略的擬人雙臂協同操作規劃方法,是當前需要解決的另一個重要問題。