[论文解读] SERoCS: Safe and Efficient Robot Collaborative Systems for Next Generation Intelligent Industrial Co-Robots

Changliu Liu, Te Tang+3 more|arXiv (Cornell University)|Sep 21, 2018

Robot Manipulation and Learning参考文献 15被引用 15

一句话总结

本文提出 SERoCS，一种面向下一代工业协作机器人的安全高效协作系统，整合了鲁棒的环境监测、最优任务规划与安全运动控制。通过结合人机交互建模、实时安全执行与基于技能的运动规划，SERoCS 使协作机器人能够安全高效地与人类协同完成复杂装配任务，实验验证了其在动态人机协同与防碰撞场景下的有效性，实验对象为笔记本电脑装配任务。

ABSTRACT

Human-robot collaborations have been recognized as an essential component for future factories. It remains challenging to properly design the behavior of those co-robots. Those robots operate in dynamic uncertain environment with limited computation capacity. The design objective is to maximize their task efficiency while guaranteeing safety. This paper discusses a set of design principles of a safe and efficient robot collaboration system (SERoCS) for the next generation co-robots, which consists of robust cognition algorithms for environment monitoring, efficient task planning algorithms for reference generations, and safe motion planning and control algorithms for safe human-robot interactions. The proposed SERoCS will address the design challenges and significantly expand the skill sets of the co-robots to allow them to work safely and efficiently with their human counterparts. The development of SERoCS will create a significant advancement toward adoption of co-robots in various industries. The experiments validate the effectiveness of SERoCS.

研究动机与目标

• 解决在动态、不确定的工业环境中设计安全高效协作机器人所面临的挑战。
• 开发一种系统，实现无需物理屏障的无缝人机协作，提升工厂灵活性与生产效率。
• 克服当前协作机器人为保障安全而牺牲效率，或需大量重新编程的局限性。
• 使协作机器人能够通过示范与自适应学习复杂且通用化的技能。
• 通过实时运动控制与动态防碰撞机制，确保人机物理交互过程中的安全性。

提出的方法

• 采用三层架构：环境监测、任务规划与带安全执行的运动控制。
• 利用人类行为推断与运动预测，提前预判人类动作并相应调整机器人行为。
• 采用双控制器框架：效率控制器用于运动规划，安全控制器用于防碰撞。
• 使用简化的环境监测模块，实时追踪机器人与人类之间的距离。
• 通过学习到的抓握姿态并利用 CPD（一致点漂移）方法进行姿态迁移，实现基于技能的运动规划，以支持任务泛化。
• 在人类靠近威胁安全时，集成在线运动规划与动态绕行路径生成。

实验结果

研究问题

• RQ1 在计算资源有限的工业环境中，机器人系统如何确保动态人机协作过程中的安全性？
• RQ2 哪些设计原则能够同时实现协作机器人系统在高任务效率与强安全性能方面的平衡？
• RQ3 机器人如何实现实时预测与适应人类运动，以支持协作任务？
• RQ4 技能学习在使协作机器人泛化应用于不同工业任务中发挥何种作用？
• RQ5 如何在不损害安全性的前提下，处理人机追踪中的遮挡与不确定性？

主要发现

• SERoCS 系统成功使机器人在与人类协作下完成完整的笔记本电脑装配任务，包括抓取、运输与插入主板。
• 实验过程中仅触发一次安全控制器，证明了在动态人机近距离场景下有效的防碰撞能力。
• 当接近约束被违反时，机器人动态调整其运动路径，从人类右侧完成主板递送，确保安全且未中断操作。
• 即使在短暂遮挡（小于1秒）情况下，系统仍保持安全运行，且不确定性得到实时补偿。
• 联合速度指令轨迹清晰显示出任务阶段的区分（接近、抓取、运输、插入、返回），证实了任务执行的连贯性。
• 实验验证了双控制器架构在真实人机交互中平衡效率与安全性的有效性。