[论文解读] On-line collision avoidance for collaborative robot manipulators by adjusting off-line generated paths: An industrial use case

Mohammad Safeea, Pedro Neto+1 more|SPIRE - Sciences Po Institutional REpository|Sep 11, 2019

Robot Manipulation and Learning被引用 4

一句话总结

本文提出了一种用于工业协作机器人的在线碰撞避免系统，该系统通过实时传感器数据和排斥矢量重塑技术，对离线生成的路径进行动态调整。通过将人和机器人建模为几何圆柱体并实时计算最小距离与相对速度，该方法实现了在人机交互过程中平稳、安全且连续的运动，已在配备标准工业传感器的KUKA iiwa机器人的真实汽车装配单元中得到验证。

ABSTRACT

Human-robot collision avoidance is a key in collaborative robotics and in the framework of Industry 4.0. It plays an important role for achieving safety criteria while having humans and machines working side-by-side in unstructured and time-varying environment. This study introduces the subject of manipulator's on-line collision avoidance into a real industrial application implementing typical sensors and a commonly used collaborative industrial manipulator, KUKA iiwa. In the proposed methodology, the human co-worker and the robot are represented by geometric primitives (capsules). The minimum distance and relative velocity between them is calculated, when human/obstacles are nearby the concept of hypothetical repulsion and attraction vectors is used. By coupling this concept with a mathematical representation of robot's kinematics, a task level control with collision avoidance capability is achieved. Consequently, the off-line generated nominal path of the industrial task is modified on-the-fly so the robot is able to avoid collision with the co-worker safely while being able to fulfill the industrial operation. To guarantee motion continuity when switching between different tasks, the notion of repulsion-vector-reshaping is introduced. Tests on an assembly robotic cell in automotive industry show that the robot moves smoothly and avoids collisions successfully by adjusting the off-line generated nominal paths.

研究动机与目标

• 在未结构化的工业环境中实现安全、实时的人机协作，使机器人能够在不中断的情况下避开人类同事。
• 通过实现连续、响应式的运动调整，克服当前协作机器人在达到最小距离阈值时即停止的局限性。
• 通过引入排斥矢量重塑机制，确保在任务切换期间保持运动连续性，从而平滑控制器切换。
• 在配备标准市售传感器的真实工业机器人（KUKA iiwa）上实现并验证该方法，实验环境为实际的汽车装配单元。
• 将碰撞避免控制器与机器人本体的安全功能（例如Sunrise.OS碰撞检测）集成，以提升系统的可靠性。

提出的方法

• 将人和机器人建模为几何圆柱体，以实时计算两者之间的最小距离和相对速度。
• 采用混合控制策略：当机器人接近目标路径时，施加朝向目标的吸引力矢量；当人进入安全区域时，根据距离和相对速度计算排斥力矢量。
• 排斥矢量重塑技术通过在任务切换期间调整排斥矢量的方向和大小，确保控制器之间平滑过渡。
• 系统使用DirectServo库在KUKA iiwa上实现底层控制，从而与机器人本体的安全机制无缝集成。
• 利用标准工业传感器（如深度摄像头或激光扫描仪）采集的数据检测人员存在，并估算其位置与速度。
• 算法实时运行，对离线生成的名义路径进行动态调整，以避免碰撞，同时保持任务目标的完整性。

实验结果

研究问题

• RQ1 是否可以使用标准传感器和离线生成的路径，在真实工业协作机器人上有效实现在线碰撞避免？
• RQ2 在切换任务特定控制器与碰撞避免模式时，如何保持运动的连续性？
• RQ3 排斥矢量重塑技术在多大程度上提升了人机交互过程中机器人运动的平滑性与自然性？
• RQ4 在涉及动态人类行为（如停顿或来回移动）的真实工业场景中，系统表现如何？
• RQ5 系统是否可以安全地与机器人本体的原生安全功能集成，而不会影响性能或可靠性？

主要发现

• 在所有测试场景中，机器人均成功避免了碰撞，包括人类停顿和来回移动的情况，表现出对动态人类行为的强鲁棒性。
• 用户感知到机器人的运动平稳、自然且无威胁，操作过程中未报告任何危险感或分心感。
• 通过使用排斥矢量重塑技术，系统在任务切换期间保持了运动连续性，避免了速度或方向的突变。
• 与KUKA iiwa原生安全功能（通过DirectServo和Sunrise.OS实现）的集成，提供了额外保护层，确保符合工业安全标准。
• 该方法已在真实工业汽车装配单元中成功验证，证明其在生产相关环境中的可行性，而非仅限于仿真环境。
• 该算法展示了在不从头重新规划的前提下，对路径进行有效实时调整的能力，同时保持了离线生成的名义路径的完整性。