[论文解读] Robot Safe Interaction System for Intelligent Industrial Co-Robots

Changliu Liu, Masayoshi Tomizuka|arXiv (Cornell University)|Aug 12, 2018

Robotic Path Planning Algorithms参考文献 30被引用 9

一句话总结

本文提出了一种机器人安全交互系统（RSIS），采用并行规划与控制架构，结合长期全局规划器以提升效率，以及短期局部规划器以实现实时安全性，适用于人机交互场景。系统整合了凸可行集（CFS）与安全集算法（SSA），实现快速、鲁棒的运动规划，在工业机器人硬件上完成验证，凸化步骤的计算效率达98.1%，平均规划时间为0.341秒。

ABSTRACT

Human-robot interactions have been recognized to be a key element of future industrial collaborative robots (co-robots). Unlike traditional robots that work in structured and deterministic environments, co-robots need to operate in highly unstructured and stochastic environments. To ensure that co-robots operate efficiently and safely in dynamic uncertain environments, this paper introduces the robot safe interaction system. In order to address the uncertainties during human-robot interactions, a unique parallel planning and control architecture is proposed, which has a long term global planner to ensure efficiency of robot behavior, and a short term local planner to ensure real time safety under uncertainties. In order for the robot to respond immediately to environmental changes, fast algorithms are used for real-time computation, i.e., the convex feasible set algorithm for the long term optimization, and the safe set algorithm for the short term optimization. Several test platforms are introduced for safe evaluation of the developed system in the early phase of deployment. The effectiveness and the efficiency of the proposed method have been verified in experiment with an industrial robot manipulator.

研究动机与目标

• 设计一种机器人行为系统，确保在非结构化、动态的人机交互环境中兼具安全与效率。
• 解决在工业协作机器人应用中，系统存在不确定性与计算资源受限条件下的实时安全性挑战。
• 开发一种框架，使协作机器人能够自适应响应不可预测的人类运动，同时保持任务效率。
• 提供早期阶段的评估平台，在系统开发与测试过程中保护人类受试者。
• 在真实工业机器人硬件上验证所提出系统，以支持实际部署。

提出的方法

• RSIS采用并行规划与控制架构，长期规划器用于提升效率，短期规划器用于在不确定性下实现实时安全性。
• 长期规划器使用凸可行集（CFS）算法，通过问题凸化高效求解非凸优化问题，显著降低计算时间。
• 短期规划器使用安全集算法（SSA），在环境动态变化（包括移动的人类）下确保无碰撞轨迹。
• 系统整合了宏观多智能体模型与微观行为模型，用于表征人机交互动力学与机器人决策过程。
• 开发了两种早期阶段评估平台——假人-机器人平台与人在回路测试平台，用于在真实部署前安全评估机器人行为。
• 系统在真实工业机器人机械臂上实现并测试，规划时域限制在h ≤ 6以保证计算效率。

实验结果

研究问题

• RQ1 如何在不可预测的人机交互中，使机器人在保持高效率运动规划的同时确保实时安全性？
• RQ2 何种架构设计能够在系统不确定性与计算资源约束下，同时实现长期效率与短期安全性？
• RQ3 如何在动态环境中实现对非凸优化问题的快速、实时运动规划？
• RQ4 何种评估平台可安全地在系统开发早期阶段评估机器人行为，而无需危及人类受试者？
• RQ5 CFS与SSA算法的集成相比标准非线性求解器，性能提升体现在哪些方面？

主要发现

• 凸可行集（CFS）算法将平均规划时间降低至0.341秒，显著优于SQP（3.726秒）与ITP（2.384秒）。
• CFS在凸化步骤中实现了98.1%的计算效率，仅用1.9%的时间求解所得的二次规划问题。
• 系统成功在动态障碍物出现时生成绕行路径，如实验中TASK_PHASE 4与TASK_PHASE 6所示，确保了避碰。
• 在某些情况下，机器人精确遵循了规划轨迹（如图13f）；而在其他情况下，安全控制器因预测与实际障碍物状态的差异，在实时中修改了路径（如图13d、13i）。
• 所提出的系统已成功集成并测试于真实工业机器人硬件上，证实其在真实环境中的有效性与高效性。
• 系统在动态环境中表现出强健性，能够适应人类运动与环境扰动，同时保持任务目标。