在現(xiàn)代工廠中，工人和機(jī)器人是兩大主要?jiǎng)趧?dòng)力。出于安全考慮，這兩者通常被限制在金屬籠中的機(jī)器人分離開(kāi)來(lái)，而這無(wú)疑限制了生產(chǎn)力，以及生產(chǎn)線的靈活性。近年來(lái)，人們開(kāi)始將注意力的焦點(diǎn)投向移除籠子的方向上，從而使得人類和機(jī)器人可以協(xié)力構(gòu)建一個(gè)人機(jī)共存的工廠。制造商有意向?qū)⑷说撵`活性和機(jī)器人的生產(chǎn)力結(jié)合起來(lái)從而打造一個(gè)柔性生產(chǎn)線（flexible production lines）。工業(yè)聯(lián)合機(jī)器人所具有潛力是巨大且廣泛的，例如，它們可能被放置在柔性生產(chǎn)線上的人機(jī)協(xié)作隊(duì)伍中，其中，機(jī)器人手臂和人類工作人員協(xié)同處理工件，自動(dòng)導(dǎo)引運(yùn)輸車（automated guided vehicles ，AGV）與人類工作人員協(xié)同合作，以保證工廠物流。在未來(lái)的工廠中，預(yù)計(jì)會(huì)有越來(lái)越多的人機(jī)交互行為發(fā)生。與在結(jié)構(gòu)化和確定性環(huán)境中工作的傳統(tǒng)機(jī)器人不同的是，協(xié)作型機(jī)器人需要在高度非結(jié)構(gòu)化和隨機(jī)環(huán)境中運(yùn)行。而根本問(wèn)題在于如何確保協(xié)作型機(jī)器人在動(dòng)態(tài)不確定的環(huán)境中能夠高效安全地運(yùn)行。在這篇文章中，我們將對(duì)機(jī)械系統(tǒng)控制（MSC）實(shí)驗(yàn)室開(kāi)發(fā)的機(jī)器人安全交互系統(tǒng)進(jìn)行介紹。

現(xiàn)有解決方案

針對(duì)這一問(wèn)題，包括Kuka、Fanuc、Nachi、Yaskawa、Adept和ABB在內(nèi)的機(jī)器人制造商正在努力為之提供有效的解決方案?，F(xiàn)如今，已經(jīng)發(fā)布了若干個(gè)安全的協(xié)作機(jī)器人或聯(lián)合機(jī)器人，如日本FANUC的Collaborative Robots CR系列、丹麥Universal Robots的UR5、美國(guó)Rethink Robotics的Baxter、日本Kawada的NextAge和德國(guó)Pi4_RoboticsGmbH的WorkerBot等。然而，這些產(chǎn)品中的大多數(shù)都比較注重本質(zhì)安全性，即在機(jī)械設(shè)計(jì)、致動(dòng)性和低水平運(yùn)動(dòng)控制方面的安全性。而在與人類的接觸中的安全性，即作為智能的關(guān)鍵所在（包括感知、認(rèn)知和高水平運(yùn)動(dòng)規(guī)劃和控制），仍然有待探索。

技術(shù)挑戰(zhàn)

從技術(shù)上來(lái)說(shuō)，設(shè)計(jì)協(xié)作型工業(yè)機(jī)器人的行為是非常具有挑戰(zhàn)性的。為了使協(xié)作型工業(yè)機(jī)器人更具有人類友好性，它們應(yīng)該具備以下能力：收集環(huán)境數(shù)據(jù)并解釋這些數(shù)據(jù)，適應(yīng)不同的任務(wù)和不同的環(huán)境，并根據(jù)工人的需求量身定做。例如，在下圖所示的人機(jī)協(xié)同組裝過(guò)程中，機(jī)器人應(yīng)該能夠預(yù)測(cè)，一旦工作人員將兩個(gè)工件放在一起，他將需要工具來(lái)固定組件。那么機(jī)器人接下來(lái)要做的就應(yīng)該時(shí)拿到工具并將其交給工作人員，同時(shí)避免在此過(guò)程中與工作人員碰撞。

想要達(dá)到這樣的行為，面臨的挑戰(zhàn)在于兩個(gè)方面：(1)人類行為的復(fù)雜性(2)在不以效率為代價(jià)的情況下保證實(shí)時(shí)安全的難度。人類運(yùn)動(dòng)的隨機(jī)特性給系統(tǒng)帶來(lái)了巨大的不確定性，使其難以保證安全性和效率。

機(jī)器人安全交互系統(tǒng)與實(shí)時(shí)非凸優(yōu)化（Non-convex Optimization）

機(jī)器人安全交互系統(tǒng)（RSIS）是在機(jī)械系統(tǒng)控制實(shí)驗(yàn)室開(kāi)發(fā)的，它建立了一種方法來(lái)設(shè)計(jì)機(jī)器人的行為，進(jìn)而保障點(diǎn)對(duì)點(diǎn)人機(jī)交互的安全和效率。

由于機(jī)器人需要同長(zhǎng)期獲得交互行為的人進(jìn)行交互，因此機(jī)器人可以很自然地模擬人類行為。人類的互動(dòng)行為可能是由于思考或條件反射所致。例如，如果前方發(fā)生追尾，后方車輛的司機(jī)可能會(huì)本能地踩剎車。然而，經(jīng)過(guò)一瞬間的思考，司機(jī)可能會(huì)加速切入另一條車道，進(jìn)而避免發(fā)生連鎖追尾。第一種是短期的安全反應(yīng)行為，第二種需要計(jì)算當(dāng)前的情況，例如，是否有足夠的空間來(lái)實(shí)現(xiàn)車輛的完全停止，是否有足夠的空位來(lái)更換車道，以及所更換的車道是否安全。

我們已經(jīng)引入了一種模擬這些行為的并行規(guī)劃和控制體系結(jié)構(gòu)，包括長(zhǎng)期和短期動(dòng)作規(guī)劃器。長(zhǎng)期規(guī)劃器（效率控制器）強(qiáng)調(diào)效率，解決了采樣率低的長(zhǎng)期最優(yōu)控制問(wèn)題。短期規(guī)劃器（安全控制器）基于效率控制器規(guī)劃的軌跡，通過(guò)解決高采樣率的短期最優(yōu)控制問(wèn)題，進(jìn)一步解決實(shí)時(shí)安全問(wèn)題。這種并行架構(gòu)也解決了不確定因素，長(zhǎng)期規(guī)劃器根據(jù)他人最有可能做出的行為進(jìn)行規(guī)劃，短期規(guī)劃器在短期內(nèi)考慮他人可能做出的近乎所有行為，以確保安全。

機(jī)器人安全交互系統(tǒng)中的并行規(guī)劃和控制體系結(jié)構(gòu)

然而，集群環(huán)境下的機(jī)器人動(dòng)作規(guī)劃具有高度的非線性和非凸性，因此問(wèn)題難以被實(shí)時(shí)解決。為了確保能對(duì)環(huán)境變化作出及時(shí)響應(yīng)，我們開(kāi)發(fā)了用于實(shí)時(shí)計(jì)算的快速算法，例如，用于長(zhǎng)期優(yōu)化的凸可行集算法（the convex feasible set algorithm，CFS）和用于短期優(yōu)化的安全集算法（SSA）。這些算法通過(guò)對(duì)原始非凸問(wèn)題進(jìn)行凸化來(lái)實(shí)現(xiàn)更快的計(jì)算，其中，我們假定這些原始非凸問(wèn)題具有凸目標(biāo)函數(shù)，但受非凸約束。凸可行集算法（CFS）迭代求解可行域凸子集約束下的一系列子問(wèn)題。解序列將會(huì)收斂到一個(gè)局部最優(yōu)。它比一般的非凸優(yōu)化求解器，如序列二次規(guī)劃（sequential quadratic programming，SQP）和內(nèi)點(diǎn)算法（ITP），迭代次數(shù)更少，運(yùn)行速度更快。另一方面，安全集算法（SSA）使用不變集的思想將非凸?fàn)顟B(tài)空間約束轉(zhuǎn)化為凸控制空間約束。

在CFS算法中的凸化案例

利用并行規(guī)劃器和優(yōu)化算法，機(jī)器人可以安全地與環(huán)境進(jìn)行交互，并有效地完成任務(wù)。

實(shí)時(shí)動(dòng)作規(guī)劃與控制

邁向通用智能：安全高效的機(jī)器人協(xié)作系統(tǒng)（SERoCS）

我們現(xiàn)在在機(jī)械系統(tǒng)控制實(shí)驗(yàn)室中研究RSIS的高級(jí)版本,這是一個(gè)安全高效的機(jī)器人協(xié)作系統(tǒng)（SERoCS），它得到了國(guó)家科學(xué)基金會(huì)（NSF）＃1734109的支持。除了安全的人機(jī)交互（HRI）動(dòng)作規(guī)劃和控制算法外，SERoCS還包括用于環(huán)境監(jiān)測(cè)的強(qiáng)大認(rèn)知算法，以及用于人機(jī)安全協(xié)作的最佳任務(wù)規(guī)劃算法。SERoCS將顯著提升聯(lián)合機(jī)器人的技能，并在操作過(guò)程中減少或避免人-機(jī)、機(jī)-機(jī)碰撞事故的發(fā)生，從而使未來(lái)的和諧的人機(jī)協(xié)作成為可能。

SERoCS架構(gòu)

參考：

C. Liu, and M. Tomizuka, “Algorithmicsafety measures for intelligent industrial co-robots,” in IEEE InternationalConference on Robotics and Automation (ICRA), 2016.

C. Liu, and M. Tomizuka, “Designing therobot behavior for safe human robot interactions”, in Trends in Control andDecision-Making for Human-Robot Collaboration Systems (Y. Wang and F. Zhang(Eds.)). Springer, 2017.

C. Liu, and M. Tomizuka, “Real timetrajectory optimization for nonlinear robotic systems: Relaxation andconvexification”, in Systems & Control Letters, vol. 108, pp. 56-63, Oct.2017.

C. Liu, C. Lin, and M. Tomizuka, “Theconvex feasible set algorithm for real time optimization in motion planning”,arXiv:1709.00627.

未來(lái)智能實(shí)驗(yàn)室致力于研究互聯(lián)網(wǎng)與人工智能未來(lái)發(fā)展趨勢(shì)，觀察評(píng)估人工智能發(fā)展水平，由互聯(lián)網(wǎng)進(jìn)化論作者，計(jì)算機(jī)博士劉鋒與中國(guó)科學(xué)院虛擬經(jīng)濟(jì)與數(shù)據(jù)科學(xué)研究中心石勇、劉穎教授創(chuàng)建。

未來(lái)智能實(shí)驗(yàn)室的主要工作包括：建立AI智能系統(tǒng)智商評(píng)測(cè)體系，開(kāi)展世界人工智能智商評(píng)測(cè)；開(kāi)展互聯(lián)網(wǎng)（城市）云腦研究計(jì)劃，構(gòu)建互聯(lián)網(wǎng)（城市）云腦技術(shù)和企業(yè)圖譜，為提升企業(yè)，行業(yè)與城市的智能水平服務(wù)。