Flexible Active Safety Motion Control for Robotic Obstacle Avoidance: A CBF-Guided MPC Approach

📄 arXiv: 2405.12408v1 📥 PDF

作者: Jinhao Liu, Jun Yang, Jianliang Mao, Tianqi Zhu, Qihang Xie, Yimeng Li, Xiangyu Wang, Shihua Li

分类: cs.RO, eess.SY

发布日期: 2024-05-20

备注: 11 pages, 11 figures

💡 一句话要点

提出一种基于CBF引导MPC的柔性主动安全运动控制方法，用于机器人避障。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 机器人避障 控制障碍函数 模型预测控制 主动安全 动态环境

📋 核心要点

  1. 现有机器人避障方法在动态环境中难以兼顾安全性和灵活性，尤其是在复杂场景下。
  2. 提出一种基于控制障碍函数（CBF）引导的模型预测控制（MPC）框架，动态调整安全裕度，实现柔性避障。
  3. 在UR5机械臂上进行了实验，验证了该方法在动态避障和轨迹跟踪方面的有效性。

📝 摘要（中文）

本文提出了一种柔性主动安全运动（FASM）控制方法，用于机器人机械臂在动态环境中避开动态障碍物并跟踪参考轨迹。该方法的显著特点是利用控制障碍函数（CBF）设计柔性CBF引导的安全准则（CBFSC），并动态优化衰减率，从而为机器人机械臂在动态环境中提供灵活性和主动安全性。首先，采用离散时间CBF来构建具有动态衰减率的新型柔性CBFSC。然后，应用模型预测控制（MPC）的思想，将柔性CBFSC作为安全约束集成到后退 horizon 优化问题中。重要的是，所设计的CBFSC的衰减率被纳入优化问题中作为决策变量，从而有助于在避障过程中动态增强灵活性。特别地，设计了一种新颖的成本函数，该函数集成了惩罚项，以动态调整CBFSC的安全裕度。最后，使用 Universal Robots 5 (UR5) 机械臂在各种场景下进行实验，以验证所提出方法的有效性。

🔬 方法详解

问题定义：现有机器人避障方法通常难以在安全性和灵活性之间取得平衡，尤其是在动态环境中。传统的安全约束可能过于保守，导致机器人运动受限，无法完成任务。因此，需要一种能够在保证安全的前提下，动态调整安全裕度，提高机器人运动灵活性的方法。

核心思路：本文的核心思路是利用控制障碍函数（CBF）来设计安全约束，并通过模型预测控制（MPC）框架进行优化。关键在于引入动态衰减率的柔性CBFSC，允许在保证安全的前提下，动态调整安全裕度，从而提高机器人的运动灵活性。通过将衰减率作为优化变量，可以在避障过程中动态调整安全等级。

技术框架：该方法的技术框架主要包括以下几个步骤：1) 使用离散时间CBF构建柔性CBFSC，其中包含动态衰减率；2) 将柔性CBFSC作为安全约束集成到MPC的优化问题中；3) 将CBFSC的衰减率作为优化问题的决策变量，动态调整安全裕度；4) 设计包含惩罚项的成本函数，进一步优化安全裕度。整个框架通过MPC的后退 horizon 优化，实现机器人的安全避障和轨迹跟踪。

关键创新：该方法最重要的技术创新点在于提出了具有动态衰减率的柔性CBFSC。与传统的固定安全裕度的CBF方法相比，该方法能够根据环境的动态变化，动态调整安全裕度，从而在保证安全的前提下，提高机器人的运动灵活性。将衰减率作为优化变量是实现动态调整的关键。

关键设计：关键设计包括：1) 离散时间CBF的选取，需要保证计算效率和安全性；2) 动态衰减率的优化范围和约束，需要根据具体的应用场景进行调整；3) 成本函数的设计，需要平衡轨迹跟踪性能和安全裕度；4) MPC的horizon长度和采样时间，需要根据机器人的动力学特性和环境的动态性进行选择。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，该方法能够在保证安全的前提下，有效地避开动态障碍物，并跟踪参考轨迹。与传统的固定安全裕度的CBF方法相比，该方法能够显著提高机器人的运动灵活性，减少不必要的减速和停止。在UR5机械臂上的实验验证了该方法的有效性。

🎯 应用场景

该研究成果可应用于各种需要机器人进行动态避障的场景，例如：工业自动化、物流仓储、服务机器人等。通过提高机器人在复杂环境中的安全性和灵活性，可以显著提升生产效率和服务质量。未来，该方法可以进一步扩展到多机器人协同避障、人机协作等更复杂的场景。

📄 摘要（原文）

A flexible active safety motion (FASM) control approach is proposed for the avoidance of dynamic obstacles and the reference tracking in robot manipulators. The distinctive feature of the proposed method lies in its utilization of control barrier functions (CBF) to design flexible CBF-guided safety criteria (CBFSC) with dynamically optimized decay rates, thereby offering flexibility and active safety for robot manipulators in dynamic environments. First, discrete-time CBFs are employed to formulate the novel flexible CBFSC with dynamic decay rates for robot manipulators. Following that, the model predictive control (MPC) philosophy is applied, integrating flexible CBFSC as safety constraints into the receding-horizon optimization problem. Significantly, the decay rates of the designed CBFSC are incorporated as decision variables in the optimization problem, facilitating the dynamic enhancement of flexibility during the obstacle avoidance process. In particular, a novel cost function that integrates a penalty term is designed to dynamically adjust the safety margins of the CBFSC. Finally, experiments are conducted in various scenarios using a Universal Robots 5 (UR5) manipulator to validate the effectiveness of the proposed approach.