A Hybrid Task-Constrained Motion Planning for Collaborative Robots in Intelligent Remanufacturing
作者: Wansong Liu, Chang Liu, Xiao Liang, Minghui Zheng
分类: cs.RO, eess.SY
发布日期: 2024-06-12
💡 一句话要点
提出一种混合任务约束运动规划算法，用于智能再制造中协作机器人的安全路径规划。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 协作机器人 运动规划 人机协作 智能再制造 A*算法 在线重构 避障
📋 核心要点
- 现有方法难以在保证末端执行器轨迹的同时，避免机械臂本体与人类操作员的碰撞，计算复杂度高，难以实时应用。
- 提出一种混合运动规划算法，结合A*算法在任务空间规划末端执行器路径，以及在线机械臂重构机制在配置空间避免碰撞。
- 实验结果表明，该算法能够有效地规划安全路径，并与现有算法相比具有优势，验证了其在协作机器人运动规划中的有效性。
📝 摘要（中文）
本文提出了一种混合运动规划算法，用于解决智能再制造中协作机器人与人类操作员协同工作时的安全问题，例如报废产品的拆卸。该算法旨在实现机械臂末端执行器的实时路径规划，自主避开人类操作员。当末端执行器需要沿着规划路径移动，同时避免机械臂本体与人类操作员发生碰撞时，问题变得更具挑战性，因为这通常计算量巨大，限制了实时应用。该算法结合了A算法和在线机械臂重构机制(OMRM)，分别在任务空间和配置空间中解决问题。首先，A算法用于规划末端执行器在任务空间中的最短无碰撞路径。当机械臂本体对人类操作员构成风险时，OMRM从数据库中选择一个具有最小重构代价的替代关节配置，以帮助机械臂沿着规划路径移动，同时避开人类操作员。机械臂重构数据库离线建立任务空间和配置空间之间的关系，并能够为所需的末端执行器位置提供多个重构候选方案。大量的数值和实验研究，以及与最先进算法的比较研究，验证了所提出的运动规划算法。
🔬 方法详解
问题定义：论文旨在解决智能再制造环境中，协作机器人与人类操作员协同工作时，机械臂的安全运动规划问题。现有方法通常难以兼顾末端执行器的任务需求（例如，沿着预定轨迹运动）和机械臂本体的避障需求（避免与人类操作员发生碰撞），尤其是在需要实时响应的情况下，计算复杂度成为一个主要瓶颈。
核心思路：论文的核心思路是将运动规划问题分解为任务空间和配置空间两个部分，并分别采用不同的方法进行处理。首先，在任务空间中，使用A*算法规划末端执行器的最优路径，忽略机械臂本体的碰撞风险。然后，在配置空间中，当检测到机械臂本体存在碰撞风险时，利用在线机械臂重构机制（OMRM）调整机械臂的关节配置，以避免碰撞，同时尽可能保持末端执行器的位置不变。
技术框架：该混合运动规划算法主要包含以下几个阶段： 1. A*路径规划：在任务空间中，使用A算法搜索末端执行器的最短无碰撞路径。 2. 碰撞检测：实时检测机械臂本体与人类操作员之间是否存在碰撞风险。 3. 在线机械臂重构（OMRM）：当检测到碰撞风险时，OMRM从预先建立的重构数据库中选择一个合适的关节配置。 4. 路径执行*：机械臂根据规划的路径和选择的关节配置执行运动。
关键创新：该算法的关键创新在于混合了任务空间和配置空间的规划方法，并引入了在线机械臂重构机制。与传统的运动规划方法相比，该方法能够更有效地处理复杂的约束条件，并在保证末端执行器任务的同时，实现机械臂本体的实时避障。重构数据库的离线构建和在线查询也提高了算法的效率。
关键设计： 1. 重构数据库：该数据库离线建立，存储了不同末端执行器位置对应的多个关节配置，以及从当前配置切换到这些配置的重构代价。重构代价可以根据关节运动的幅度、能量消耗等因素进行定义。 2. OMRM选择策略：OMRM根据重构代价选择最佳的关节配置，以最小化重构过程对任务执行的影响。 3. A*算法代价函数：A*算法的代价函数需要综合考虑路径长度、避障距离等因素，以保证规划路径的安全性和效率。
🖼️ 关键图片
📊 实验亮点
论文通过数值仿真和实验验证了所提出算法的有效性。实验结果表明，该算法能够在保证末端执行器完成任务的同时，有效地避免机械臂本体与人类操作员的碰撞。与现有的运动规划算法相比，该算法在计算效率和安全性方面均有显著提升。具体的性能数据和对比结果在论文中进行了详细展示。
🎯 应用场景
该研究成果可应用于智能再制造、人机协作装配、医疗机器人等领域。通过该算法，协作机器人能够在复杂环境中安全高效地与人类操作员协同工作，提高生产效率和安全性。未来，该技术有望进一步推广到其他需要复杂运动规划的机器人应用场景，例如仓储物流、家庭服务等。
📄 摘要（原文）
Industrial manipulators have extensively collaborated with human operators to execute tasks, e.g., disassembly of end-of-use products, in intelligent remanufacturing. A safety task execution requires real-time path planning for the manipulator's end-effector to autonomously avoid human operators. This is even more challenging when the end-effector needs to follow a planned path while avoiding the collision between the manipulator body and human operators, which is usually computationally expensive and limits real-time application. This paper proposes an efficient hybrid motion planning algorithm that consists of an A$^$ algorithm and an online manipulator reconfiguration mechanism (OMRM) to tackle such challenges in task and configuration spaces respectively. The A$^$ algorithm is first leveraged to plan the shortest collision-free path of the end-effector in task space. When the manipulator body is risky to the human operator, our OMRM then selects an alternative joint configuration with minimum reconfiguration effort from a database to assist the manipulator to follow the planned path and avoid the human operator simultaneously. The database of manipulator reconfiguration establishes the relationship between the task and configuration space offline using forward kinematics, and is able to provide multiple reconfiguration candidates for a desired end-effector's position. The proposed new hybrid algorithm plans safe manipulator motion during the whole task execution. Extensive numerical and experimental studies, as well as comparison studies between the proposed one and the state-of-the-art ones, have been conducted to validate the proposed motion planning algorithm.