Safe, Stable and Intuitive Control for Physical Human-Robot Interaction

markdown2 pad没有配置好公式编辑，公式是图片粘贴的，有点乱，谅解一下！

V. Duchaine and C. Gosselin, “Safe, Stable and Intuitive Control for Physical Human-Robot Interaction,” 2009 IEEE International Conference on Robotics and Automation, 2009, pp. 3383-3388, doi: 10.1109/ROBOT.2009.5152664.

投稿期刊(会议)

2009 IEEE International Conference on Robotics and Automation.
Kobe International Conference Center.
Kobe, Japan, May 12-17, 2009

被引次数

100(谷歌学术2021_9 _6)

摘要

  对于人与机器人的物理交互，安全性和可靠性至关重要，因为相对强大的机器人会给人类带来潜在的风险。从控制的角度来看，可以通过保证机器人永远不会表现出任何不稳定的行为来提高这种安全级别。然而，稳定性并不是设计人机交互这类机器人控制器的唯一考虑因素。在人机交互过程中，产生的协作动作应该是十分智能的，不应该以任何方式限制人类的表现。
　　为此，我们设计了一种新的可变导纳控制律，既保证了机器人在受限运动中的稳定性，又提供了非常智能的人机交互。
　　第一个特性是通过稳定性观测器的设计提供的，而另一个特性是基于一种可变导纳控制方案，该方案使用力的导数作为预测人类意图的一种方式。稳定性观测器是基于先前关于协同运动的稳定性研究的，其中隐含了相互作用刚度的知识。还提供了一种利用编码器和末端执行器上的多维力传感器获得的数据在线精确估计该刚度的方法。该控制律的稳定性和智能性在与3自由度并联机器人协作绘图任务的用户研究中得到了验证。

1.Introduction

  物理人机交互(pHRI)一般的研究全都在安全性上，所以实现稳定性和安全交互性的控制算法是主要的研究挑战之一，几乎所有控制受限运动的方案在面对刚性环境时都可能表现出不稳定的行为，但是pHRI中最常用的控制方案之一的阻抗/导纳控制不会违反这一规则。然后提到了一些变阻抗控制中的稳定性方案，但又会影响人与机器人的交互智能性(透明度transparency)，还有通过运动预测提高透明度的方式。还有一些新的解决方式。
　　本文提出的方法结合了作者之前提出的基于人的意图的可变导纳控制律和稳定性观测器。后者的设计目的是使控制律不再是性能和稳定性之间的折衷，而是基于作者之前提出的基于Lyapunov分析的人-机器人协作方案稳定性的研究结果。

1. 首先给出了基于人的意图估计的可变导纳控制的简要概述。
2. 然后，给出了使用与导纳控制相同的多维力传感器估计相互作用刚度的方法。
3. 利用这一估计结果，在前人稳定性研究的基础上，给出了稳定性观测器和完整的控制律。
4. 最后，在图1所示的6个人体受试者和一个3自由度并联机器人之间的协作绘图任务中，验证了控制律的稳定性和对人体运动的最优跟踪能力。
   

2.Varible admittance model as function of huamn intention

  在使用触摸作为交互感觉的PHRI中，对人类意图的解释通常基于传感器在操作点测量的力的方向和大小。 该信息实质上提供了当前操作者的期望的方向和速度。使用此力的变化率可以提供有关人类操作员未来意图的信息，类似于使用一阶泰勒展开近似函数的终值。由于阻尼参数是人机协作中的主要阻抗/导纳系数，力的时间导数提供的附加信息将被用来调整这些系数。
　　可变阻尼按下列规律调整:
　　力的大小在速度方向上突然增大或从零速度突然增大被解释为人的加速意图。在这种情况下，高的阻尼系数是有害的，因为它限制了加速度和速度。因此，应降低阻尼系数。另一方面，速度方向上的力的大小突然减小被解释为人类操作员减速、停止移动或反转方向的意图。在这种情况下，较高的阻尼系数是有用的，可以降低系统的虚拟惯性。

3.Online estimation of interaction cartesian stiffness

V. Duchaine and C. M. Gosselin, “Investigation of human-robot interaction stability using Lyapunov theory,” 2008 IEEE International Conference on Robotics and Automation, 2008, pp. 2189-2194, doi: 10.1109/ROBOT.2008.4543531.

  在上面这篇文章中，利用Lyapunov理论研究了人机交互过程中导纳控制的稳定性。找到了描述该方案稳定边界的解析表达式，并由此导出了临界阻抗参数的方程。这些方程是系统某些已知特性的函数，但也是相互作用点的刚度的函数，显然不能直接得到。此外，后一种属性并不是随时间而变化的，因为人类总是根据要执行的任务来调整他们的僵硬程度。
  因此，实时估计相互作用刚度是预测不稳定性和设计新的保证稳定性的自适应反馈方案的基础。本节介绍了一种主要基于最小二乘法的估计方法。

A. Previous approaches

  前人尝试的方法都是离线估计，但是实验结果表示人体手臂的笛卡尔刚度总是呈椭球体的形状。有一种假设人体在各个轴上解耦的的方法让港队矩阵成为对角矩阵，然后去估计，但是误差太大。

B. Proposed method

  人类手臂的笛卡尔行为可以被描述为惯性、阻尼和刚度效应的组合产生的阻抗。然而，文献表明惯性效应几乎可以忽略不计。本文直接将相互作用点读取的力与位移联系起来，忽略了人的阻尼，从而导致对高速时刚度的高估。然而，由于已知在快速运动期间刚度非常低，因此在这种情况下稳定性将不是主要问题，并且这种高估不太可能产生实际影响。这里的选择是为了处理刚度的高估，而不是处理通过在估计循环中包括速度测量而增加的噪声。然而，即使没有直接估计人体阻尼，在计算临界阻尼时也会进一步考虑这一特性，这将在后面说明。

需要估计矩阵K[n×n]，使得它是方程的解。假设一个对角刚度矩阵给出了一个完全约束的系统，只需一次测量就可以很容易地求解。这在在线评估的上下文中非常有用。然而，由于这一假设可能导致错误的估计，我们需要至少使用m=n组位置和力的数据来充分估计n维空间中的刚度。然而，由于测量噪声或获得单一系统(两个连续相同的测量)的可能性，我们的估计最好是基于更大的数据集,即m>n,在这种情况下，系统变得过度约束，并且在文中方程的精确解将是非常不可能的。因此，与其尝试直接求解该方程，我们更愿意尝试最小化由矩阵K的估计所给出的误差的平方，即：

  K 是nxn的刚度矩阵
  P 是n×m笛卡尔位置矩阵
  F 是n×m力矩阵
  B 是nxm线性表达式的偏移量
  力和位置数据直接从传感器获得，但是必须计算偏移矩阵B。使用线性回归理论来近似这个参数，可以得到：

  微分线性回归等式就可以得到

  当上式等于零时，可以得到线性回归的最小值。然后，将采样范围上的误差最小化的K值由下式给出

  等式最右边就是P的右逆矩阵。
  在实际应用中，对于在n维空间中工作的机器人来说，在所有维度上总是有显著的测量结果是非常不可能的。事实上，如果指定任务的一部分只需要平移，或者如果运动在平面上暂时受到约束，则矩阵P或者F可能是奇异的或接近奇异的，从而导致计算逆矩阵困难。许多实际的任务都会导致这种受限的运动。例如，与机器人合作绘图将限制平面上的运动。
  为了避免这个问题，需要对收集的数据进行一些测试，以找出哪些集合是重要的，哪些不重要。位置数据的方差可以用作做出决定的阈值(Vthr)。定义了以下矩阵:h是一个向量


  换句话说，如果对应坐标的数据方差小于给定阈值，则矩阵H是对角输入等于零的对角矩阵。否则，它们的对角线条目等于1。矩阵H提供关于应考虑哪些方向的信息，因此可用于构建矩阵G，该矩阵G将改变矩阵P、F和B的大小，以便在所有数据都有效的维度中工作。
  新的矩阵实际上是矩阵H的列空间的酉基，在这种情况下，更简单地说，是一个[n×秩(H)]矩阵，它是矩阵H的压缩，其中消失列已经被抑制。例如，如果H，则G：

  使用这个矩阵G，现在可以在矩阵秩=秩(H)中计算相互作用刚度，而不会遇到奇点问题。因此

4.Stability Observer稳定性观测器

V. Duchaine and C. M. Gosselin, “Investigation of human-robot interaction stability using Lyapunov theory,” 2008 IEEE International Conference on Robotics and Automation, 2008, pp. 2189-2194, doi: 10.1109/ROBOT.2008.4543531.

  在上面这篇文章中，我们找到了描述系统稳定边界的方程，并由此得到了临界导纳参数的方程。所谓临界导纳参数，我们指的是可以分配给机器人而不会对给定系统变得不稳定的最低虚拟导纳。使用这些方程，可以建立一个反馈，该反馈将以一种方式实时调整机器人的虚拟导纳，使得合作将总是稳定的。由于阻尼与能量耗散直接相关，因此调整此参数比玩弄虚拟惯性更直观。

A. Critical damping for a n dimensional system（n维系统的临界阻尼）

  然而，正如上一节所讨论的那样，很难估计整个n维空间中的临界阻尼，因此，再次使用矩阵G得到的临界阻尼为：

  Z是下面公式中间那部分在G平面的投影

  根据问题的物理意义，由临界阻尼矩阵增益给出的椭球体的空间方位应与刚度矩阵的空间方位相同。

B. Feedback

  直接将临界阻尼矩阵分配给阻抗模型可以保证协同系统的整体稳定性。然而，这将导致非平凡的虚拟机器人动力学，对于人类来说很难学习，从而导致效率损失。最好使用稳定性观测器来构建这种反馈，只要后者不会导致不稳定，就可以保持预先分配的虚拟阻抗。该稳定性观测器基于以下等式：

  前半部分就是Cvi在G平面的投影，D称为全局耗散矩阵，如果该矩阵为正定或半正定，则预先分配的虚拟动力学允许闭环系统保持耗散，机器人可以保持其原始参数。但是，如果D变为负定，则阻抗阻尼矩阵需要直接成为临界阻尼矩阵防止能量积累。
  我们可能希望在稳定性估计中保持安全裕度，以确保机器人始终对人类操作员保持安全。在这种情况下，我们可以将全局耗散矩阵写为：

  添加一个1–正无穷的安全系数。
  使用 Sylvester 准则验证矩阵 D 的正定性可能很耗时，因为它需要计算所有子矩阵的行列式。如果矩阵不满秩这种方法也会导致无穷大的问题，使用此标准的更有效方法是计算矩阵 D 的 LU 分解并使用主元的符号来得出正定性结论。使用这种方法，定义了两个标量指数，如果相等，则意味着矩阵D是正定的或至少是半正的。使用爱因斯坦求和约定，这些指数可以写成：

  将 Kronecker delta 应用于这些指数为我们提供了关于矩阵 D 的正定性的简单而清晰的数字答案。这个答案采用以下形式：

  最后，利用这个关系结合临界阻尼矩阵，可变导纳定律变成：

  其中

  在矩阵Cc前后分别相乘矩阵G和G的转置，可以将其扩展到一个nxn的矩阵，这个矩阵在没法估计临界阻尼的行和列中值为0， ann×nmatrix 的效果。然而，直接将此矩阵用作阻抗定律的阻尼矩阵可能是危险的。事实上，零阻尼会出现在一些笛卡尔方向上，导致潜在的不稳定系统。因此，使用矩阵H’=I-H，可以在这些方向上应用相应的初始变量阻尼Cvi.

5. EXPERIMENTALVALIDATION

  实验就具体不说了，具体是可变阻抗的思路。