在現(xiàn)代工廠中，工人和機器人是兩大主要勞動力。出于安全考慮，這兩者通常被限制在金屬籠中的機器人分離開來，而這無疑限制了生產(chǎn)力，以及生產(chǎn)線的靈活性。近年來，人們開始將注意力的焦點投向移除籠子的方向上，從而使得人類和機器人可以協(xié)力構建一個人機共存的工廠。制造商有意向將人的靈活性和機器人的生產(chǎn)力結合起來從而打造一個柔性生產(chǎn)線（flexible production lines）。工業(yè)聯(lián)合機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)線上的人機協(xié)作隊伍中，其中，機器人手臂和人類工作人員協(xié)同處理工件，自動導引運輸車（automated guided vehicles ，AGV）與人類工作人員協(xié)同合作，以保證工廠物流。在未來的工廠中，預計會有越來越多的人機交互行為發(fā)生。與在結構化和確定性環(huán)境中工作的傳統(tǒng)機器人不同的是，協(xié)作型機器人需要在高度非結構化和隨機環(huán)境中運行。而根本問題在于如何確保協(xié)作型機器人在動態(tài)不確定的環(huán)境中能夠高效安全地運行。在這篇文章中，我們將對機械系統(tǒng)控制（MSC）實驗室開發(fā)的機器人安全交互系統(tǒng)進行介紹。

現(xiàn)有解決方案

針對這一問題，包括Kuka、Fanuc、Nachi、Yaskawa、Adept和ABB在內的機器人制造商正在努力為之提供有效的解決方案。現(xiàn)如今，已經(jīng)發(fā)布了若干個安全的協(xié)作機器人或聯(lián)合機器人，如日本FANUC的Collaborative Robots CR系列、丹麥Universal Robots的UR5、美國Rethink Robotics的Baxter、日本Kawada的NextAge和德國Pi4_RoboticsGmbH的WorkerBot等。然而，這些產(chǎn)品中的大多數(shù)都比較注重本質安全性，即在機械設計、致動性和低水平運動控制方面的安全性。而在與人類的接觸中的安全性，即作為智能的關鍵所在（包括感知、認知和高水平運動規(guī)劃和控制），仍然有待探索。

技術挑戰(zhàn)

從技術上來說，設計協(xié)作型工業(yè)機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)機器人更具有人類友好性，它們應該具備以下能力：收集環(huán)境數(shù)據(jù)并解釋這些數(shù)據(jù)，適應不同的任務和不同的環(huán)境，并根據(jù)工人的需求量身定做。例如，在下圖所示的人機協(xié)同組裝過程中，機器人應該能夠預測，一旦工作人員將兩個工件放在一起，他將需要工具來固定組件。那么機器人接下來要做的就應該時拿到工具并將其交給工作人員，同時避免在此過程中與工作人員碰撞。

想要達到這樣的行為，面臨的挑戰(zhàn)在于兩個方面：(1)人類行為的復雜性(2)在不以效率為代價的情況下保證實時安全的難度。人類運動的隨機特性給系統(tǒng)帶來了巨大的不確定性，使其難以保證安全性和效率。

機器人安全交互系統(tǒng)與實時非凸優(yōu)化（Non-convex Optimization）

機器人安全交互系統(tǒng)（RSIS）是在機械系統(tǒng)控制實驗室開發(fā)的，它建立了一種方法來設計機器人的行為，進而保障點對點人機交互的安全和效率。

由于機器人需要同長期獲得交互行為的人進行交互，因此機器人可以很自然地模擬人類行為。人類的互動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，后方車輛的司機可能會本能地踩剎車。然而，經(jīng)過一瞬間的思考，司機可能會加速切入另一條車道，進而避免發(fā)生連鎖追尾。第一種是短期的安全反應行為，第二種需要計算當前的情況，例如，是否有足夠的空間來實現(xiàn)車輛的完全停止，是否有足夠的空位來更換車道，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)劃和控制體系結構，包括長期和短期動作規(guī)劃器。長期規(guī)劃器（效率控制器）強調效率，解決了采樣率低的長期最優(yōu)控制問題。短期規(guī)劃器（安全控制器）基于效率控制器規(guī)劃的軌跡，通過解決高采樣率的短期最優(yōu)控制問題，進一步解決實時安全問題。這種并行架構也解決了不確定因素，長期規(guī)劃器根據(jù)他人最有可能做出的行為進行規(guī)劃，短期規(guī)劃器在短期內考慮他人可能做出的近乎所有行為，以確保安全。

機器人安全交互系統(tǒng)中的并行規(guī)劃和控制體系結構

然而，集群環(huán)境下的機器人動作規(guī)劃具有高度的非線性和非凸性，因此問題難以被實時解決。為了確保能對環(huán)境變化作出及時響應，我們開發(fā)了用于實時計算的快速算法，例如，用于長期優(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）。這些算法通過對原始非凸問題進行凸化來實現(xiàn)更快的計算，其中，我們假定這些原始非凸問題具有凸目標函數(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題。解序列將會收斂到一個局部最優(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）和內點算法（ITP），迭代次數(shù)更少，運行速度更快。另一方面，安全集算法（SSA）使用不變集的思想將非凸狀態(tài)空間約束轉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，機器人可以安全地與環(huán)境進行交互，并有效地完成任務。

實時動作規(guī)劃與控制

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

我們現(xiàn)在在機械系統(tǒng)控制實驗室中研究RSIS的高級版本,這是一個安全高效的機器人協(xié)作系統(tǒng)（SERoCS），它得到了國家科學基金會（NSF）＃1734109的支持。除了安全的人機交互（HRI）動作規(guī)劃和控制算法外，SERoCS還包括用于環(huán)境監(jiān)測的強大認知算法，以及用于人機安全協(xié)作的最佳任務規(guī)劃算法。SERoCS將顯著提升聯(lián)合機器人的技能，并在操作過程中減少或避免人-機、機-機碰撞事故的發(fā)生，從而使未來的和諧的人機協(xié)作成為可能。

SERoCS架構

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.

未來智能實驗室致力于研究互聯(lián)網(wǎng)與人工智能未來發(fā)展趨勢，觀察評估人工智能發(fā)展水平，由互聯(lián)網(wǎng)進化論作者，計算機博士劉鋒與中國科學院虛擬經(jīng)濟與數(shù)據(jù)科學研究中心石勇、劉穎教授創(chuàng)建。

未來智能實驗室的主要工作包括：建立AI智能系統(tǒng)智商評測體系，開展世界人工智能智商評測；開展互聯(lián)網(wǎng)（城市）云腦研究計劃，構建互聯(lián)網(wǎng)（城市）云腦技術和企業(yè)圖譜，為提升企業(yè)，行業(yè)與城市的智能水平服務。