久久久91-久久久91精品国产一区二区-久久久91精品国产一区二区三区-久久久999国产精品-久久久999久久久精品

摘要：雙臂協(xié)作機器人是當(dāng)今機器人學(xué)科研究的一個熱點方向，是實現(xiàn)柔性生產(chǎn)、智慧制造的關(guān)鍵技術(shù)之一。本文介紹了工業(yè)、服務(wù)、軍事及特種應(yīng)用的雙臂協(xié)作機器人研究現(xiàn)狀，討論了熱點研究問題，對雙臂協(xié)作機器人的未來研究方向進(jìn)行了探討。

關(guān)鍵詞：雙臂機器人；智能制造；協(xié)作控制

Abstract: Dual-arm collaborative robot technology is one of the hot direction in robotics research, and is a key technology to realize flexible production and intelligent manufacturing. This paper introduces the research and development status in its application fields of industry, services sector, military use and special application. And discusses its hot issues. Finally, some research directions in dual-arm collaborative robot are expected.

Key words: Dual-arm collaborative robot; Intelligent manufacturing; Coordination control

1　引言

隨著社會經(jīng)濟發(fā)展、科技進(jìn)步及工業(yè)水平提高，以德國“工業(yè)4.0”為代表的智慧工業(yè)發(fā)展模式在世界范圍內(nèi)廣受關(guān)注。在智能制造領(lǐng)域，雙臂協(xié)作機器人比傳統(tǒng)單臂具有更高的靈活性、操作性和負(fù)載能力等，因而受到了學(xué)術(shù)界和工業(yè)界的高度關(guān)注。雙臂機器人有如下幾方面特點：一是通過雙臂協(xié)作配合作業(yè)，無論面對剛性還是柔性物體，抓取和移動物體能力強；二是雙臂協(xié)作機器人在工作時可有效避免兩臂間的碰撞；三是兩臂可配合實現(xiàn)復(fù)雜任務(wù)的有序控制，減少對工裝夾具的依賴[1]。這些特點使雙臂協(xié)作機器人可實現(xiàn)對復(fù)雜工作任務(wù)的處理，適應(yīng)多變工作環(huán)境，很好地滿足了新工業(yè)模式柔性化定制的要求。

雙臂共同完成任務(wù)的方式在機器人的早期研究中就已出現(xiàn)[2]。上世紀(jì)七、八十年代，在單臂研究的基礎(chǔ)上，雙臂機器人協(xié)調(diào)控制的理論被逐步建立起來，這一時期主要研究了雙臂和被控對象形成的閉鏈運動學(xué)以及力的控制問題。90年代始，科研人員對雙臂機器人的運動規(guī)劃、協(xié)調(diào)控制算法、力或力矩控制等進(jìn)行了研究[3]。進(jìn)入新世紀(jì)以后，隨著人工智能技術(shù)發(fā)展，學(xué)者們將強化學(xué)習(xí)、深度學(xué)習(xí)、遺傳算法等理論方法應(yīng)用在雙臂協(xié)作機器人控制和規(guī)劃研究上，取得了較好的效果；同時隨著硬件技術(shù)的提高，雙臂協(xié)作機器人開始商業(yè)化，對人們的生活、工業(yè)發(fā)展產(chǎn)生了很大影響。

本文首先闡述雙臂協(xié)作機器人在國內(nèi)外幾個主要領(lǐng)域的研究現(xiàn)狀，其次介紹雙臂智能協(xié)作方法、任務(wù)規(guī)劃和基于網(wǎng)絡(luò)的雙臂機器人技術(shù)幾個熱點研究問題。最后本文對雙臂協(xié)作機器人技術(shù)未來研究方向進(jìn)行了展望，并介紹了作者團(tuán)隊在該領(lǐng)域的研究成果。

2　研究現(xiàn)狀

本節(jié)根據(jù)雙臂協(xié)作機器人在工業(yè)、服務(wù)、軍事、特種作業(yè)方面的應(yīng)用，介紹國內(nèi)外研究現(xiàn)狀。

2.1　工業(yè)雙臂機器人

國外在工業(yè)雙臂機器人領(lǐng)域的研究較早，很多公司推出了其工業(yè)化產(chǎn)品，例如日本安川MOTOMAN-SDA系列、美國Rethink的Baxter、愛普生WorkSense、瑞士ABB的YuMi等。

日本安川以取代人在工業(yè)生產(chǎn)中的組裝、分裝、維護(hù)等工作為初衷，推出了MOTOMAN-SDA系列雙臂機器人，如圖1（1）所示。該機器人除具有兩個7自由度冗余機械臂外，最大的特點是具有可靈活轉(zhuǎn)動的腰部，使其媲美人類上肢[4]。Rethink推出的Baxter是全智慧機器人球應(yīng)用最廣泛的雙臂機器人之一，已經(jīng)應(yīng)用在全球400多所高校及研究機構(gòu)。該機器人的特點是具有豐富的傳感器組件，包括環(huán)繞聲吶、視覺傳感器、紅外測距儀、力和運動傳感組件，幫助其在不特定工業(yè)環(huán)境中完成復(fù)雜操作。愛普生WorkSense W-01雙臂機器人安裝有移動輪，可以在不同地點完成組裝、搬運和其他各種任務(wù)，適應(yīng)更為復(fù)雜的工業(yè)制造環(huán)境。

近年來，人機交互成為工業(yè)機器人的研發(fā)熱點之一，2015年ABB公司展示了首個真正意義上的人機交互雙臂機器人YuMi，用于實現(xiàn)其“物、服務(wù)與人互聯(lián)”戰(zhàn)略[5]。YuMi機器人雙臂以軟性材料包裹，手臂靈巧且腕部配備六維力傳感器，在開放環(huán)境中工作可保障其人類“同事”的安全[6]。在2019中國國際工業(yè)博覽會上，YuMi雙臂機器人展示了制造手表的“未來工廠”，利用一系列柔性高效的數(shù)字化技術(shù)實現(xiàn)定制腕表的批次實時裝配，如圖1（2）所示。

(1) SDA工件加工                  (2) YuMi裝配手表

圖1 工業(yè)雙臂機器人[4,5]

我國的雙臂機器人雖起步較晚，但近年來也涌現(xiàn)出一批優(yōu)秀成果。2015年底，北京大學(xué)智能機械系統(tǒng)實驗室研發(fā)出雙臂機器人“WEE”[7]。該機器人從機械結(jié)構(gòu)、電氣到控制方面均為模塊化設(shè)計，系統(tǒng)可擴展到二十個關(guān)節(jié)。WEE采用無縫銜接的分區(qū)域阻尼控制，機器人末端阻尼和剛度完全解構(gòu)，具有很高的柔順性[8]，可很好地實現(xiàn)人機協(xié)作。武漢的庫柏特推出了具有3D運動視覺功能雙臂機器人CAssembly，其末端可自適應(yīng)選配的多種手抓，雙臂可自動實現(xiàn)運動規(guī)劃、柔性操作、碰撞檢測及協(xié)作控制等功能。沈陽的新松機器人推出的DSCR3、DSCR5雙臂協(xié)作機器人具有機器視覺功能，可實現(xiàn)擰緊裝配、拋光打磨、視覺檢測等工業(yè)生產(chǎn)任務(wù)。

2.2　服務(wù)雙臂機器人

雙臂機器人的仿人特性使其從外觀和行為上都更為人所接受，通過模仿人的手臂動作可完成烹飪、送餐、照料等服務(wù)工作，降低服務(wù)業(yè)人工成本。服務(wù)用雙臂機器人與人直接接觸，需要面對復(fù)雜多變的工作環(huán)境，因此通常配備機器視覺，具有柔順控制和人機交互等功能。

雙臂機器人用來為人們提供服務(wù)的想法由來已久，早在2008年，日本安川電機利用SDA10雙臂機器人表演了翻轉(zhuǎn)和烹飪?nèi)帐郊屣灐Ｖ笕毡颈咎镩_發(fā)的Asmio仿人機器人通過對末端運動的感知，協(xié)調(diào)完成了端茶倒水的工作[9]。如圖2（2）所示。但彼時的機器人智能化程度不高，大部分工作需預(yù)先編制指令，在復(fù)雜的應(yīng)用場景無法自動識別。隨著人工智能技術(shù)水平的提高，涌現(xiàn)出采用機器視覺、機器學(xué)習(xí)、信息融合等技術(shù)的智慧化雙臂服務(wù)機器人。例如同樣是食物煎烤，2015年歐洲RoboHow項目研制的PR2雙臂煎餅機器人能利用網(wǎng)絡(luò)信息，通過經(jīng)驗學(xué)習(xí)和人工訓(xùn)練學(xué)會新的服務(wù)技能。如圖2（1）所示。

近年來，服務(wù)機器人智能化程度進(jìn)一步提高。在2019中國國際工業(yè)博覽會上，ABB展示了YuMi雙臂機器人在垃圾回收上的應(yīng)用。該展示根據(jù)上海市最新生活垃圾管理條例開發(fā)了分揀解決方案，通過機器人、神經(jīng)網(wǎng)絡(luò)技術(shù)、傳感器融合實現(xiàn)垃圾分類和揀選，如圖2（3）所示。我國新松機器人在2020年中國工博會上展示了DSCR3雙臂協(xié)作機器人在分層調(diào)酒上的應(yīng)用，使用者選擇酒品種類、下單，雙臂協(xié)作機器人根據(jù)訂單，自動完成取杯、取酒、分層、引流、倒酒等一系列調(diào)酒動作，按照酒類密度大小對雞尾酒進(jìn)行分層，并最終將調(diào)制好的雞尾酒放置在指定區(qū)域。如圖2（4）所示。

(1) PR2煎餅           (2) Asmio端茶

(3) YuMi垃圾分類          (4) DSCR3調(diào)酒

圖2 服務(wù)雙臂機器人[9]

2.3　軍用警用雙臂機器人

美國在軍用機器人的研制上處于領(lǐng)先地位，2013年首次向公眾展示波士頓動力公司為美軍研制的先進(jìn)人形機器人“阿特拉斯”。該機器人高1.88米，重150千克，通過液壓驅(qū)動全身關(guān)節(jié)，采用激光雷達(dá)、立體傳感器采集環(huán)境狀況，可實現(xiàn)大步前進(jìn)、避障和平穩(wěn)跳落等功能，可用于實現(xiàn)軍事救援等多種任務(wù)[10]，如圖3（1）所示 。

在我國，軍用警用雙臂機器人主要應(yīng)用在防爆等任務(wù)上。北京航天微機電技術(shù)研究所研制出國內(nèi)首臺警用多功能人機隨動雙臂機器人，可應(yīng)用于警用排爆，圖3(3)是該機器人增加疫情防控模塊后在體溫檢測上的應(yīng)用。深拓科技開發(fā)出四輪移動的排爆雙臂機器人KT200，通過雙臂協(xié)作配合，該機器人適用于復(fù)雜物體的拆解操作，可用于公安、軍事以及核工業(yè)等危險、有害環(huán)境下的作業(yè)，如圖3（2）所示。

(1) Atlas機器人    (2) KT200防爆       (3) 防疫體溫測量

圖3 軍用雙臂機器人[10]

2.4　特種雙臂機器人

雙臂機器人在如太空、海洋、核電等復(fù)雜空間環(huán)境中可以像人一樣發(fā)揮雙臂靈活操作的優(yōu)勢，是這一領(lǐng)域中用來探測、維修的重要設(shè)備。

加拿大團(tuán)隊研制的Dextre是國際空間站著名的機器人，如圖4（1）所示。該機器人可利用其雙臂協(xié)助宇航員太空行走，以及代替宇航員從事一些危險的艙外作業(yè)[11]。德國航天中心研制的Rollin Justin雙臂機器人全身共51個自由度，可用于太空任務(wù)[12]，圖4（2）為該機器人正在接受來自國際太空站宇航員的命令，在模擬火星的地球表面完成移動、導(dǎo)航、維修等任務(wù)[13]。美國休斯敦機電公司（HMI）開發(fā)了海洋探測用雙臂機器人Aquanaut，該機器人深潛至任務(wù)現(xiàn)場后，可整體變形，伸出兩只配備力傳感器的爪式夾鉗，實現(xiàn)深海設(shè)備的遠(yuǎn)程修復(fù)[14]。如圖4（3）所示。

在特種用途的雙臂機器人領(lǐng)域，我國的中國電子科技集團(tuán)第二十一研究所、深拓科技等公司先后研制了適用特種場合的雙臂協(xié)作機器人。其中后者開發(fā)出一款結(jié)構(gòu)新穎的KRV高壓輸電線路帶電作業(yè)巡線檢修機器人，該機器人可沿線路軌道移動，通過雙臂協(xié)作實現(xiàn)更換輸電網(wǎng)上防震錘等線路金具等任務(wù)。如圖4（4）所示。

(1) Dextre空間站維護(hù)     (2) Rollin Justin模擬火星任務(wù)

(3) Aquanaut      (4) KRV電力檢修

圖4 特種雙臂機器人[15-18]

3　熱點研究問題

從建模、協(xié)作控制到任務(wù)規(guī)劃，雙臂協(xié)作機器人的研究方向很多，本節(jié)選擇智能協(xié)作方法、任務(wù)規(guī)劃、基于網(wǎng)絡(luò)的雙臂機器人技術(shù)等幾個研究熱點問題進(jìn)行闡述。

3.1　雙臂機器人智能協(xié)作方法

雙臂機器人在協(xié)同工作時，兩臂存在物理耦合，需通過通信或控制使得一條機械臂對另一條的動作做出相應(yīng)運動決策，從而實現(xiàn)對被操作體的協(xié)作。

（1）雙臂協(xié)作的約束

為完成復(fù)雜任務(wù)，雙臂需共同抓持或操作某一物體，該物體與機器人的兩臂構(gòu)成閉合運動鏈，雙臂的操作和運動需滿足位姿間的約束關(guān)系。閉合鏈的約束關(guān)系使兩臂各自的運動變得復(fù)雜，主要包括自由度約束、可達(dá)空間約束、軌跡約束、力約束等幾種類型[15]。

這種復(fù)雜約束難以求解，目前常利用D-H法得到雙臂協(xié)作的閉鏈運動模型，利用機械臂末端和關(guān)節(jié)的速智慧機器人度關(guān)系求得雅可比矩陣，根據(jù)雙臂抓持剛體、操作旋轉(zhuǎn)連桿、操作球面副連桿等常見操作類型具體求得兩臂位置、速度和加速度的關(guān)系[16]。

（2）協(xié)作控制方法

雙臂機器人的協(xié)作控制問題是在一定的運動約束下，對兩機械臂進(jìn)行運動和力控制。主要控制方法有主從控制、力位混合控制、反饋線性化方法、阻抗控制、智能控制等[3]。

其中力位混合控制理論方法明確，可綜合控制協(xié)作時雙臂相對位置和閉鏈內(nèi)力[17]。阻抗控制通過控制力與位置間的動態(tài)關(guān)系實現(xiàn)柔順控制，實現(xiàn)了機械臂與環(huán)境動態(tài)接觸力的控制[18]，廣泛應(yīng)用于零件裝配領(lǐng)域。為克服雙臂建模中的非線性、時變、不確定問題，近年來學(xué)者提出一系列智能控制方法，如基于模糊控制[19]、神經(jīng)網(wǎng)絡(luò)[20]、智能優(yōu)化等方法[21]。

（3）雙臂協(xié)作規(guī)劃

為完成協(xié)作任務(wù)，需在工作空間中確定無碰撞的運動路徑，使機器人末端運動到特定目標(biāo)位姿。方法上可分為規(guī)劃型、反應(yīng)型兩大類[22]。

規(guī)劃型方法是將雙臂無碰撞運動規(guī)劃問題轉(zhuǎn)化為帶約束的優(yōu)化問題，通過設(shè)置關(guān)節(jié)運動、力矩和防自碰撞約束，使用最優(yōu)化方法求解[23]。反應(yīng)性方法以人工勢場法[24]為基礎(chǔ)，根據(jù)兩臂間及與障礙間距離建立虛擬斥力勢場，引導(dǎo)兩臂實現(xiàn)無自碰撞運動。為提高規(guī)劃可靠性，運動時還需實時檢測可能發(fā)生的碰撞，方法上有基于幾何模型[25]和基于機器視覺[26]的自碰撞檢測，可在碰撞前引導(dǎo)機器人停止或遠(yuǎn)離碰撞位置。

3.2　雙臂協(xié)調(diào)任務(wù)規(guī)劃方法

在一定的應(yīng)用場合下，雙臂機器人必須得到具體的任務(wù)指令序列，才能在雙臂協(xié)作控制下實現(xiàn)對任務(wù)工序的逐項操作。任務(wù)規(guī)劃即是將總?cè)蝿?wù)分解為動作序列的過程。

任務(wù)規(guī)劃的大致流程如圖5所示，規(guī)劃器根據(jù)知識庫逐層實現(xiàn)任務(wù)的分解。根據(jù)雙臂機器人的特點，知識庫包含協(xié)作約束、操作、動作等內(nèi)容，通過分層規(guī)劃最終分解為動作序列。任務(wù)規(guī)劃和路徑規(guī)劃是串聯(lián)關(guān)系，任務(wù)規(guī)劃得到的具體動作再經(jīng)路徑規(guī)劃形成機器人的可執(zhí)行命令。

圖5 雙臂協(xié)調(diào)任務(wù)規(guī)劃流程圖

任務(wù)規(guī)劃主要有針對特定場合的規(guī)劃、知識推理的規(guī)劃、人工智能方法的規(guī)劃三類方法。許多學(xué)者在特定場合下，對雙臂機器人的任務(wù)分解進(jìn)行了研究，如在醫(yī)療手術(shù)[27]、仿人運動[28]、零件裝配[29]等方面的雙臂任務(wù)規(guī)劃。部分學(xué)者從知識和邏輯表示方向處理兩臂調(diào)度問題，通過描述邏輯表示知識，經(jīng)邏輯處理得到任務(wù)分解方案[30]。人工智能規(guī)劃方法則通過預(yù)定的工作目標(biāo)、執(zhí)行環(huán)境和預(yù)定義的可執(zhí)行動作，在得到任務(wù)輸入后通過分層規(guī)劃器求得最優(yōu)化解，實現(xiàn)任務(wù)的自動規(guī)劃，目前該方法日益得到學(xué)者的重視[31]。

3.3　基于網(wǎng)絡(luò)的雙臂機器人技術(shù)

許多復(fù)雜任務(wù)需要通過人的雙手完成，但在太空、深海、核工業(yè)環(huán)境等特殊環(huán)境里人很難直接參與，需要運用遠(yuǎn)程操作方式通過擬人雙臂機器人實現(xiàn)操作。基于網(wǎng)絡(luò)的雙臂機器人技術(shù)不僅可以由人遠(yuǎn)程控制，而且充分發(fā)揮雙臂協(xié)作的特點，使操作者不必?fù)?dān)心碰撞問題?；诰W(wǎng)絡(luò)的雙臂機器人控制結(jié)構(gòu)如圖6所示。

圖6 基于網(wǎng)絡(luò)的雙臂機器人控制系統(tǒng)結(jié)構(gòu)

在遠(yuǎn)程信息獲取方面，利用現(xiàn)場圖像及各傳感器信息，構(gòu)建虛擬現(xiàn)實環(huán)境是實現(xiàn)網(wǎng)絡(luò)化控制的關(guān)鍵[32]，在此基礎(chǔ)上操作員可在本地仿真平臺中實現(xiàn)雙臂機器人的操作，但目前快速準(zhǔn)確地在線建模還存在一定困難。在網(wǎng)絡(luò)層面上，通信網(wǎng)絡(luò)可采用因特網(wǎng)或其他工業(yè)總線，但必須考慮網(wǎng)絡(luò)延遲對操作結(jié)果的影響。一種處理方法是在本地仿真平臺測試操作無誤后，用延遲發(fā)送指令的方式控制遠(yuǎn)端雙臂機器人。也有學(xué)者提出提高網(wǎng)絡(luò)同步性，及采用如徑向基神經(jīng)網(wǎng)絡(luò)實現(xiàn)網(wǎng)絡(luò)延遲預(yù)測處理網(wǎng)絡(luò)的不穩(wěn)定性[33]。

除通過網(wǎng)絡(luò)對機器人直接控制外，有學(xué)者提出監(jiān)督控制和共享控制方式，前者主要依靠遠(yuǎn)程雙臂機器人的自主能力，操作人員作適當(dāng)干預(yù)；后者則由人和機器人共同控制，發(fā)揮兩者優(yōu)勢[34]。但這幾種人機參與方式對機器人自身的智能程度提出了更高的要求。

4　未來研究方向

就雙臂協(xié)作機器人的現(xiàn)狀而言，雖然各大機器人廠商紛紛推出各自型號的雙臂機器人，但這些機器人能適應(yīng)的工作場景仍然有限。它們在“形”上已能滿足擬人工作的要求，在“智”上還有待進(jìn)一步提高。本文認(rèn)為未來主要的研究方向有如下四個方面。

（1）智能協(xié)作控制方面。還需進(jìn)一步研究如何融合傳感器采集到的力、距離、圖像等信息，為機器人控制提供準(zhǔn)確輸入，以及如何設(shè)計自適應(yīng)控制率以應(yīng)對輸入信息的誤差和機器人系統(tǒng)本身的非線性與時變問題。

（2）雙臂運動規(guī)劃方面。雙臂協(xié)作，甚至多臂協(xié)作所帶來約束的復(fù)雜程度高，快捷、動態(tài)地實現(xiàn)軌跡規(guī)劃，特別是高效地避免碰撞算法，以及軌跡最優(yōu)化方法值得進(jìn)一步探究。

（3）雙臂協(xié)作任務(wù)規(guī)劃方面。目前雙臂機器人實現(xiàn)的協(xié)作任務(wù)還較為有限，需進(jìn)一步研究基于人工智能方法實現(xiàn)自主任務(wù)分配問題，以及在任務(wù)層面的雙臂機器人優(yōu)化協(xié)作問題。

（4）人機交互方面。目前仍主要通過程序命令方式實現(xiàn)雙臂機器人的控制，需進(jìn)一步研究機器人自主學(xué)習(xí)方法，采用意圖編程模式替代動作過程編程方式。

5　本研究團(tuán)隊的工作

本研究團(tuán)隊近年在國家重點研究計劃、國家自然科學(xué)基金等項目支持下，對雙臂協(xié)作機器人運動控制、軌跡規(guī)劃、雙臂協(xié)作試驗平臺及控制器開發(fā)等方面開展了研究，并取得了多項創(chuàng)新成果。

（1）雙臂機器人協(xié)作控制方法方面。針對板材安裝過程使用彈簧-阻尼模型對雙臂間約束關(guān)系進(jìn)行建模，建立了機械臂和墻壁間接觸力模型，利用雙臂間彈簧-阻尼模型引入虛擬恢復(fù)力，實現(xiàn)了主從式力位置混合控制。為提高板材安裝接觸力控制效果，減少接觸力模型和實際場景的偏差，使用深度強化學(xué)習(xí)方法來解決接觸力控制問題。如圖7所示。

圖7 基于深度學(xué)習(xí)力控制的雙臂協(xié)調(diào)板材安裝

（2）雙臂機器人軌跡規(guī)劃方面。針對大型建筑構(gòu)件3D打印時突破尺寸限制、幾何形狀復(fù)雜以及高曲率的特點，通過考慮幾何、力學(xué)、材料特性，分析約束條件，研究了自適應(yīng)軌跡分層算法，同時開發(fā)出雙臂機器人3D打印仿真平臺。

（3）雙臂機器人控制器方面。本團(tuán)隊針對建筑機器人協(xié)作控制算法驗證實驗需要，開發(fā)了一套雙臂機器人虛擬仿真系統(tǒng)，可開展雙臂板材安裝、雙臂3D打印、雙臂木構(gòu)件加工仿真實驗研究。在多年機器人控制器成果基礎(chǔ)上，開發(fā)了基于高速以太網(wǎng)接口的雙臂機器人控制器，如圖8所示。

圖8 雙臂機器人控制器原理框圖

6　結(jié)語

智能機器人的發(fā)展將推動工業(yè)智能化轉(zhuǎn)型，助力我國《中國制造2025》實現(xiàn)由工業(yè)大國發(fā)展為工業(yè)強國。本文展示了近年來國內(nèi)外雙臂協(xié)作機器人的先進(jìn)成果，對幾個研究熱點問題進(jìn)行了討論，對未來的研究提出了幾點看法。相信隨著智能協(xié)作方法、人機交互、運動規(guī)劃等關(guān)鍵問題的突破，雙臂協(xié)作機器人將更加走近我們的生活，造福工業(yè)、醫(yī)療、服務(wù)、宇航等多個領(lǐng)域。

作者：王小龍（1989-），男，河南洛陽人，博士研究生，現(xiàn)就讀于西安交通大學(xué)電子與信息學(xué)部，研究方向為群體智能與多機器人協(xié)作。

曹建福（1963-），男，陜西寶雞人，教授，博士生導(dǎo)師，現(xiàn)任西安交通大學(xué)自動控制研究所所長、中國自動化學(xué)會建筑機器人專業(yè)委員會主任委員，研究方向為智能機器人、智能制造與智慧工廠。

參考文獻(xiàn)：

[1] 周驥平, 顏景平, 陳文家. 雙臂機器人研究的現(xiàn)狀與思考[J]. 機器人, 2001, (2) : 175 - 177.

[2] Smith C, Karayiannidis Y, Nalpantidis L, et al. Dual arm manipulation—A survey[J]. Robotics and Autonomous Systems, 2012, 60 (10) : 1340 – 1353.

[3] 方健. 冗余雙臂機器人在線運動規(guī)劃與協(xié)調(diào)操作方法研究[D]. 合肥: 中國科學(xué)技術(shù)大學(xué), 2016.

[4] Kamiya, Yosuke, Asahi, Takefumi, Ando, Shingo, et al. Task oriented control with constraints for industrial robot[C]. International Symposium on Robotics. IEEE, 2014.

[5] ABB推出全球首款人機協(xié)作雙臂機器人YuMi[J]. CAD/CAM與制造業(yè)信息化, 2015, (5).

[6] Bjoern Matthias. New safety standards for collaborative robots, ABB YuMi? dual-arm robot[C]. Iros, Workshop "robotic Coworkers-methods, Challenges & Industrial Test Cases, 2015.

[7] 凌莉. "輕型臂WEE"引領(lǐng)中國協(xié)作機器人新紀(jì)元[J]. 中國科技產(chǎn)業(yè), 2016, (04) : 43 - 47.

[8] 劉立. 雙臂協(xié)作機器人引領(lǐng)中國機器人新紀(jì)元[J]. 機器人產(chǎn)業(yè), 2017, (01) : 46 - 49.

[9] Obaid M, Kistler F, HRing M, et al. A Framework for User-Defined Body Gestures to Control a Humanoid Robot[J]. International Journal of Social Robotics, 2014, 6 (3) : 383 - 396.

[10] 孫毅. 美國軍用地面仿生機器人發(fā)展[J]. 軍事文摘, 2015, (13) : 29 - 31.

[11]“奮進(jìn)”號宇航員太空組裝雙臂機器人[J]. 軍民兩用技術(shù)與產(chǎn)品, 2008, (4) : 8.

[12] Fuchs M, Borst C, Giordano P R, et al. Rollin' Justin - Design considerations and realization of a mobile platform for a humanoid upper body[C]. IEEE International Conference on Robotics & Automation, IEEE, 2009.

[13] Peter S, Daniel L, Thomas K, et al. Preliminary Insights From the METERON SUPVIS Justin Space-Robotics Experiment[J]. IEEE Robotics and Automation Letters, 2018 : 1.

[14] Manley J E, Halpin S, Radford N, et al. Aquanaut: A New Tool for Subsea Inspection and Intervention[C]. OCEANS 2018 MTS/IEEE Charleston, IEEE, 2018.

[15] 王樹新, 劉又午. 受控多體系統(tǒng)的力約束分析與實驗研究[J]. 天津大學(xué)學(xué)報:自然科學(xué)與工程技術(shù)版, 1997, 30 (05) : 601 - 606.

[16] 熊有倫, 李文龍, 陳文斌, 等. 機器人學(xué):建模、控制與視覺[M]. 華中科技大學(xué)出版社, 2018.

[17] 丁希侖. 擬人雙臂機器人技術(shù)[M]. 科學(xué)出版社, 2011.

[18] Schnieder S A. Object impedance control for cooperative manipulation: theory and experimental results[J]. IEEE Trans on Robotics & Automation, 1992, 8.

[19] 龐哲楠, 張國良, 陳志侃, 等. 變重力環(huán)境下雙臂空間機器人自適應(yīng)模糊控制[J]. 計算機仿真, 2016, (5) : 308 - 314.

[20] Escande A, Miossec S, Kheddar A. Continuous gradient proximity distance for humanoids free-collision optimized-postures[J]. Hmanod Robo, 2008 : 188 - 195.

[21] 吳瑞芳, 賈訟敏. 粒子群算法優(yōu)化的雙臂機器人模糊邏輯控制仿真研究[J]. 中國工程機械學(xué)報, 2018, 16 (03) : 216 -220.

[22] Salehian S S M, Figueroa N, Billard A. A Unified Framework for Coordinated Multi-Arm Motion Planning[J]. International Journal of Robotics Research, 2018, 37 (10) : 027836491876595.

[23] Chrètien B, Escande A and Kheddar A. Gpu robot motion planning using semi-infinite nonlinear programming[J]. IEEE Transactions on Parallel and Distributed Systems, 2016, 27 (10) : 2926 – 2939.

[24] Khatib O. Real-Time Obstacle Avoidance for Manipulators and Mobile Robots[J]. International Journal of Robotics Research, 1986, 5 (1) : 90 - 98.

[25] C. Park. Self-collision detection & avoidance algorithm for a robot manipulator[J]. International Journal of Engineering and Innovative Technology, 2015, 5 : 139 – 142.

[26] Hermann A, Drews F, Bauer J, et al. Unified GPU voxel collision detection for mobile manipulation planning[C]. IEEE/RSJ International Conference on Intelligent Robots & Systems, IEEE, 2014.

[27] 吳啟菡. 面向手術(shù)器械分揀任務(wù)的雙臂機器人協(xié)同控制方法研究[D]. 哈爾濱: 哈爾濱工業(yè)大學(xué), 2019.

[28] Nakai H, Yamataka M, Kuga T, et al. Development of Dual-Arm Robot with Multi-Fingered Hands[C]. IEEE International Symposium on Robot & Human Interactive Communication. IEEE, 2006.

[29] J. K. Behrens, R. Lange and M. Mansouri. A Constraint Programming Approach to Simultaneous Task Allocation and Motion Scheduling for Industrial Dual-Arm Manipulation Tasks[J]. 2019 International Conference on Robotics and Automation (ICRA), 2019: 8705 - 8711.

[30] Tenorth M, Beetz M. KnowRob: A knowledge processing infrastructure for cognition-enabled robots[J]. International Journal of Robotics Research, 2013, 32 (5) : 566 - 590.

[31] Armin Müller, Kirsch A, Beetz M. Transformational Planning for Everyday Activity[C]. Proceedings of the Seventeenth International Conference on Automated Planning and Scheduling, 2007.

[32] 倪得晶, 宋愛國, 李會軍. 基于虛擬現(xiàn)實的機器人遙操作關(guān)鍵技術(shù)研究[J]. 儀器儀表學(xué)報, 2017, 38 (10) : 2351 - 2363.

[33] 趙長軍, 王從慶. 基于神經(jīng)網(wǎng)絡(luò)延遲預(yù)測的Internet機器人遠(yuǎn)程控制[J]. 計算機測量與控制, 2004, 12 (03) : 238 - 241.

[34] 戴廷飛, 劉邈, 葉陽陽, 等. 人機共享控制機器人系統(tǒng)的應(yīng)用與發(fā)展[J]. 儀器儀表學(xué)報, 2019, 40 (03) : 62 - 73.

摘自《自動化博覽》2020年10月刊