软体机器人安全控制系统新突破：实现安全接触与实时适应

软体机器人学会安全之道：新控制系统保驾护航

想象一个连续的软体机械臂弯曲着绕过一串葡萄或西兰花，并在举起物体时实时调整其抓握力。与传统的刚性机器人通常尽可能避免与环境接触并出于安全原因远离人类不同，这只手臂能够感知微妙的力，以模仿人手柔顺性的方式伸展和弯曲。它的每一个动作都经过计算，旨在避免过度用力，同时高效完成任务。在某机构计算机科学与人工智能实验室以及信息与决策系统实验室里，这些看似简单的动作是复杂数学、精密工程以及对能与人类和易碎物品安全交互的机器人愿景的结晶。

软体机器人凭借其可变形体，预示着机器能更无缝地与人类协同工作、协助护理或在工业环境中处理精细物品的未来。然而，正是这种灵活性使其难以控制。微小的弯曲或扭转可能产生不可预测的力，增加损坏或受伤的风险。这激发了对软体机器人安全控制策略的需求。

“受刚性机器人安全控制和形式化方法进展的启发，我们旨在将这些思想应用于软体机器人——建模其复杂行为并拥抱而非避免接触——以实现更高性能的设计（例如，更大的有效载荷和精度），同时不牺牲安全性或具身智能，”主要资深作者、某机构助理教授Gioele Zardini表示，他是信息与决策系统实验室和土木与环境工程系的负责人研究员，也是数据、系统与社会研究所的附属教员。“这一愿景与其他团队近期和并行的工作是共通的。”

安全第一

该团队开发了一个新框架，它将非线性控制理论（涉及高度复杂动力学的系统控制）与先进的物理建模技术及高效的实时优化相结合，产生了他们称之为“接触感知安全”的方法。该方法的核心理念是高阶控制屏障函数和高阶控制李雅普诺夫函数。HOCBFs定义了安全的操作边界，确保机器人不会施加不安全的力。HOCLFs则引导机器人高效地朝向其任务目标，在安全与性能之间取得平衡。

“本质上，我们正在教导机器人在与环境交互时了解其自身限制，同时仍能实现目标，”某机构机械工程系博士生、描述该框架的新论文主要作者Kiwan Wong说。“该方法涉及软体机器人动力学、接触模型和控制约束的一些复杂推导，但对于实践者来说，控制目标和安全屏障的指定相当直接，结果也非常具体，你能看到机器人移动流畅，对接触做出反应，并且永远不会造成不安全的情况。”

“与传统的运动学CBFs相比——其中前向不变安全集难以指定——HOCBF框架简化了屏障设计，其优化公式考虑了系统动力学（例如，惯性），确保软体机器人能及时停止以避免不安全的接触力，”伍斯特理工学院助理教授、前某机构计算机科学与人工智能实验室博士后Wei Xiao表示。

“自软体机器人出现以来，该领域一直强调其具身智能以及相对于刚性机器人更高的固有安全性，这得益于被动的材料和结构柔顺性。然而，它们的‘认知’智能——尤其是安全系统——却落后于刚性串联连杆机械臂，”共同主要作者、某研究机构的研究实习生Maximilian Stölzle说，他此前是代尔夫特理工大学博士生，并在某机构信息与决策系统实验室和计算机科学与人工智能实验室担任访问研究员。“这项工作通过将经过验证的算法应用于软体机器人，并针对安全接触和软连续体动力学进行定制，有助于缩小这一差距。”

信息与决策系统实验室和计算机科学与人工智能实验室的团队在一系列旨在挑战机器人安全性和适应性的实验上测试了该系统。在一项测试中，机械臂轻轻按压一个柔顺表面，保持精确的力而不超调。在另一项测试中，它追踪一个弯曲物体的轮廓，调整抓握以避免滑落。在又一个演示中，机器人在人类操作员旁边操纵易碎物品，实时应对意外的推动或移动。“这些实验表明，我们的框架能够泛化到多样化的任务和目标，机器人能够在复杂场景中感知、适应和行动，同时始终尊重明确定义的安全限制，”Zardini说。

当然，具有接触感知安全性的软体机器人在高风险场所可能具有真正的附加价值。在医疗保健领域，它们可以协助手术，提供精确的操作同时降低对患者的风险。在工业中，它们可以处理易碎货物而无需持续监督。在家庭环境中，机器人可以帮助做家务或护理任务，安全地与儿童或老年人互动——这是使软体机器人成为现实世界环境中可靠伙伴的关键一步。

“软体机器人具有惊人的潜力，”共同资深作者、计算机科学与人工智能实验室主任、电气工程与计算机科学系教授Daniela Rus说。“但确保安全并通过相对简单的目标编码运动任务一直是一个核心挑战。我们希望创建一个系统，使机器人能够保持灵活和响应，同时在数学上保证其不会超过安全力限制。”

结合软体机器人模型、可微分模拟与控制理论

该控制策略的基础是对一种称为分段科瑟拉特-线段动力学模型的可微分实现，该模型预测软体机器人如何变形以及力在哪里积聚。这个模型使系统能够预见机器人身体对驱动和与环境复杂交互的反应。“这项工作中我最喜欢的方面是来自不同领域的新旧工具的融合，例如先进的软体机器人模型、可微分模拟、李雅普诺夫理论、凸优化以及基于伤害严重程度的安全约束。所有这些都被很好地融合到一个完全基于第一性原理的实时控制器中，”合著者、代尔夫特理工大学副教授Cosimo Della Santina说。

与此相辅相成的是可微分保守分离轴定理，它以一种可微分的方式，估算了软体机器人与环境中可近似为一串凸多边形的障碍物之间的距离。“早期的凸多边形可微分距离度量要么无法计算穿透深度——这对估计接触力至关重要——要么产生了可能损害安全的非保守估计，”Wong说。“相反，DCSAT度量返回严格保守（因此安全）的估计，同时允许快速和可微分的计算。” PCS和DCSAT共同赋予机器人对其环境的预测感知，以实现更主动、更安全的交互。

展望未来，该团队计划将其方法扩展到三维软体机器人，并探索与基于学习的策略的整合。通过将接触感知安全性与自适应学习相结合，软体机器人可以处理更复杂、不可预测的环境。

“这就是我们工作令人兴奋之处，”Rus说。“你可以看到机器人表现得像人类一样谨慎，但在那种优雅背后，是一个严格的控制框架，确保它从不越界。”

“由于其身体的柔顺性和能量吸收特性，软体机器人通常在设计上比刚体机器人更安全，”未参与该研究的密歇根大学助理教授Daniel Bruder说。“然而，随着软体机器人变得更快、更强、能力更强，仅凭这一点可能不足以确保安全。这项工作通过提供一种限制其整个身体接触力的方法，朝着确保软体机器人安全运行迈出了关键一步。”

该团队的工作得到了部分支持，资金来源于某奖学金项目、欧洲联盟的地平线欧洲计划、某文化基金科学奖学金以及某讲席教授职位。他们的工作于本月早些时候发表在电气与电子工程师协会的《机器人与自动化快报》上。