解迎剛，蘭江雨

北京信息科技大學(xué) 物聯(lián)網(wǎng)系，北京100101

工業(yè)機器人在工業(yè)生產(chǎn)領(lǐng)域中具有廣泛作用。但是隨著社會的發(fā)展，傳統(tǒng)的工業(yè)機器人已經(jīng)無法滿足人們對于安全協(xié)作和靈活部署的需求。人們希望機器人能夠處理更為復(fù)雜的任務(wù)，具有更加靈活和精準的性能[1]。協(xié)作機器人（collaborative robot）是機器人領(lǐng)域最熱門的研究方向之一[2-3]。相對于在圍欄中工作的傳統(tǒng)工業(yè)機器人，協(xié)作機器人更加輕便、安全、智能化，可以與人類近距離共同工作，在各類的場景中完成復(fù)雜的工作任務(wù)[4]。同時，協(xié)作機器人結(jié)構(gòu)簡單，價格相對便宜，更加適合中小型企業(yè)的需求。

但是，協(xié)作機器人在實際應(yīng)用中遇到了一系列問題[5]。首先，為了提高協(xié)作任務(wù)的效率，協(xié)作過程中要合理地分配協(xié)作任務(wù)，實現(xiàn)時間、資源等成本的最優(yōu)利用。其次，協(xié)作機器人應(yīng)用于各類生產(chǎn)、生活場景中，操作員通常對機器人的了解程度有限，需要更加簡單高效的人機交互方式。另外，協(xié)作機器人與人類近距離接觸，要保證協(xié)作過程中操作員與機器人的安全性。這三個問題對應(yīng)協(xié)作機器人核心的三個特點：高效、簡單和安全。

為了解決以上問題，近年來人們對協(xié)作機器人進行了廣泛的研究[6]。研究涉及硬件、軟件和算法三個方面，包括協(xié)作機器人的本體設(shè)計，適合人機協(xié)作的編程方法，滿足安全、效率等需求的人機協(xié)作方法，以及協(xié)作機器人運動規(guī)劃方法等。同時，中國科學(xué)院院士丁漢提出協(xié)作機器人最重要特征就是“共融”[7]，即人機之間高度共融，機器人將能夠理解人類的思維和動作，近年來的研究也圍繞協(xié)作機器人的共融性。

運動規(guī)劃（motion planning）是機器人學(xué)的核心問題之一[8]。運動規(guī)劃可以使機器人在工作空間中規(guī)劃出一條可行路徑，且運行過程中滿足運動學(xué)和動力學(xué)等約束條件。經(jīng)過多年發(fā)展，工業(yè)機器人運動規(guī)劃已經(jīng)較為成熟，在分揀[9]、焊接[10]、磨削[11]等領(lǐng)域應(yīng)用廣泛。但是，協(xié)作機器人通常工作在復(fù)雜環(huán)境中，面對動態(tài)障礙物（工作臺等）和動態(tài)障礙物（協(xié)作者等），需要適合的運動規(guī)劃方法，保證機器人順利完成任務(wù)。

本文圍繞上述問題，對近年來協(xié)作機器人、人機協(xié)作方法以及運動規(guī)劃方法的研究進行分類綜述。其中，第1 章介紹協(xié)作機器人的基本情況，包括主要產(chǎn)品、本體設(shè)計、應(yīng)用案例等。第2 章介紹人機協(xié)作方法，包括協(xié)作機器人編程方法、安全協(xié)作方法和高效協(xié)作方法等。第3章介紹協(xié)作機器人的運動規(guī)劃方法，包括路徑規(guī)劃方法和軌跡規(guī)劃方法。第4 章討論協(xié)作機器人研究當(dāng)下的不足和未來的發(fā)展方向。第5章為全文總結(jié)。

1 協(xié)作機器人介紹

1.1 主要產(chǎn)品

協(xié)作機器人是一種新型機器人，其特點在于可以與人類近距離協(xié)同工作，不需要設(shè)置圍欄[3]。協(xié)作機器人的外形與傳統(tǒng)工業(yè)機器人類似，多為6/7 自由度的串聯(lián)型機器人。不同之處在于，協(xié)作機器人體型較小，重量較輕，結(jié)構(gòu)相對簡單。其優(yōu)點在于部署靈活，操作簡單，缺點則是運行速度較慢，負載較小，通常在10 kg以下。

近年來國內(nèi)外的各大廠商開始陸續(xù)推出自己的協(xié)作機器人產(chǎn)品。國外的協(xié)作機器人廠商主要包括ABB、KUKA、FANUC、YASKAWA等老牌工業(yè)機器人公司，以及優(yōu)傲（Universal Robots，UR）等新興公司。表1 中整理了六款國外協(xié)作機器人的主要產(chǎn)品[12-18]，列出了其所屬公司和國家、發(fā)布年份、主要特征以及參考文獻。其中，UR 公司在2008 年推出的UR5[12]是全球第一款商用協(xié)作機器人，以模塊化、輕型、安全、人機交互與較高精度為特點，是目前業(yè)內(nèi)最受關(guān)注的協(xié)作機器人之一。

表1 國外協(xié)作機器人產(chǎn)品

國內(nèi)機器人市場上也涌現(xiàn)了大批協(xié)作機器人，其中既包括老牌機器人公司，也包括新興的創(chuàng)業(yè)公司，它們?yōu)閲a(chǎn)協(xié)作機器人陣營注入了嶄新的活力。國內(nèi)的協(xié)作機器人廠商主要有新松、遨博等公司。表2中列出了四款國產(chǎn)協(xié)作機器人主要產(chǎn)品[19-22]。

表2 國內(nèi)協(xié)作機器人產(chǎn)品

協(xié)作機器人相比傳統(tǒng)的工業(yè)機器人，有著價格低廉、智能化程度高、操作簡單、應(yīng)用場景豐富等優(yōu)勢。目前已經(jīng)有眾多協(xié)作機器人產(chǎn)品推出，相信未來會有更多協(xié)作機器人出現(xiàn)，應(yīng)用在各種工業(yè)生產(chǎn)、生活服務(wù)中。

1.2 本體設(shè)計

協(xié)作機器人的本體設(shè)計涉及機械、材料、電子等多個學(xué)科，是實現(xiàn)人機協(xié)作的關(guān)鍵點之一[6，23]。本節(jié)介紹協(xié)作機器人的本體設(shè)計，包括機器人構(gòu)型、柔順性結(jié)構(gòu)、多傳感器以及末端執(zhí)行器等。

1.2.1 構(gòu)型設(shè)計

構(gòu)型設(shè)計對機器人性能有重要影響。工業(yè)機器人大多設(shè)計為3～6自由度，因為工業(yè)場景中機器人工作環(huán)境固定，不需要考慮避障問題，并且低自由度的設(shè)計可以節(jié)省成本。但是，協(xié)作機器人的任務(wù)通常面對多種障礙物以及突發(fā)事件，需要較高的靈活性，所以大多設(shè)計成6/7 自由度[24]。這類自由度較高，具有冗余度的機器人稱為冗余機器人。冗余機器人的優(yōu)勢在于，當(dāng)其末端姿態(tài)保持不變時其他關(guān)節(jié)仍可以運動。因此，冗余機器人具有運動靈活性好、能夠克服關(guān)節(jié)極限、能在末端位姿不變的情況下完成避障的優(yōu)點，而且可以有效地避免非冗余機器人常出現(xiàn)的奇異構(gòu)型問題[25]。

另外，偏置的設(shè)計[26-27]也影響機器人性能。田勇等[28]對幾種協(xié)作機器人的構(gòu)型進行了對比分析，得到結(jié)論是偏置降低機器人的全局性能、工作空間體積性能，但能夠提高機器人的靈活工作空間性能，對于協(xié)作機器人而言能夠加強其協(xié)作能力。

1.2.2 柔性結(jié)構(gòu)設(shè)計

機器人的柔性結(jié)構(gòu)可以降低人機碰撞的危險[29]，目前主要存在兩種方式：（1）機器人連桿采用柔性材料；（2）采用柔性驅(qū)動器。其中前者稱為軟體機器人[30-31]，理論上具有無限的自由度，可以靈活進行避障，完成復(fù)雜任務(wù)。但由于運動學(xué)和動力學(xué)分析過于復(fù)雜，軟體機器人的精確控制難以實現(xiàn)[32]，所以軟體機器人目前不適用于工業(yè)生產(chǎn)。采用柔性驅(qū)動器是機器人柔順控制的主流做法，即將彈性材料引入驅(qū)動器中，達到在碰撞沖擊中保護自身的作用。常見的柔性驅(qū)動器有串聯(lián)彈性驅(qū)動器（SEA）[33]、并聯(lián)彈性驅(qū)動器（PEA）等[34]。例如SEA是在電機輸出軸和負載之間串聯(lián)加入彈簧等彈性結(jié)構(gòu)，張秀麗等[33]利用SEA設(shè)計了一款3自由度柔順機器人，可以實現(xiàn)人機柔順交互的功能，上文提到的Baxter機器人[13]也用到了這樣的柔順結(jié)構(gòu)設(shè)計。

1.2.3 多傳感器設(shè)計

機器人集成多種傳感器，以實時精確地感知自身和外部環(huán)境的變化，做出準確的應(yīng)對。協(xié)作機器人的傳感器分為接觸式和非接觸式。通常情況下，協(xié)作機器人利用非接觸式傳感器獲取工作空間的環(huán)境信息；在一些特定任務(wù)中（如裝配、醫(yī)療等），協(xié)作機器人利用接觸式傳感器完成人機協(xié)作。

非接觸式傳感器包括視覺傳感器（攝像頭）[35]、激光雷達[36]等。其中激光雷達的效果較好，掃描范圍較大，精度較高，但是成本高昂。視覺傳感器的成本較低，但是感知范圍、精度相對較差。目前機器人視覺的研究非常熱門，良好的算法設(shè)計可以彌補硬件性能的差距。針對人機協(xié)作應(yīng)用，研究者利用視覺傳感器獲取機器人周邊環(huán)境信息以及協(xié)作者的實時動作。桑海峰等[37]利用Kinect 相機獲取人體關(guān)節(jié)點，并提出快速動作識別算法，從而識別人類動作，完成人機交互功能。Tsuji 等[38]提出了在機器人末端安裝飛行時間（Time of Flight，ToF）傳感器，用于感知機器人與周邊物體的距離，保證人機安全。

接觸式傳感器包括觸覺傳感器[39]、扭矩/力傳感器[40]等，其中扭矩/力傳感器可以檢測外力的大小，在人機協(xié)作中較為常用。Ren等[40]利用扭矩傳感器進行碰撞檢測，以保證人機協(xié)作的安全。Maric 等[41]提出一種機器人打磨方法，利用配備了扭矩傳感器/力傳感器的機器人，檢測打磨工具與零件間的力和扭矩，完成復(fù)雜形狀的零件表面精細打磨。此外，為了節(jié)省成本，一些機器人采取無需附加扭矩傳感器的設(shè)計。Yen等[42]提出一種虛擬傳感器方法，利用機器人內(nèi)部的霍爾傳感器和電流傳感器估算出外力的大小，對重力、摩擦力等做補償，同樣可以用來進行人機協(xié)作，但是需要建立精確的動力學(xué)模型。

單一傳感器采集信息較少，且易收到干擾，多傳感器信息融合可以很好地增強機器人感知性能。柯顯信等[43]建立多傳感器系統(tǒng)進行機器人的定位，選用紅外傳感器、聲音傳感器和雙目視覺傳感器三種傳感器。其中雙目視覺在理想條件下的定位效果較好，紅外傳感器和聲音傳感器環(huán)境適應(yīng)能力強，彌補了光照、噪音等不利條件下的視覺定位困難問題。Lin等[44]建立一套多傳感器系統(tǒng)，通過體溫傳感器、血壓傳感器等監(jiān)測人體的健康情況，氣壓傳感器、視覺傳感器等監(jiān)測機器人狀態(tài)和周邊環(huán)境信息，實現(xiàn)機器人在醫(yī)療人機交互中的應(yīng)用。

1.2.4 末端執(zhí)行器設(shè)計

機器人的末端執(zhí)行器一般固定在機器人的末端位置，用來抓取、移動物體或?qū)崿F(xiàn)一些特定功能。末端執(zhí)行器大致可以分為夾持器和末端工具。針對協(xié)作機器人的特點，研究者對兩類末端執(zhí)行器均進行了研究與改進。

為了實現(xiàn)抓取等功能，機器人一般配有夾爪、真空吸盤等形狀的夾持器。Franchi 等[45]為Baxter 機器人設(shè)計了一款基于3D 打印的夾爪，優(yōu)勢在于輕便且成本較低。Birglen等[46]設(shè)計了一款自適應(yīng)的夾爪，可以自適應(yīng)地進行抓取，并且針對協(xié)作機器人的安全避碰功能進行了結(jié)構(gòu)優(yōu)化。

針對一些特殊應(yīng)用場景，研究者也根據(jù)需求設(shè)計了特定的機器人末端工具。Welleweerd 等[47]針對乳腺癌診斷應(yīng)用設(shè)計了一款末端工具，包括三維相機、探針支架、導(dǎo)針器以及探針等。這款末端工具固定在醫(yī)療協(xié)作機器人KUKA LBR Med的末端上，可以實現(xiàn)探測點的識別與自動化探測，幫助放射科醫(yī)生完成診斷。

1.2.5 機器人本體安全設(shè)計

利用柔性材料作為機器人連桿具有技術(shù)上的難度，目前研究人員提出在機器人連桿上附加安全設(shè)計，用來保證人機協(xié)作中的安全性。

Zeng等[48]提出在機器人的表面覆蓋一層泡沫罩，以減輕人機碰撞時的沖擊力。實驗證明，在受到意外碰撞時，該設(shè)計可以有效保護人類與機器人的安全。Weitschat等[49]提出了一種人機協(xié)作安全模塊，類似于汽車工業(yè)中的安全氣囊。與普通安全氣囊的不同之處在于它的可重復(fù)使用性，而且在機器人的每一個動作中，安全氣囊都是充氣的。

1.3 應(yīng)用案例

隨著工業(yè)4.0 的不斷推進，協(xié)作機器人越來越多進入工業(yè)生產(chǎn)中，在裝配[50-52]、分揀[53-54]等工業(yè)應(yīng)用中發(fā)揮重要作用。同時，因為協(xié)作機器人具有輕便、成本低、易部署的特點，在醫(yī)療[55]、服務(wù)[56]等非工業(yè)領(lǐng)域中也有一系列應(yīng)用。本文通過幾個案例，簡單介紹近年來協(xié)作機器人的應(yīng)用。

在裝配任務(wù)中，工人需要進行大量的重復(fù)性體力勞動，工作效率較低，并且有很多工人因為患上了職業(yè)?。ㄈ缂‰煅椎龋?。目前工業(yè)機器人已經(jīng)成功用于大量重復(fù)性裝配體力勞動，協(xié)作機器人可以進一步地解決以上問題。Realyvasquez等[52]中提出了一種裝配任務(wù)中的人機協(xié)作方案，包括設(shè)計人機協(xié)作工作臺，對協(xié)作機器人進行配置，進行協(xié)作機器人的可靠性測試，以及對操作人員進行操作培訓(xùn)。研究結(jié)果表明，該方案有效地將工人從職業(yè)病的風(fēng)險中解救出來，并提高了裝配效率。Michalos等[50]提出了一種人機協(xié)作的汽車裝配方法，采用手動引導(dǎo)技術(shù)和機器人安全控制功能。協(xié)作者利用可穿戴設(shè)備（如AR眼鏡和智能手表）對協(xié)作機器人進行控制。針對裝配中的任務(wù)分配問題，Malik 等[51]提出了一種基于技能（復(fù)雜度）的任務(wù)分配方法，根據(jù)任務(wù)的復(fù)雜度不同，合理地將任務(wù)分配給機器人和工人。

在貨物分揀任務(wù)中，協(xié)作機器人往往與移動機器人協(xié)同工作，自動化地解決分揀問題。D'Souza 等[53]提出了一種由自動導(dǎo)航車輛（AGV）、協(xié)作機器人、機械手以及攝像頭組成的機器人揀選系統(tǒng)的簡化模型。首先利用攝像頭識別貨物，然后利用協(xié)作機器人和機械手對貨物進行抓取，放置到AGV 上，最后AGV 在倉庫和其余工作站之間傳送貨物。Fager等[54]提出了一種人機協(xié)作的試劑盒制備方法，利用協(xié)作機器人從倉庫挑選試劑的成分進行制備，并利用AGV進行運輸。研究結(jié)果顯示，與純?nèi)斯さ姆绞綄Ρ?，人機協(xié)作的試劑盒制備方法效率更高。

除了工業(yè)生產(chǎn)，協(xié)作機器人在醫(yī)療，服務(wù)等場景中也廣泛應(yīng)用。在醫(yī)療方面，Su等[55]提出了一種人機協(xié)作的手術(shù)方法，外科醫(yī)生可以借助協(xié)作機器人更加精準高效地完成手術(shù)。此外，隨著人口老齡化的不斷加深，老年人護理問題愈發(fā)重要。Lyu等[56]提出了一種遠程機器人控制系統(tǒng)，利用協(xié)作機器人對老年人進行護理。該系統(tǒng)由一個雙臂協(xié)作機器人Yumi和可穿戴的運動捕捉系統(tǒng)組成，利用機器人遙操作技術(shù)，使護理人員可以遠程照顧行動不便的老人。

隨著人機協(xié)作方法和運動規(guī)劃方法的不斷進步，協(xié)作機器人更加安全、高效，可以完成更復(fù)雜的任務(wù)，在各個領(lǐng)域的應(yīng)用也會越來越廣泛。

2 人機協(xié)作方法

協(xié)作機器人最大的特點就是在近距離內(nèi)與人類協(xié)同工作。人機協(xié)作有三個關(guān)鍵因素：簡單、安全和高效。本章圍繞以上三個關(guān)鍵因素，將人機協(xié)作方法分為三方面，包括協(xié)作機器人編程方法、安全協(xié)作方法和高效協(xié)作方法，如圖1所示。

圖1 人機協(xié)作方法

2.1 協(xié)作機器人編程方法

工業(yè)機器人通常使用人工示教或離線編程。早期工業(yè)機器人的控制主要是利用示教器進行示教再現(xiàn)[57]。這種方法在一些簡單的任務(wù)中可以勝任，如點到點的搬運等。但是對于復(fù)雜的任務(wù)，示教編程無法滿足工業(yè)生產(chǎn)需求。為了解決該問題，20 世紀80 年代起機器人離線編程技術(shù)逐步發(fā)展[58]。離線編程借助計算機圖形學(xué)，在仿真環(huán)境中建立工作環(huán)境和機器人模型。由于離線編程可以對復(fù)雜曲線進行精準規(guī)劃，在汽車噴涂、裝配等領(lǐng)域應(yīng)用較廣。

但是上述兩種編程方式要求操作人員進行學(xué)習(xí)和適應(yīng)，對技術(shù)經(jīng)驗要求較高[59]，很多企業(yè)并沒有足夠多滿足上述要求的操作人員[51]。此外，以上兩種方法對于特定作業(yè)任務(wù)需要單獨進行編程。如果任務(wù)改變，重新編程需要耗費大量人力和時間[60]。這就需要開發(fā)出更加簡單、高效的協(xié)作機器人編程方法，以滿足企業(yè)的生產(chǎn)需求。本節(jié)介紹幾種目前研究較廣的協(xié)作機器人編程方式。

2.1.1 拖動示教

拖動示教又稱直接示教（direct teaching），即操作者通過拖動機器人進行示教編程。該方法簡單直觀，對操作人員的技術(shù)經(jīng)驗要求較低，很適合人機協(xié)作的需求。目前大部分的協(xié)作機器人產(chǎn)品都配備了這項技術(shù)。拖動示教可以分為功率級脫離示教和伺服級接通示教[61]。功率級脫離示教就是在示教過程中切斷機器人的電源，使各個關(guān)節(jié)電機處于無伺服狀態(tài)，操作員在示教時需要克服機器人的重力和摩擦力等。這種方法相對容易實現(xiàn)，但由于工業(yè)機器人一般重量較大，其關(guān)節(jié)執(zhí)行機構(gòu)摩擦力較大。此外，在擾動力的作用下，操作員很難將機器人定位到準確的示教點。因此，伺服級接通示教應(yīng)用更加廣泛。伺服級接通示教主要有兩種示教方法，一種是利用末端多維傳感器的位置控制，一種是建立機器人動力學(xué)模型進行力矩補償。

第一種方法利用機器人末端的多維傳感器獲取位置信息，牽引機器人末端在笛卡爾空間運動。這種方法不受機器人重力和摩擦力影響，并且實施簡單。該方法的缺點在于，多維傳感器增加了機器人的成本，降低了機器人的負載能力，并且只能在笛卡爾空間對機器人示教。Almusawi等[62]在機械臂末端安裝扭矩傳感器，測量力和扭矩的六個分量，通過人的直接引導(dǎo)和機器人響應(yīng)之間的瞬時匹配，將力和扭矩轉(zhuǎn)換到所需的位置/方向，實現(xiàn)了簡單化的拖動示教。楊浩等[63]利用機器人末端的力傳感器，實現(xiàn)了康復(fù)機器人的拖動示教，簡化了康復(fù)訓(xùn)練中對機器人編程的復(fù)雜過程。

第二種方法建立機器人的動力學(xué)模型進行力矩補償。在示教過程中，控制器實時算出機器人運動所需要的力矩，然后對其進行補償。這種方法可以節(jié)省多維傳感器的成本，并且可以在關(guān)節(jié)空間對機器人示教，所以目前應(yīng)用更為廣泛。Chen 等[64]提出了一種用于協(xié)作機器人的零力控制拖動示教方法，利用霍爾傳感器檢測電流信號實時對力矩進行補償。Yuan 等[65]使用機械臂各關(guān)節(jié)電流傳感器的值計算出所需扭矩，抵消預(yù)先校準的重力和摩擦阻力。Gao等[66]針對溫度、速度和負載三個變量對關(guān)節(jié)摩擦的模型展開研究，利用建立的綜合摩擦模型完成了拖動示教過程中的力矩補償。

2.1.2 基于演示學(xué)習(xí)的編程

基于演示學(xué)習(xí)（Learning from Demonstration，LfD）的編程是目前機器人學(xué)的重要研究方向。該方法結(jié)合了學(xué)習(xí)的思想，簡單直觀的同時具有泛化能力[67]，尤其適合協(xié)作機器人的編程需求。與傳統(tǒng)示教方法相比，該方法不是對示教動作的簡單重復(fù)，而是從示教動作中提取信息、形成運動模型，最終可以在多種場景中廣泛應(yīng)用。該方法可以分為基于運動的演示學(xué)習(xí)和基于任務(wù)的演示學(xué)習(xí)，前者根據(jù)機器人的示教軌跡進行學(xué)習(xí)，一般可以應(yīng)用在簡單任務(wù)中；后者根據(jù)任務(wù)語義進行學(xué)習(xí)，主要用來完成復(fù)雜任務(wù)。這兩種學(xué)習(xí)方法之間的界限并不具體，具有依賴的關(guān)系[68]。

基于運動的演示學(xué)習(xí)需要獲取機器人的運動軌跡信息和交互力信息，根據(jù)提取到的有效信息建立運動模型[67]。軌跡信息的獲取可以通過攝像機等外部傳感器。李建良等[69]提出了一種演示學(xué)習(xí)的編程方法，利用攝像機對人類的抓取行為拍攝視頻，然后特征提取得到了軌跡信息，通過演示學(xué)習(xí)的方式使機器人完成了相同的抓取。此外，機器人本體的軌跡數(shù)據(jù)也可以作為演示數(shù)據(jù)，比如上文提到的拖動示教方法。Najafi 等[70]利用勢場函數(shù)和速度控制器記錄醫(yī)師的交互力信息，使機器人在治療過程中可以給患者提供同樣的交互力。

基于任務(wù)的演示學(xué)習(xí)主要針對具體應(yīng)用任務(wù)，是一系列機器人運動的組合。Malekzadeh 等[71]提出了一種低層控制到高層運動規(guī)劃的架構(gòu)，對軟體機器人末端執(zhí)行器的位置和方向進行記錄，完成了蘋果摘取的任務(wù)。Hwang等[72]提出了一種基于視覺的演示學(xué)習(xí)編程系統(tǒng)，使用兩個攝像頭進行目標檢測和多動作識別，根據(jù)學(xué)習(xí)到的動作序列，讓機器人完成倒咖啡的任務(wù)。在人機協(xié)作過程中，演示學(xué)習(xí)也能起到重要作用。Wang 等[73]提出了一個用于協(xié)作機器人的教-學(xué)-協(xié)作（TLC）模型，可以從人類操作員的演示中學(xué)習(xí)。協(xié)作過程中如果出現(xiàn)任務(wù)的變更，機器人也可以通過演示學(xué)習(xí)自行更新任務(wù)信息，協(xié)助操作員完成工作任務(wù)。

2.1.3 其他編程方法

為了實現(xiàn)簡單高效的人機協(xié)作，人們嘗試利用多種方式簡化機器人的編程過程。例如，通過對視覺或聲音的識別，機器人可以實時完成人類的操作命令；通過VR/AR 的方法，人類可以在實景中直觀地對機器人的編程；甚至通過腦機接口，人類可以免去手動編程，直接用意念控制機器人。但是目前，這些方法多數(shù)尚在研究中，沒有實際的工業(yè)應(yīng)用。

利用三維攝像機識別人類的身份及動作，可以有效地進行人機交互。Makrini等[74]提出了一種基于視覺識別的人機協(xié)作系統(tǒng)，利用Kinect相機對操作員進行人臉識別，手勢識別以及行為識別。其中人臉識別用以確定操作員的身份；手勢識別用以操作員實時對機器人下達命令；行為識別可以識別操作員的幾種動作，如點頭、搖頭等，作為人機協(xié)作中的反饋信息，以實時調(diào)整協(xié)作任務(wù)。

虛擬現(xiàn)實/增強現(xiàn)實（VR/AR）技術(shù)可以直觀顯示人機協(xié)作操作過程，極大降低了操作者的編程難度。Chacko等[75]提出了一種AR 交互的人機協(xié)作方法，用于完成分揀任務(wù)?？梢允共僮鲉T可視化地控制機器人姿態(tài)和使用虛擬AR元素，從而降低了對于不同任務(wù)的機器人編程工作量。Hietanen 等[76]提出了用于安全HRC 的交互式AR 用戶界面，并且對比了投影鏡（Projector-Mirror）和可穿戴AR設(shè)備（HoloLens）兩種方法。在一個實際的柴油機裝配任務(wù)中進行實際試驗，結(jié)論為基于HoloLens的AR技術(shù)還不適合工業(yè)制造，而投影鏡方法更為適合。腦機接口（Brain-Computer Interface，BCI）是近年來的熱門研究方向，研究人員嘗試將其與協(xié)作機器人結(jié)合。Li等[77]提出了一種基于腦機接口的人機協(xié)作系統(tǒng)，用于缺陷零件的分揀。該系統(tǒng)與BCI、視覺模塊和機器人驅(qū)動器集成，使操作人員可以將決策直接從大腦發(fā)送給機器人。但是該方法較為復(fù)雜，并且在工業(yè)生產(chǎn)中的應(yīng)用有限制，需要進一步進行研究。

2.2 安全協(xié)作方法

上一節(jié)介紹了協(xié)作機器人的各類編程方法，通過上述方法可以簡單高效地操作機器人完成協(xié)作任務(wù)。此外，在人機協(xié)作過程中，由于機器人與人類近距離接觸，安全性是首位需要考慮的。文獻[6]中提到，安全策略可以考慮三個步驟：（1）與內(nèi)在安全相關(guān)的步驟；（2）可以防止碰撞的步驟（碰撞前）；（3）在發(fā)生碰撞時的步驟（碰撞后）。綜合目前對于人機協(xié)作安全的研究，本節(jié)從人機協(xié)作安全準則、碰撞避免方法、碰撞處理方法三個方面，介紹人機協(xié)作中的安全協(xié)作方法。

2.2.1 人機協(xié)作安全準則

實現(xiàn)機器人的安全協(xié)作，首先需要制定一系列安全準則。國際標準化組織（International Organization for Standardization，ISO）在2011 年發(fā)布了工業(yè)機器人安全標準ISO 10218：2011，標準文件分為ISO 10218-1[78]和ISO 10218-2[79]，前者規(guī)定了機器人本體設(shè)計和制造中的安全標準，后者規(guī)定了機器人系統(tǒng)集成、安裝、功能測試、編程、維護和修理等標準[80]，該標準可以全面地對工業(yè)機器人的使用安全進行規(guī)范。但是協(xié)作機器人對人機協(xié)作的要求更高，不能簡單地沿用工業(yè)機器人安全標準。所以在2016年，ISO組織針對ISO 10218進行了補充，并發(fā)布了協(xié)作機器人安全技術(shù)規(guī)范ISO/TS 15066：2016[81]。

重要的是，在ISO/TS 15066 中定義了四種的安全協(xié)作準則，包括安全級監(jiān)控停止、手動引導(dǎo)、速度和距離監(jiān)控、功率和力限制，如圖2 所示。其中：（1）安全級監(jiān)控停止，當(dāng)操作員進入?yún)f(xié)作范圍內(nèi)機器人停止工作；（2）手動引導(dǎo)，只有操作員直接對機器人手動引導(dǎo)操作，機器人才能進行工作；（3）速度和距離監(jiān)控，保持操作員與機器人的安全距離，當(dāng)距離小于定值時機器人停止工作；（4）功率和力限制，當(dāng)操作員與機器人發(fā)生必要/非必要接觸時，保持機器人功率與力的限度，突破上限則停止工作。

圖2 安全協(xié)作準則

這四種協(xié)作準則可以用做人機協(xié)作應(yīng)用中的安全標準，文獻[80]中其進行了詳細解讀，并由此提出了人機協(xié)作安全的一般性指導(dǎo)原則。此外，Chemweno 等[82]對ISO/TS 15066 中的安全標準進行了探討，針對危險分析和風(fēng)險評估提出了協(xié)作機器人安全的保障措施。

2.2.2 碰撞避免方法

通過非接觸式傳感器進行環(huán)境感知以避免不必要的碰撞，稱為機器人碰撞避免，或事前控制。這類方法的目的是在機器人發(fā)生意外碰撞前采取相應(yīng)的安全措施來避免碰撞發(fā)生。根據(jù)上節(jié)描述的協(xié)作準則，如果有操作員出現(xiàn)在工作空間，可以通過預(yù)先設(shè)定的安全策略對機器人進行調(diào)整，如圖3所示。

圖3 機器人主動碰撞避免方法

目前針對速度和距離監(jiān)控的研究較多，實際應(yīng)用也較為普遍。Byner 等[83]對速度監(jiān)控進行研究，提出了求解機器人極限速度的方法。在協(xié)作機器人照料的應(yīng)用中將該方法與傳統(tǒng)的設(shè)置圍欄的方法進行對比，證明了該方法可以提升任務(wù)效率。Flacco等[84]提出了距離監(jiān)控的方法。他們利用Kinect 深度相機獲取機器人工作空間的深度信息，由此計算出機器人與工作空間動態(tài)障礙物之間的距離，并為末端執(zhí)行器和機器人的其他控制點分別設(shè)計了不同的排斥力，得到平滑可行的關(guān)節(jié)速度指令，從而避開障礙物。王政偉等[85]同樣針對距離監(jiān)控進行研究，提出了一種人機距離模型構(gòu)建方法和人機最小距離迭代算法，實現(xiàn)了動態(tài)的人機協(xié)作距離監(jiān)控。

此外，人類操作員的行動通常遵循某種特定模式[86]，所以碰撞避免的另一個思路是對操作員進行實時檢測，并建立運動模型預(yù)測其下一步行為，以避免潛在的碰撞出現(xiàn)。同時，這種行為預(yù)測方法可以加強人機協(xié)作的效率。Callens 等[87]提出了一個識別和預(yù)測正在進行的人體運動的框架。由這個框架生成的預(yù)測可用于機器人設(shè)備的控制器，使人類和機器人協(xié)作者之間產(chǎn)生直觀和可預(yù)測的交互。經(jīng)過測試，該框架具有良好的識別和預(yù)測效果，但是只能預(yù)測一定時間內(nèi)的運動，不能預(yù)測完整的運動過程。陳友東等[88]提出了一種基于LSTM網(wǎng)絡(luò)的動作終點預(yù)測方法，通過采集少量人的動作數(shù)據(jù)訓(xùn)練出模型，可以實現(xiàn)對于裝配任務(wù)中抓取動作的預(yù)測，達到安全避碰等效果。

2.2.3 碰撞處理方法

在人機協(xié)作應(yīng)用中，碰撞避免不足以解決全部問題，一些必要的碰撞不可避免。在發(fā)生碰撞后，超過一定閾值的力，以及機器人的特殊姿態(tài)都可能導(dǎo)致人類的受傷甚至死亡。如何在必要/意外碰撞中保證人類的安全成為了研究熱點，可以從以下幾個方面考慮。首先，機器人本體的柔性設(shè)計可以減緩沖擊的能量，協(xié)作機器人本體大多采用這種柔性設(shè)計，本文的2.2.2 小節(jié)對此進行了介紹。其次，機器人本體的多傳感器設(shè)計可以對外力進行檢測，本小節(jié)對此進行介紹。最后，利用碰撞處理方法可以減少碰撞后的沖擊/傷害，保障人類安全。碰撞處理方法包括碰撞的檢測與識別，機器人柔順控制等。

機器人碰撞的檢測與識別，即識別碰撞力的大小方向、碰撞的意圖等。Ren 等[40]提出了一種基于本體感受傳感器（編碼器和扭矩傳感器）的碰撞檢測方法，可以對碰撞力進行檢測，包括力信號的大小和方向信息。Heo等[89]提出了一個基于深度學(xué)習(xí)的碰撞檢測框架（Collision-Net），利用深度神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)機器人的碰撞信號和識別任何發(fā)生的碰撞，具有較強的檢測性能和泛化能力。Kouris 等[90]提出了一種基于機器人本體感受傳感器的方法，測量的外力譜導(dǎo)數(shù)來識別接觸點，在人機協(xié)作過程中可以區(qū)分有意接觸和意外碰撞。

此外，為了建立人類對于接觸力和壓力承受的安全標準，Park 等[91]將人的疼痛耐受力作為標準，測定了90名男性15 個身體部位的疼痛閾值，為協(xié)作機器人的施力上限做了參考。文獻[92-93]對于大量碰撞數(shù)據(jù)進行分析，將碰撞造成的傷害嚴重程度作為標準，分析了不同機器人造成的傷害，得到了機器人碰撞損傷的安全標準。同時，ISO/TS 15066中對此也有相關(guān)規(guī)定，可以參考。

在完成了碰撞力的識別后，需要精確地對機器人力矩進行控制，以滿足上述安全標準。機器人的主動柔順控制方法可以實現(xiàn)這個需求，包括阻抗控制[94]、力/位混合控制[95]以及結(jié)合神經(jīng)網(wǎng)絡(luò)的智能控制方法[96]等。Ernesto等[97]提出一種自適應(yīng)非傳統(tǒng)滑膜阻抗控制方法，利用力矩傳感器實時檢測碰撞力矩，實現(xiàn)了人機協(xié)作的拋光、打磨任務(wù)。Li等[98]提出一種神經(jīng)網(wǎng)絡(luò)阻抗控制方法，根據(jù)傳感器獲取的力位信息估計人類運動意圖，并使機器人配合人類完成協(xié)作應(yīng)用。不同應(yīng)用有不同的安全標準，針對具體應(yīng)用，需要根據(jù)實際情況設(shè)計其控制方案。

2.3 高效協(xié)作方法

在確保了協(xié)作安全的前提下，最重要的是提高人機協(xié)作的效率。如文獻[99]中所述，人機協(xié)作任務(wù)的最大挑戰(zhàn)在于兩個方面：人與機器人的協(xié)作方式；有效的任務(wù)調(diào)度和分配策略。本節(jié)針對人機協(xié)作的效率問題展開討論，重點介紹協(xié)作任務(wù)的分配方法。此外，協(xié)作任務(wù)中人類操作員會面臨一系列心理問題，本節(jié)對此進行介紹。

2.3.1 協(xié)作任務(wù)分配方法

早期的人機協(xié)作任務(wù)分配主要依靠操作員的直覺，沒有合理的任務(wù)分配方法。為了提高效率，研究人員提出了一系列協(xié)作任務(wù)分配方法。本節(jié)將這些任務(wù)分配方法主要分為兩類：一類是基于任務(wù)進行分配；另一類是基于操作員與機器人進行分配。

第一類方法通?；谌蝿?wù)的復(fù)雜度、時間成本等指標，對協(xié)作任務(wù)進行分配。Chen等[99]提出了一種基于遺傳算法的動態(tài)優(yōu)先級任務(wù)調(diào)度算法，將裝配時間和支付成本實現(xiàn)最小化，實現(xiàn)了人與機器人間的順序和并行任務(wù)分配。Malik 等[100]提出了一種動態(tài)任務(wù)分配框架，對每個任務(wù)的自動化潛力做評分，包括循環(huán)時間、適應(yīng)性和安全性等，然后根據(jù)評分將這些任務(wù)分配給人類或機器人，從而平衡工作負載。Mateus等[101]提出了一種裝配任務(wù)的優(yōu)先級識別算法，通過識別裝配任務(wù)中每個子任務(wù)的優(yōu)先級，實現(xiàn)不受線性序列阻礙的并行任務(wù)，并將其分配給了操作員和機器人。

第二類方法基于機器人及操作員的實際情況進行任務(wù)分配。Ranz等[102]提出了一種結(jié)合人與機器人實際能力來確定任務(wù)分配的方法，將能力與特定任務(wù)的給定需求進行匹配。首先對一些必須自動化的任務(wù)（人類無法完成）進行分配，剩余任務(wù)根據(jù)人類能力進行量化評分，合理分配。Smith 等[103]提出了一個人機協(xié)作任務(wù)分配框架，通過量化系統(tǒng)中每個元素的能力和性能，進行有效的評估。為了合理地對人類能力進行量化，他們提出了一個成本函數(shù)，基于任務(wù)時間和工人疲勞度進行計算。Lamon 等[104]對裝配過程中任務(wù)分配問題進行研究，綜合考慮了任務(wù)復(fù)雜度、靈巧度和努力度三個指標，來評價人類和機器人的任務(wù)表現(xiàn)，并且加權(quán)將三種指標進行組合，利用一個啟發(fā)式搜索算法將任務(wù)進行最優(yōu)分配。

2.3.2 協(xié)作心理問題

人機協(xié)作可以提高任務(wù)效率，但是在協(xié)作過程中通常會給操作員帶來心理壓力。這種壓力來源于操作員需要與機器人共存，并且共同完成工作[105]。合理的協(xié)作方法可以減輕協(xié)作任務(wù)中操作員的不適感，加強人類與協(xié)作機器人之間的合作關(guān)系，保證操作員的身心健康及協(xié)作任務(wù)的順利完成。

人機協(xié)作過程中，機器人的運動會對操作員造成心理壓迫。問題在于如何減輕這種心理壓迫，并且不影響協(xié)作任務(wù)的效率。Arai 等[105]提出了一種保證操作員心理安全的協(xié)作標準，包括距離應(yīng)大于2.0 m，移動速度應(yīng)小于500 mm/s，在機器人運動前通知操作員等。Rojas等[106]針對這個問題提出了一種軌跡規(guī)劃方法。他們根據(jù)人類操作員的心理承受能力，設(shè)計了沖擊（jerk）最小化的軌跡，并在裝配任務(wù)中完成了驗證。

此外，協(xié)作機器人加入情感感知和反饋功能，可以提高協(xié)作的效果。Shayganfar 等[107]對人機協(xié)作過程中人類的情感意識展開研究，他們設(shè)計了一個桌面的協(xié)作環(huán)境，操作員和機器人一起安裝太陽能電池板。協(xié)作過程中，機器人感知操作員的情感并給予反饋（語音和表情符號）。結(jié)果表明，加入了情感感知的人機協(xié)作效果更好，人類喜歡與具有情感感知的機器人合作。

目前關(guān)于協(xié)作心理問題的研究尚且較少，隨著人機協(xié)作的廣泛應(yīng)用，這類問題應(yīng)引起更多的重視。

3 協(xié)作機器人運動規(guī)劃方法

機器人運動規(guī)劃的目的是構(gòu)建出一條從機器人初始位姿到目標位姿的無障礙軌跡，通常分為路徑規(guī)劃和軌跡規(guī)劃兩部分。路徑規(guī)劃[108]根據(jù)工作空間的環(huán)境信息，構(gòu)建一條無障礙的機器人路徑，包含了機器人各關(guān)節(jié)的位置信息；軌跡規(guī)劃[109]建立機器人各關(guān)節(jié)的時間-軌跡序列，滿足運動學(xué)和動力學(xué)約束條件。

對于協(xié)作機器人而言，合適的運動規(guī)劃方法尤為重要。首先，協(xié)作機器人需要在非結(jié)構(gòu)化環(huán)境中執(zhí)行任務(wù)，運行中避開各類動態(tài)/靜態(tài)障礙物。其次協(xié)作任務(wù)通常復(fù)雜多變，不像工業(yè)機器人一樣具有軌跡可重復(fù)性。最后，協(xié)作機器人的自由度通常較高，難以利用常規(guī)算法進行規(guī)劃。所以協(xié)作機器人的運動規(guī)劃具有較高的研究價值，是目前的研究熱點之一。

3.1 路徑規(guī)劃方法

路徑規(guī)劃的定義即為從起始點到目標點選擇一條路徑，使得機器人能夠安全、快速到達目標點，保證機器人不與障礙物發(fā)生碰撞[110]。機械臂的路徑規(guī)劃是從初始位姿到目標位姿的離散規(guī)劃，不考慮機械臂位姿參數(shù)隨時間變化的因素。協(xié)作機器人通常具有6/7 自由度，需要在高維空間進行路徑規(guī)劃，并且協(xié)作環(huán)境內(nèi)有靜態(tài)和動態(tài)的障礙物，對算法的實時性要求高，所以一些傳統(tǒng)的路徑規(guī)劃方法并不適用。本節(jié)介紹三種主流的路徑規(guī)劃方法，并針對協(xié)作機器人的特點，介紹適用于協(xié)作機器人的路徑規(guī)劃方法。

3.1.1 基于圖搜索的路徑規(guī)劃

基于圖搜索的路徑規(guī)劃方法，首先需要建立環(huán)境地圖，根據(jù)地圖信息構(gòu)建從起點到終點的最優(yōu)路徑。環(huán)境地圖的構(gòu)建方法主要有可視圖法[111]和柵格法[112]等，其中柵格法應(yīng)用較為廣泛。在已知環(huán)境信息后，可以采用搜索算法尋找最優(yōu)路徑，常用的算法有A*和D*算法。

A*算法是一種啟發(fā)式搜索算法，其思路為在Dijkstra 算法中加入估值函數(shù)，適用于靜態(tài)環(huán)境中的路徑規(guī)劃。宗成星等[113]提出了一種基于A*算法的機械臂路徑規(guī)劃方法，并用二次B 樣條曲線對路徑點進行插值，得到了平滑的機器人軌跡。D*算法根據(jù)A*改進，從目標點開始搜索，直到搜索到機器人當(dāng)前位置。該算法可以用于動態(tài)環(huán)境中的移動機器人和機械臂路徑規(guī)劃。Chen 等[114]提出了一種基于D*算法的動態(tài)路徑規(guī)劃方法，利用實時避障策略，根據(jù)動態(tài)障礙物的位置調(diào)整路徑節(jié)點，實現(xiàn)了機械臂的實時避障。

但是協(xié)作機器人的維數(shù)較高，環(huán)境復(fù)雜多變，難以建立環(huán)境模型。這類圖搜索算法需要精確的環(huán)境模型，并且對于高維空間的路徑規(guī)劃耗時較長，對于協(xié)作機器人并不適用。

3.1.2 基于采樣的路徑規(guī)劃

基于采樣的路徑規(guī)劃是目前多自由度機器人路徑規(guī)劃的常用方法，主要有概率路圖（Probabilistic Roadmaps，PRM）算法和快速擴展隨機樹（Rapidly-exploring Random Trees，RRT）算法等。

PRM算法是一種多次查詢（multi-query）算法，分為學(xué)習(xí)和查詢兩個階段[115]。學(xué)習(xí)階段構(gòu)建路徑圖，首先在地圖中進行隨機采樣，然后連接各點，形成無向網(wǎng)絡(luò)路徑圖；查詢階段搜索最優(yōu)路徑，首先將初始節(jié)點和目標節(jié)點與路徑圖相連，然后利用A*等算法尋找最優(yōu)路徑。該方法不用事先建立精確的障礙物模型，適合高維空間的機器人規(guī)劃。但是PRM 算法的問題在于，搜索到的路徑并不是最優(yōu)路徑，需要進行路徑優(yōu)化。Janson等[116]針對這個問題提出一種思路，用確定性采樣序列代替隨機采樣序列，實現(xiàn)了PRM算法的漸進最優(yōu)，并將這個思路拓展到其他采樣算法。在實際應(yīng)用中，鄒宇星等[117]提出了一種基于快速構(gòu)型空間創(chuàng)建的改進PRM算法，在采摘機器人上進行了實驗，取得了良好的效果，但是這種方法在高維空間進行規(guī)劃時較為復(fù)雜。文獻[118]提出了一種基于PRM 算法的實時路徑規(guī)劃方法，在碼垛任務(wù)中實現(xiàn)了高效的機器人運動規(guī)劃。

RRT 算法是一種單查詢（single-query）算法，相比PRM算法節(jié)省了前期的路徑圖構(gòu)建。RRT算法的基本原理是從起點構(gòu)建一顆搜索樹，在空間中進行隨機取點，搜索樹向樣本點方向擴散，直到樹中的葉子節(jié)點擴散到目標點附近，完成搜索過程，并返回該節(jié)點到根節(jié)點的路徑連線。該方法具有環(huán)境建模簡單、搜索能力強、能夠添加多種約束等優(yōu)點，非常適合于協(xié)作機器人在動態(tài)高維空間中的路徑規(guī)劃。

但是基本RRT算法存在節(jié)點利用率低，路徑不穩(wěn)定等缺點[119]，研究人員提出了多種改進算法。本文選取幾種有代表性的改進算法進行總結(jié)。根據(jù)適用場景不同，可以分為全局路徑規(guī)劃算法和動態(tài)路徑規(guī)劃算法，如表3所示[120-128]。

表3 RRT改進算法總結(jié)

對于RRT算法在機器人上的實際應(yīng)用，研究者通?；谝陨蠋追N算法進行改進。劉建宇等[129]提出了一種基于RRT*-connect的改進算法，利用目標偏置策略加快算法收斂速度，以及梯度下降法優(yōu)化路徑平滑度，在協(xié)作機器人UR5 上進行了驗證。Cao 等[130]提出了一種荔枝采摘機器人的運動規(guī)劃方法，引入目標重力的思想加快算法收斂速度，并利用遺傳算法和平滑算法對路徑進行優(yōu)化。但是以上兩種方法耗時較長，無法做到實時路徑規(guī)劃。Wei 等[131]針對人機協(xié)作中機器人在動態(tài)非結(jié)構(gòu)環(huán)境的運動規(guī)劃問題，提出了一種改進RRT算法，利用目標定向節(jié)點擴展方法加快算法的采樣速度，提高了協(xié)作機器人的路徑規(guī)劃效率。

3.1.3 基于人工勢場的路徑規(guī)劃

人工勢場法是Khatib[132]提出的一種機器人路徑規(guī)劃方法，其基本思想是在機器人工作環(huán)境中設(shè)定一個虛擬力場，目標點處勢能低，障礙物處勢能高。利用勢差生成吸引力和排斥力，驅(qū)使機器人向目標點運動，遠離障礙物。這種方法的優(yōu)點在于無需對全局路徑進行規(guī)劃，且規(guī)劃時間較短，適合實時性任務(wù)。缺點在于容易陷入局部極小點，存在目標不可達問題，且在狹窄區(qū)域容易發(fā)生路徑抖動等。

對于協(xié)作機器人而言，人工勢場法可以保證任務(wù)中的實時避障，但是需要針對其缺點進行改進。謝龍等[133]提出了一種改進人工勢場法的路徑規(guī)劃方法。對機器人末端執(zhí)行器建立吸引力，對機械臂與障礙物的最近點出建立排斥力，根據(jù)動力學(xué)定律分別產(chǎn)生吸引速度和排斥速度，實現(xiàn)動態(tài)避障。針對局部最小值問題，采用添加虛擬點的方法跳出局部極小值。

3.2 軌跡規(guī)劃方法

軌跡規(guī)劃指對機器人的各關(guān)節(jié)和末端執(zhí)行器建立時間-軌跡序列，生成控制系統(tǒng)的參考輸入[134]。機器人軌跡規(guī)劃可以分為兩種：一種是笛卡爾空間（Cartesian Space）軌跡規(guī)劃，首先對末端執(zhí)行器的空間軌跡進行規(guī)劃，在每個插補點做運動學(xué)逆解，計算對應(yīng)的關(guān)節(jié)值；另外一種是關(guān)節(jié)空間（Joint Space）軌跡規(guī)劃，根據(jù)機器人首末位姿的關(guān)節(jié)值，對各關(guān)節(jié)分別規(guī)劃軌跡曲線。一般來說，點到點（PTP）的軌跡，如搬運、碼垛等應(yīng)用，使用關(guān)節(jié)空間軌跡規(guī)劃較為方便；需要規(guī)劃一條連續(xù)軌跡，如焊接、噴涂等應(yīng)用，則使用笛卡爾空間軌跡規(guī)劃。

機器人通常先利用函數(shù)曲線對插值點進行擬合，得到時間-軌跡序列，包括軌跡位置、速度、加速度等信息。完成軌跡插值后，在機器人本身運動學(xué)性能的約束下，針對各類約束條件做軌跡優(yōu)化[135]，根據(jù)實際任務(wù)情況選擇不同的優(yōu)化方案。本節(jié)從軌跡插值和軌跡優(yōu)化兩個步驟介紹機器人軌跡規(guī)劃。

3.2.1 規(guī)劃插值

常見的軌跡規(guī)劃方法一般分為直線規(guī)劃、圓弧規(guī)劃、多項式曲線規(guī)劃以及樣條曲線規(guī)劃等。早期研究者提出了三次和五次多項式插值法[136]對工業(yè)機器人進行軌跡插值。該方法計算量小，但是容易出現(xiàn)失真現(xiàn)象，在精度要求不高的機器人應(yīng)用中較為常用。

隨著硬件計算能力的增強，研究者開始使用樣條曲線對機器人做規(guī)劃，樣條曲線在平滑性上則比多項式更加優(yōu)秀，但計算量則大大增加。Alessandro等[137]提出三次樣條曲線的軌跡規(guī)劃方法。這種算法約束較少，運算速度快，但是加速度曲線有抖動，導(dǎo)致機器人磨損較大。為了進一步提高軌跡規(guī)劃的精度和穩(wěn)定性，研究者提出B樣條（B-Splines）曲線插值。Kong等[138]利用三次B 樣條進行軌跡插值，得到的軌跡曲線較為平滑，但是無法自行指定始末加速度和沖擊。Li 等[139]利用五次B樣條對機器人進行軌跡插值，得到了高階連續(xù)的運動軌跡。

為了對比幾種常用的樣條函數(shù)插值效果，Lan 等[20]利用三次樣條、五次B 樣條、七次B 樣條對同一組軌跡點進行插值，得到了三組軌跡序列，并對三組軌跡的沖擊（Jerk，加加速度）曲線進行對比。沖擊值可以反映機器人力矩變化的快慢。圖4 為不同樣條函數(shù)的沖擊（Jerk）曲線對比，其中橫坐標為時間，縱坐標為樣條函數(shù)的沖擊值。由圖可以看出，三次樣條的沖擊曲線不連續(xù)，五次B 樣條的沖擊曲線不平滑，且始末位置不為0；而七次B樣條曲線較為平滑，且始末位置都為0，防止了力矩的突變。

圖4 不同樣條函數(shù)的沖擊Jerk曲線對比

本文對各類機器人軌跡插值算法的優(yōu)缺點和適用場景進行對比，如表4所示。

表4 機器人軌跡插值算法總結(jié)

3.2.2 軌跡優(yōu)化

經(jīng)過軌跡插值后，得到了一條機器人的運動軌跡，包含位置、速度、加速度等信息。但是通常得到的軌跡并不符合預(yù)期，需要進一步進行軌跡優(yōu)化。對于協(xié)作機器人而言，高效和平穩(wěn)的軌跡可以減少異常情況發(fā)生的可能，對協(xié)作者的安全有很好的保障。同時，良好的軌跡可以很好地保護機器人的減速器、電機等部件，有利于延長使用壽命。所以，在滿足運動學(xué)及動力學(xué)約束的前提下，通常利用軌跡優(yōu)化算法對軌跡優(yōu)化。

機器人軌跡優(yōu)化的主要優(yōu)化方向包括時間、能耗和平滑性等[140]。其中，時間目標指機器人完成相同路徑所用時間最短。Xidias 等[141]提出了一種基于多種群遺傳算法的時間最優(yōu)軌跡規(guī)劃方法，在超冗余機器人上實驗，考慮三維空間中的復(fù)雜障礙物環(huán)境以及運動學(xué)約束，得到時間最優(yōu)的機器人軌跡。能量目標指機器人完成相同路徑消耗最少的能量。Luo 等[142]提出了一種拉格朗日插值法和迭代法的方法，進行工業(yè)機器人的能量最優(yōu)軌跡規(guī)劃。該方法為數(shù)值法，計算簡單，在實際應(yīng)用中可以保證機器人的平穩(wěn)運行。平滑性目標指機器人完成相同路徑最為平滑。Lin等[143]提出一種基于k均值聚類的粒子群算法，求解最小沖擊軌跡，得到平滑的機器人軌跡曲線并在六自由度機器人上進行了實驗，但是該算法收斂速度較慢。

但是，以上的單目標軌跡優(yōu)化難以滿足復(fù)雜情況的應(yīng)用需求，越來越多的研究者開始關(guān)注多目標軌跡優(yōu)化。傳統(tǒng)方法是將多目標問題轉(zhuǎn)換為單目標問題，再用單目標優(yōu)化方法進行優(yōu)化。Gasparetto 等[144]將時間-沖擊目標加權(quán)轉(zhuǎn)化為單目標，利用序列二次規(guī)劃法進行軌跡優(yōu)化。這種方法的問題是難以合理分配權(quán)值，解的多樣性不足，同時可能陷入局部最優(yōu)解。

對于上述問題，多目標優(yōu)化算法是一種有效處理方法。多目標優(yōu)化算法可以對多個目標同時進行優(yōu)化，得到一組Pareto最優(yōu)解集，再根據(jù)具體的情況選擇合適的解。Shi 等[145]利用NSGAII 算法得到了一組Pareto 最優(yōu)解，并選取了合適的解作為機器人軌跡。Lan 等[20]提出了一種改進的多目標粒子群算法，針對時間、能耗和平滑性三個指標同時進行優(yōu)化，得到了一組Pareto最優(yōu)解集，并提出了一種權(quán)值選擇方法，可以根據(jù)實際情況選擇滿足應(yīng)用需要的軌跡，但是算法的收斂需要一定時間。

4 協(xié)作機器人發(fā)展方向

經(jīng)過近年來的研究與發(fā)展，協(xié)作機器人已經(jīng)在各類場景中應(yīng)用愈發(fā)廣泛，人機協(xié)作方法和運動規(guī)劃方法也有了大量的研究成果。但是，目前協(xié)作機器人距離理想的程度還有很大差距。由于協(xié)作機器人的研究是多學(xué)科、多領(lǐng)域的交叉，涉及到材料、機械、信息等學(xué)科，所以其發(fā)展依賴于這些學(xué)科的發(fā)展。根據(jù)本文的總結(jié)，以下幾方面可能成為協(xié)作機器人未來的發(fā)展方向：

（1）協(xié)作機器人本體設(shè)計

協(xié)作機器人的本體是實現(xiàn)人機協(xié)作的根本條件。隨著人機協(xié)作應(yīng)用的不斷增多，協(xié)作機器人需要適應(yīng)具體的應(yīng)用需求，對本體進行定制化設(shè)計。例如機器人連桿采用柔性材料，即利用軟體機器人進行人機協(xié)作；研發(fā)新型驅(qū)動裝置，使機器人具有更好的柔順性；機器人內(nèi)部加入多傳感器，利用多傳感器信息融合使機器人更好地感知協(xié)作環(huán)境等。想要實現(xiàn)這些機器人本體的改進，需要同時對控制、運動規(guī)劃等配套算法進行大量研究，以保證人機協(xié)作的順利完成。

（2）智能人機交互

目前操作員對協(xié)作機器人操作，還是以事先編程為主。但是在協(xié)作環(huán)境下，人類與機器人之間需要更加方便智能的交流方式，比如以下幾種方式：人機協(xié)作過程中，機器人利用攝像機對操作員的行為進行識別和預(yù)測；人類通過手勢、聲音等方式，在協(xié)作任務(wù)中實時對機器人發(fā)出命令；通過VR/AR技術(shù)，操作員在虛擬環(huán)境中對機器人做控制；操作員通過腦機接口裝置，利用意念對機器人做控制。

（3）安全協(xié)作方法的完善

目前ISO/TS 15066為協(xié)作機器人安全制訂了一系列規(guī)則，但是相比于工業(yè)機器人，協(xié)作機器人的安全標準還有很多方面需要完善。對于特定的協(xié)作任務(wù)，需要建立具體的安全標準。同時，為了保證人機協(xié)作中的安全，需要加強對碰撞避免方法以及碰撞后處理方法的研究，利用多傳感器系統(tǒng)進行環(huán)境感知，以及人工智能算法進行識別與預(yù)測。

（4）協(xié)作任務(wù)中的心理問題

隨著人機協(xié)作應(yīng)用的不斷增加，協(xié)作中的心理問題需要引起重視。人類在面對機器人工作時會有一定的心理壓力，合理的協(xié)作方法可以減輕這種壓力。此外，機器人與人類的情感互動可以創(chuàng)造一種親密感和愉悅感，讓人類想要繼續(xù)與機器人合作。加入情感功能的機器人能夠更好地維持合作關(guān)系，并且加強協(xié)作任務(wù)的效果。人機協(xié)作心理及情感是協(xié)作機器人未來的重要研究方向之一。

（5）機器人自主學(xué)習(xí)能力

目前的協(xié)作任務(wù)需要人類對機器人的每個動作進行規(guī)劃。但是在人機協(xié)作任務(wù)中，需要機器人執(zhí)行一系列復(fù)雜的任務(wù)，例如醫(yī)療服務(wù)場景中，通過協(xié)作機器人照顧病人，幫助病人穿衣服等。這些復(fù)雜的應(yīng)用需要機器人能夠具有自主學(xué)習(xí)能力。目前機器人只有在特定場景中能夠完成自主學(xué)習(xí)，如本文3.1.2小節(jié)中所述，機器人可以利用演示學(xué)習(xí)編程技術(shù)學(xué)習(xí)到人類的特定技能。但是該技術(shù)尚不成熟，且需要復(fù)雜的準備工作。人類希望機器人能夠更智能地對進行學(xué)習(xí)，以便于完成復(fù)雜任務(wù)。機器人自主學(xué)習(xí)能力已經(jīng)成為機器人學(xué)的重點研究方向之一。

5 結(jié)束語

本文首先介紹了協(xié)作機器人的基本情況，包括主要產(chǎn)品、本體設(shè)計與應(yīng)用案例。其次圍繞本文提出的協(xié)作機器人三個主要特點：簡單、安全和高效，對近年來人機協(xié)作方法的研究進行分類介紹。然后從路徑規(guī)劃和軌跡規(guī)劃兩方面，對協(xié)作機器人的運動規(guī)劃方法進行介紹。最后，根據(jù)本文總結(jié)的內(nèi)容，提出了目前協(xié)作機器人研究的不足之處，對其未來發(fā)展趨勢進行了展望。

協(xié)作機器人是當(dāng)前的熱點研究內(nèi)容，也是未來機器人產(chǎn)業(yè)的發(fā)展方向。在科技不斷進步，人力成本不斷上升的今天，協(xié)作機器人不僅可以在工業(yè)領(lǐng)域中加快生產(chǎn)效率，也能在醫(yī)療、服務(wù)等領(lǐng)域中幫助人們實現(xiàn)更美好的生活。希望從業(yè)人員繼續(xù)完善協(xié)作機器人的研究、開發(fā)與應(yīng)用，讓協(xié)作機器人發(fā)揮更大的作用。