用于基于视觉的人机协作中动态运动规划与执行的 NMPC-ECBF 框架
机器人学
2024-11-01 v5 系统与控制
图像与视频处理
系统与控制
摘要
为了在智能制造中实现安全高效的人机协作（HRC），将感知、认知与预测无缝集成到机器人控制器中，对于异构环境（机器人、人类与设备）内的实时感知、响应与通信至关重要。所提方法利用非线性模型预测控制（NMPC）的预测能力，基于视觉系统反馈执行安全路径规划。为满足实时路径规划需求，采用了一种基于罚函数的嵌入式求解器。然而，由于采样时间紧凑，NMPC 解为近似解，因此无法保证系统安全。为此，我们构建了一种新颖的安全关键范式，以指数控制屏障函数（ECBF）作为安全滤波器。我们还使用 V-REP 设计了一个简单的人机协作场景，以评估所提控制器的性能，并探究集成人体姿态预测是否有助于安全高效的协作。机器人使用 OptiTrack 相机进行感知，并动态生成至预测目标交互位置的无碰撞轨迹。多种不同配置下的结果证实了所提运动规划与执行框架的有效性，其使所考虑 HRC 任务的执行时间减少了 19.8%。
引用
@article{arxiv.2304.06923,
title = {An NMPC-ECBF Framework for Dynamic Motion Planning and Execution in vision-based Human-Robot Collaboration},
author = {Dianhao Zhang and Mien Van and Pantelis Sopasakis and Seán McLoone},
journal= {arXiv preprint arXiv:2304.06923},
year = {2024}
}