SafeDMPs：面向自适应人机交互的形式安全集成DMP

在以人为中心的环境中运行的机器人必须对干扰具有鲁棒性，同时确保无碰撞安全。同时实现这两种属性且高效仍是核心挑战。虽然动态运动原语（DMPs）提供内在稳定性和从单次演示中的泛化能力，但缺乏形式安全保证。相反，形式方法如控制障碍函数（CBFs）提供可证明的安全性，但常依赖计算昂贵的实时优化，阻碍其在高频率控制中的应用。本文引入SafeDMPs，一种新型框架，解决了这一权衡。我们将DMPs的闭式形式效率和动态鲁棒性与源自时空管道（STTs）的可证明安全、非优化控制法相结合。这种协同使我们能够生成既鲁棒于扰动又能适应新目标的运动，同时保证避免静态和动态障碍物。我们的approach实现了该问题的闭式解，而该问题通常需要在线优化。在7自由度机器人机械臂上的实验结果表明，SafeDMPs比基于优化的基线快一个数量级且更精确，使其成为实时、安全且协作机器人理想解决方案。