拟人双机械手紧协调柔性操作方法研究

Towards the urgent needs for robot’s anthropomorphic dual-arm manipulation, this project aims to implement a type of strongly-interacting manipulation for those humanoid robots gifted with dual arms and hands. Compassing with the robotic arm-hand system’s impendence control and coordination control strategies, the project devotes to address several challenging issues as: 1) the synchronization and robustness of the dual-arm manipulation; 2) online dynamic obstacle avoidance; 3) grasp synthesis of the anthropomorphic robot hand; as well as, 4) the smart reach-and-grasp strategy of the arm-hand system.. Firstly, inspired by the learning motor control mechanism of our nature upper-limb, the project tends to establish a biological model (central nervous system, CNS)-based, adaptive impedance adjustment strategies from the view of both the object and robotic system, for implementing the robotic dual-arm’s strongly-interacting, synchronous impedance control. Secondly, a dataset on various hand postures is constructed based on a large variety of human grasping tasks, and then dimension-reduction strategies, like principle component analysis (PCA), are applied on this big data to extract human hand’s kinemics synergies, based on which an impedance control can be realized in this synergic space for simply manipulating the anthropomorphic hands. Finally, after the establishment of the coupled dynamical model of hand-arm system, the hand-arm coordination based on the information of global vision is implemented.

本项目面向仿人型机器人双臂操控的迫切需求，以实现双臂紧协调操作为技术目标，围绕臂-手系统阻抗控制及其协调控制策略开展研究，着力解决双臂操作的同步性、鲁棒性、机械臂运动过程中的空间动态避障、仿人型灵巧手的抓取控制以及臂手系统接近及抓取物体策略等问题。. 首先，本项目通过研究人类上肢运动控制和学习特点，构建基于中枢神经系统模型的物体阻抗和机械臂阻抗自适应调整方法，实现双臂紧协调操作的自适应同步阻抗控制。其次，通过数据采集实验建立抓取姿态数据库，采用主向量分析方法将控制自由度进行线性降维，在此基础上，构造基于姿态协同的仿人手抓取操作阻抗控制器。最后，建立臂-手系统的耦合动力学模型，实现基于全局视觉信息的臂-手系统协调操作。

在双臂紧协调操作任务中，经常使用各种工具执行复杂的环境接触任务。工具的几何不确定性会导致双臂与工具间抓取矩阵的不确定，从而进一步导致夹持内力的失控。双臂在操作重载工具时，如果不对系统动力学不确定性进行合理补偿，控制性能将会显著降低。此外，仿人型机器人的双臂末端通常配置有诸如仿生假手、灵巧手等通用末端执行器，以使双臂能以不同的抓取姿态或抓取点来抓取不同形状的物体，这也会导致整个机械手臂系统的运动学及本体雅克比矩阵的不确定。这些不确定性的存在极大约束了双臂系统对未知任务的自适应性和操作灵巧性。.本项目基于仿人型机器人头部视觉提供的工具操作点位姿反馈信息，为双机械臂/未知工具系统设计了鲁棒自适应柔顺控制器。首先建立了双臂夹持工具与环境进行接触控制的完整动力学和运动学模型。同时针对实际双臂系统中接触力不可直接测量这一问题，根据特定的映射和受力分析关系提出了接触力等效估计的方法。根据该闭链系统运动学不确定性的来源，分别对物体抓取矩阵不确定性和机械臂本体雅克比不确定性进行了研究。设计了基于自适应的双臂柔顺控制器，实现了工具末端的期望轨迹跟踪，与环境接触力跟踪以及双臂夹持内力跟踪。并通过实验验证了算法在跟踪被夹持工具末端的轨迹，夹持内力以及接触力等多目标跟踪方面的优势。在机械臂本体运动学/动力学参数以及工具几何特征和动力学特征不确定的条件下，能够实现双臂夹持工具与环境进行力位可控的交互，同时确保内力跟踪误差收敛。.对于双臂紧协调操作问题的完整表述，多指灵巧手与操作物体之间的交互是不可或缺的。灵巧手自由度多，带来控制复杂的问题。本项目针对仿人型手的姿势协同进行研究，对人手运动功能进行分解，重建人手抓取运动特征。搭建了人手抓取姿势提取平台，设计了容差性抓取姿势提取实验范式。将物体形状、尺寸和物体与人手的相对位置对抓取姿势的影响考虑在内，建立了容差性抓取姿势库。性能分析结果表明容差性抓取姿势库能全面体现人手抓取功能。