⚡ electrical engineering

Adaptive PD Gains for Energy-Conscious Control in Physical Human-Robot Interaction

Dieses Paper schlägt einen neuartigen adaptiven PD-Regler vor, der eine sichere physische Mensch-Roboter-Interaktion gewährleistet, indem er die kinetische und potenzielle Energie eines Roboters dynamisch begrenzt, ohne externe Kraft- oder Drehmomentsensoren zu erfordern, während es gleichzeitig einen formalen Stabilitätsbeweis und eine experimentelle Validierung am TALOS-Roboter bereitstellt.

Ursprüngliche Autoren: Danyal Saqib, Francisco Andrade Chavez, Marie Charbonneau

Veröffentlicht 2026-06-02

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Danyal Saqib, Francisco Andrade Chavez, Marie Charbonneau

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Das große Ganze: Der Roboter mit dem „Energiebudget“

Stellen Sie sich einen Roboterarm wie eine sehr starke, schwere Person vor, die versucht, Sie zu umarmen. Wenn diese Person zu steif ist und sich zu schnell bewegt, könnte die Umarmung versehentlich wehtun.

In der Welt der Roboter wird Sicherheit normalerweise durch zwei Hauptmethoden gehandhabt:

Kraftsensoren: Wie eine Person, die einen druckempfindlichen Anzug trägt, um genau zu fühlen, wie fest sie drückt. (Das Papier stellt fest, dass dies teuer ist und nicht auf allen Robotern verfügbar ist).
Drehmomentsensoren: Wie Sensoren in jedem Gelenk, um die Verdrehungskraft zu messen. (Auch nicht auf jedem Roboter verfügbar).

Dieses Papier schlägt einen dritten, klügeren Weg vor: Energieregulierung. Anstatt den Druck oder die Verdrehung zu messen, führt der Roboter einfach eine laufende Bilanz seines eigenen „Energiebudgets“. Wenn der Roboter zu energetisch wird (zu schnell oder zu angespannt), wird er automatisch langsamer und entspannter, um innerhalb seines sicheren Budgets zu bleiben.

Das Problem mit alten Robotern

Traditionelle Roboter verhalten sich oft wie eine steife Feder. Wenn man sie drückt, drücken sie hart zurück. Wenn sie sich schnell bewegen und etwas treffen, übertragen sie sofort viel Energie, was Verletzungen verursachen kann.

Um dies zu verhindern, programmieren Ingenieure Roboter normalerweise so, dass sie einfach „stoppen“, wenn sie etwas treffen. Aber das Papier argumentt, dass Stoppen nicht immer sicher ist. Stellen Sie sich vor, ein Roboterarm klemmt eine Person gegen eine Wand; wenn der Roboter einfach nur einfriert, ist die Person immer noch gefangen. Die Person braucht den Roboter als „weich“ und nachgiebig, damit sie ihn sicher wegdrücken kann.

Die Lösung: Der „Adaptive PD-Regler“

Die Autoren haben einen neuen Typ von Regler (einen Satz Regeln, denen der Roboter folgt) entwickelt, den sie Adaptiven PD-Regler nennen.

Stellen Sie sich einen Standard-Roboterregler wie ein Auto mit einem festen Gaspedal und einer festen Bremse vor. Egal was passiert, es reagiert immer gleich.

Der neue Regler ist wie ein kluger Fahrer, der das Auto basierend auf dem Tank anpasst:

Der „P“ (Proportional)-Teil: Dies ist wie die „Steifigkeit“ des Roboters oder wie sehr er versucht, seine Position zu halten.
Der „D“ (Derivativ)-Teil: Dies ist wie die „Dämpfung“ des Roboters oder wie sehr er schnellen Bewegungen widersteht (wie Stoßdämpfer).

Wie es funktioniert:
Der Robot berechnet ständig seine Gesamtenergie (eine Mischung aus seiner Geschwindigkeit und wie stark er gegen seine Zielposition arbeitet). Er hat ein vordefiniertes Energiemaximum (wie ein Tempolimit oder eine Tankfüllung).

Wenn es ruhig ist: Wenn sich der Roboter langsam und sicher bewegt, agiert der Regler wie ein normaler, steifer Roboter. Er folgt seinen Anweisungen perfekt.
Wenn die Energie hoch wird: Wenn der Roboter zu schnell wird oder stark gedrückt wird, registriert der Regler, dass die Energie sich dem Limit nähert.
- Er macht das „P“ weicher (Steifigkeit): Der Roboter hört auf, so hart zu kämpfen, um seine Position zu halten. Wenn man ihn drückt, lässt er leicht nach, anstatt zurückzudrücken.
- Er erhöht das „D“ (Dämpfung): Wenn der Roboter sich zu schnell bewegt, weil jemand ihn gestoßen hat, fügt der Regler „Bremsen“ hinzu, um die Bewegung zu verlangsamen, ohne steif zu werden.

Die „Dissipativen Funktionen“ (Der Dimmer-Schalter)

Das Papier führt zwei mathematische „Dimmer-Schalter“ ein (genannt dissipative Funktionen, $r$ und $r_T$ ).

Stellen Sie sich einen Dimmer-Schalter für die Steifigkeit des Roboters vor. Wenn die Energie niedrig ist, steht der Schalter auf 100 % (volle Steifigkeit). Je näher die Energie an das Limit kommt, desto langsamer dreht der Schalter auf 0 % herunter.
Dies stellt sicher, dass der Roboter niemals plötzlich „zerbricht“ oder instabil wird; er wird einfach schrittweise weicher und sicherer, während er sich seinem Energiemaximum nähert.

Der Sicherheitscheck (Stabilitätsbeweis)

Die Autoren haben nicht nur geraten, dass dies funktionieren wird; sie haben die Mathematik genutzt, um es zu beweisen. Sie verwendeten eine Methode namens Lyapunov-Stabilität (denken Sie an ein mathematisches Sicherheitsnetz).

Sie haben bewiesen, dass der Roboter niemals eine wilde, unkontrollierte Drehung vollzieht, solange er ihren spezifischen Regeln zur Anpassung des „Dimmer-Schalters“ folgt. Es garantiert, dass der Roboter sich immer sicher einpendelt, selbst wenn sich die Werte (Steifigkeit/Bremsen) ständig ändern.

Die Experimente: Die Theorie testen

Das Team testete dies an einem echten humanoiden Roboter namens TALOS (gebaut von PAL Robotics) und in einer Computersimulation.

Der „Umarmungs“-Test (Externe Kraft): Sie drückten den Roboterarm, während er versuchte, eine Position zu halten.
- Alter Roboter: Kämpfte hart dagegen an, blieb steif und überschritt das Energiemaximum.
- Neuer Roboter: Wurde sofort weich, ließ sich leicht wegdrücken und blieb gut innerhalb des Energiemaximums. Er verhielt sich wie ein nachgiebiger, sicherer Partner.
Der „Plötzliche Bewegung“-Test: Sie sagten dem Roboter, er solle sofort zu einer neuen Position springen.
- Alter Roboter: Bewegte sich zu schnell und erzeugte einen riesigen Energiespitzenwert.
- Neuer Roboter: Bewegte sich langsamer und geschmeidiger und hielt die Energie die ganze Zeit unter dem Limit.

Das Fazit

Dieses Papier präsentiert einen Weg, Roboter sicherer zu machen, ohne teure, spezialisierte Sensoren an jedem Gelenk zu benötigen. Indem der Roboter einfach seine Gesamtenergie verfolgt und seine Bewegungen automatisch „abmildert“, wenn diese Energie zu hoch wird, wird der Roboter von Natur aus nachgiebig. Er verhält sich wie ein vorsichtiger Fahrer, der langsamer wird, wenn er sich einer gefährlichen Kurve nähert, um sicherzustellen, dass bei einer Kollision die übertragene Energie niedrig genug ist, um sicher zu sein.

Die Autoren kommen zu dem Schluss, dass diese Methode einfach zu implementieren, mathematisch als stabil bewiesen und auf echter Hardware effektiv ist, was sie zu einem vielversprechenden Schritt in Richtung einer sichereren Mensch-Roboter-Interaktion macht.

Technische Zusammenfassung: Adaptive PD-Verstärkungen für energiebewusste Steuerung in der physischen Mensch-Roboter-Interaktion

Problemstellung
Die physische Mensch-Roboter-Interaktion (pHRI) erfordert robuste Sicherheitsmechanismen, um Verletzungen bei Kollisionen zu verhindern. Während nachgiebige Steuerungsstrategien (Impedanz- und Admittanzregelung) weit verbreitet sind, stehen sie vor erheblichen Einschränkungen: Sie hängen oft von externen Kraft-/Momentensensoren oder Gelenkmomentenschätzungen ab, sind koordinatenabhängig und bieten keine expliziten Sicherheitsgarantien hinsichtlich der Energietransferlimits, wie sie durch Normen wie ISO/TS 15066 vorgeschrieben sind. Bestehende energiebasierte Steuerungsverfahren bieten zwar eine koordinatenunabhängige Alternative, leiden jedoch oft unter komplexen Implementierungen, der Notwendigkeit von „virtuellen Energietanks“ oder einem Mangel an expliziten Stabilitätsnachweisen. Darüber hinaus sind viele aktuelle Verfahren reaktiv, d. h. sie modifizieren die Steuerung erst, nachdem Sicherheitsgrenzwerte überschritten wurden, anstatt die Energie proaktiv zu verwalten.

Methodik
Die Autoren schlagen einen adaptiven Proportional-Derivativ-Regler (PD-Regler) vor, der darauf ausgelegt ist, die gesamte mechanische Energie (kinetisch und potentiell) des Roboters unter einem spezifizierten Schwellenwert ( $L_{lim}$ ) zu halten. Der Regler modifiziert die Standard-PD-Verstärkungen basierend auf dem instantanen Energiezustand des Systems.

Systemmodellierung: Die Roboterdynamik wird mittels Standard-Starrkörpergleichungen modelliert. Die Gesamtenergie $L$ ist definiert als die Summe der kinetischen Energie ( $T$ ) und der gesteuerten Gelenkpotentiellen Energie ( $U_q$ ).
Dissipative Funktionen: Es werden zwei neuartige dissipative Funktionen eingeführt, um die Reglerverstärkungen zu skalieren:
- $r$ (Energiebasierte Skalierung): Eine Funktion der Gesamtenergie $L$ , die die Proportionalverstärkung ( $K_p$ ) skaliert. Wenn $L$ sich dem Limit $L_{lim}$ nähert, geht $r$ gegen Null, wodurch die Steifigkeit reduziert wird, um die potentielle Energie zu senken.
- $r_T$ (Kinetikbasierte Skalierung): Eine Funktion der kinetischen Energie $T$ , die zur Skalierung der Derivativverstärkung ( $K_d$ ) verwendet wird. Dieser Term erhöht die Dämpfung, wenn die kinetische Energie hoch ist, um äußeren Stößen (durch den Nutzer eingebrachter Energie) entgegenzuwirken, ohne das Energielimit zu verletzen.
Anpassung der Verstärkung:
- Die Proportionalverstärkung $K_p$ wird so angepasst, dass sie dissipiert, wenn die Gesamtenergie steigt, um sicherzustellen, dass die Komponente der potentiellen Energie innerhalb des Budgets bleibt.
- Die Derivativverstärkung $K_d$ wird als Reaktion auf hohe kinetische Energie angepasst, um die Dämpfung zu erhöhen, was ein instabiles „Aufschlagen“ (Flailing) verhindert, während der Roboter gleichzeitig ermöglicht wird, auf externe Kräfte nachzugeben.
Sicherstellung der Stabilität: Eine Lyapunov-Stabilitätsanalyse wird durchgeführt. Die Autoren leiten eine Bedingung ab, bei der die zeitliche Ableitung der Lyapunov-Funktion negativ definit sein muss. Um dies zu erfüllen, wird ein Algorithmus (Algorithmus 1) vorgeschlagen, der eine Schrittweitenbeschränkung für die Änderungsrate der Proportionalverstärkung ( $\dot{K}_p$ ) erzwingt, um sicherzustellen, dass das System stabil bleibt, auch wenn sich die Verstärkungen anpassen.

Wesentliche Beiträge

Adaptiver PD-Rahmen: Eine einfache, bekannte PD-Regelstruktur, die inhärent sowohl die kinetische als auch die potentielle Energie begrenzt und somit die Komplexität von Energietanks oder passivitätsbasierten Reglern findet, die in der Literatur üblich sind.
Dualer dissipativer Mechanismus: Die Einführung zweier unterschiedlicher Funktionen ( $r$ und $r_T$ ) ermöglicht die unabhängige Verwaltung der potentiellen Energie (durch Reduzierung der Steifigkeit) und der kinetischen Energie (durch Dämpfungsinjektion), was das Problem der Energiezufuhr durch menschliche Interaktion gezielt adressiert.
Stabilitätsbeweis: Eine formale Lyapunov-basierte Stabilitätsanalyse wird bereitgestellt, zusammen mit einem praktischen Algorithmus, der die abgeleitete Stabilitätsbedingung während des Betriebs erzwingt.
Proaktive Sicherheit: Im Gegensatz zu reaktiven Kollisionserkennungsverfahren gestaltet dieser Regler die Impedanz des Roboters proaktiv, wenn sich die Energie dem Limit nähert, und stellt so die Nachgiebigkeit sicher, bevor Sicherheitsgrenzwerte erreicht werden.

Experimentelle Ergebnisse
Der Regler wurde an einem TALOS-Humanoidenroboter (PAL Robotics) sowohl in der Gazebo-Simulation als auch in Hardware-Experimenten validiert, wobei die Leistung gegenüber einem traditionellen, nicht-adaptiven PD-Regler verglichen wurde.

Sinusförmiges Tracking: Wenn die Systemenergie deutlich unter dem Limit liegt, verhält sich der adaptive Regler nahezu identisch zum traditionellen PD-Regler, was zeigt, dass die nominelle Abstimmung während des sicheren Betriebs erhalten bleibt.
Sprungantwort: In einem Sprung-Input-Szenario verletzte der traditionelle Regler das Energielimit (1,5 J in der Simulation), während der adaptive Regler die Energie durch Reduzierung der Verstärkungen erfolgreich am Limit deckelte. Dies führte zu einer langsameren Einschwingzeit (3,21 s gegenüber 2,09 s), garantierte jedoch die Sicherheit.
Reaktion auf externe Last/Kraft:
- Simulation: Als eine externe Last angewendet wurde, zeigte der traditionelle Regler ein steifes Verhalten mit hoher Auslenkung und einer Verletzung des Energielimits. Der adaptive Regler reduzierte die Steifigkeit und erhöhte die Dämpfung, was zu einem nachgiebigen Verhalten (höhere Auslenkung von ~1,0 rad) führte, während das Energielimit eingehalten wurde.
- Hardware: Ähnliche Ergebnisse wurden am physischen TALOS-Roboter beobachtet. Der adaptive Regler begrenzte die Gesamtenergie auf unter das Hardware-Limit von 0,15 J, während der traditionelle Regler dieses Limit überschritt (0,17 J). Der adaptive Ansatz lieferte eine weichere Interaktion (0,47 rad Auslenkung gegenüber 0,185 rad) und eine sanftere Erholung.

Bedeutung und Ansprüche
Das Paper behauptet, dass der vorgeschlagene Regler eine praktische und implementierbare Lösung für eine sichere pHRI bietet. Durch die Nutzung der Einfachheit der PD-Regelung senkt es die Hürde für die Anwendung energiebasierter Sicherheitsbeschränkungen. Die Autoren betonen, dass der Regler:

Eine explizite Begrenzung der Energie bietet, die mit den Sicherheitsstandards der ISO/TS 15066 übereinstimmt.
Natürlich ein nachgiebiges Verhalten (Weichheit) induziert, wenn die Energielimits erreicht werden, was das Verletzungsrisiko verringert.
Die Stabilität durch eine mathematisch bewiesene Bedingung aufrechterhält.
Modular ist, sodass Standard-Abstimmtechniken für nominelle Verstärkungen verwendet werden können, während Sicherheitsschichten erst bei Bedarf hinzugefügt werden.

Die Autoren merken bescheiden die Einschränkungen an, einschließlich der Anforderung einer genauen dynamischen Modellierung, der Tatsache, dass die Begrenzung der Energie kein Schutz gegen Durchstichrisiken (Druck/Fläche) ist, und der Notwendigkeit einer sorgfältigen Abstimmung der Parameter ( $\alpha, \beta, K_{dmax}$ ), um das Gleichgewicht zwischen Widerstand und Nachgiebigkeit zu finden. Zukünftige Arbeiten sollen breitere Kollisionsszenarien, trägheitsbasierte Budgetallokation und Reibungskompensation umfassen.