Adaptive Collision Sensitivity for Efficient and Safe Human-Robot Collaboration

想象一下这样一个工厂车间：一个沉重的机械臂与一名人类工人共享同一空间，他们在彼此周围移动，共同完成一项建造任务。几十年来，安全规则一直将这两个世界隔离开来，通常是在机器人周围建造围栏或笼子。但随着技术的进步，我们正要求这些机器与人并肩工作，拆除障碍以创造更高效的工作流。挑战在于，当机器人和人类如此接近工作时，事故就会发生。如果机器人撞到了人，它必须立即停止以防止受伤。然而，目前的安全规则过于严格，无论撞击实际有多重，它们都一视同仁。这意味着机器人可能会因为一次微小且无害的轻碰就停下来，就像遇到危险碰撞一样，导致工作不断中断。研究人员现在提出的问题很简单：我们能否让机器人变得足够聪明，能够分辨出是无害的轻推还是真正的威胁，从而在不危及人员安全的前提下继续工作？

捷克布拉格理工大学的一个研究小组开发了一种新方法来回答这个问题。他们创建了一个系统，允许协作机器人实时决定一次碰撞是安全到可以忽略不计，还是危险到必须停止。该方法不再使用单一、僵化的规则（即只要接触到任何物体就停止机器），而是计算碰撞发生瞬间的实际冲击力。他们通过观察与接触部分机器人的重量以及运动速度来进行计算。如果数学计算显示冲击力较低，机器人则继续工作；如果冲击力较高，则停止。这种方法在真实的机器人和详细的计算机模拟中都得到了测试，它能让机器更频繁地完成任务，在某些场景下将生产率提高了近一半，同时仍将安全性保持在国际标准设定的严格限制范围内。

这一新方法的核心在于“有效质量”的概念。简单来说，机器人手臂的每个部分在撞击物体时感觉并不相同。靠近手臂基座的重型部件比靠近末端的轻型部件具有更大的重量和动量。此外，特定部件的运动速度也会改变冲击力的大小。研究人员构建了一个系统，能够针对发生接触的机器人特定部位，不断计算其特定的重量和速度。他们将这种计算称为“有效质量”。通过将这个数值与运动速度相结合，机器人可以在碰撞结束之前估算出碰撞的力。随后，这个估值会被与国际标准中定义的安全阈值进行比较，该标准规定了人体部位（如手背）能够安全吸收的力的大小。

为了测试这个想法在现实世界中是否可行，团队使用了一台以六轴关节闻名的 UR10e 机器人进行了受控实验。他们用一层特殊的电子皮肤覆盖了机器人，这层皮肤充当敏感的触觉传感器，能够感知碰撞发生的位置以及压力的强度。他们还模拟了另一种类型的机器人——KUKA LBR iiwa 7，该机器人利用其关节内部的传感器来感知碰撞，而不是依靠外部皮肤。实验环境是一个模拟任务，机器人需要经过几个装有石头的悬挂水桶。这些水桶充当了人类手臂的替代品，通过前后摆动来制造不同类型的碰撞。有些撞击是快速且富有弹性的，就像球撞在墙上一样；而另一些则是缓慢且具有挤压性的，就像手被夹在门里一样。

研究人员比较了机器人应对这些撞击的三种不同方式。第一种方法是标准的工业做法：如果机器人触碰到任何东西，它会立即停止。这是最安全但也最缺乏效率的方式，因为它会对哪怕是最微小的接触也停止工作。第二种方法使用了一个固定计算，假设机器人的重量是恒定的，而不考虑撞击的是哪个部位。第三种方法是该团队的新发明，它使用动态的“有效质量”计算，根据具体情况调整反应。他们在各种速度下（从慢速移动到快速移动）运行了这些测试，并多次重复实验以确保结果可靠。

结果显示，这种新的自适应方法具有明显的优势。当机器人以每秒 600 毫米的速度移动时，标准方法在每次触碰到水桶时都会导致机器停止，完成任务平均需要 14.5 秒。然而，新方法允许机器人通过许多较轻的撞击并继续工作，仅用 8 秒就完成了同样的任务。这代表了超过 45% 的生产率提升。即使在较慢的速度下，新方法也显著减少了不必要的停机次数。在针对第二种机器人的模拟测试中，改进情况类似，新方法完成任务的速度比标准方法快了约 30%。数据表明，机器人并非在瞎猜，它正确地识别出许多碰撞过于微弱，不足以造成伤害，因此不需要停止。

安全性是首要关注的问题，研究人员非常谨慎地确保他们的系统不会损害安全性。他们验证了他们的计算是“保守的”，这意味着机器人估算的力比实际的力要大。这确保了如果机器人决定继续移动，其实际受到的力一定低于危险限值。在利用认证设备测量缓慢挤压碰撞的实际力时，机器人的估算值明显高于测量值。例如，当设备记录到约 9-8 牛顿的力时，机器人的系统估算为约 175 牛顿。由于机器人的估算值更高，它在应该停止时停止，并在确实安全时才继续。这种保守的方法意味着该系统不太可能让危险情况溜过。

研究还强调了准确知晓机器人涉及哪一部分的重要性。研究人员发现，如果系统无法精准定位发生碰撞的具体连杆或传感器垫，它就无法计算出正确的重量和速度，从而导致安全决策出错。他们的方法要求机器人将碰撞隔离到特定区域，这也是为什么他们使用了敏感皮肤和关节传感器来获取精确的位置数据。如果没有这种精度，系统就必须假设最坏的情况，从而导致更频繁的停机，从而失去效率增益。团队指出，虽然他们目前的设置在处理单次碰撞时表现良好，但处理多个同时发生的撞击则需要更复杂的规划，但在典型的工厂场景中（碰撞很少见且通常涉及身体的一个部位），该系统是非常有效的。

展望未来，研究人员承认他们的测试使用的是水桶和石头，而非真实的人类志愿者。虽然水桶提供了一种测量力的稳定且安全的方式，但真实的人类手臂更为复杂，肌肉和关节会对撞击做出反应并躲避。研究人员认为，由于人类手臂比装有石头的桶更柔软且更具反应性，因此在实验中机器人测得的力可能比人类实际经历的力还要大。这表明该系统在实践中的安全性可能比测试显示的还要高。然而，他们也指出，安全性不仅仅关乎物理力量；突然的碰撞带来的惊吓即使不会造成伤害，也会让工人感到不安。未来的工作需要解决如何让这些交互过程不仅在物理上安全，而且在感官上也能让操作者感到平滑且可预测。

最终，这项研究为人类与机器人协作的未来提供了一条切实可行的路径。通过从僵化、一刀切的安全规则转向理解每次特定交互物理特性的系统，机器人可以成为更胜任的职场伙伴。研究结果表明，我们不必在安全与速度之间做选择。通过合适的传感器和智能计算，机器既可以安全到能与人并肩工作，也可以快到足以真正发挥作用，从而将工厂车间从一个分离的空间转变为一个共享工作的场所。