Embedding ISO 10218 Safety Compliance in Robots via Control Barrier Functions for Human-Robot Collaboration
本文提出了一种将控制障碍函数（CBF）集成到序列二次规划（SQP）框架中的方法，该方法利用人类加速度数据来解析预测最小分离距离，从而使 UR10e 机器人能够在符合 ISO 10218 安全标准的同时，与标准的速率与分离监控方法相比，显著减少轨迹误差并避免不必要的运行停顿。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个工厂车间，一名人类工人与一个机械臂并肩工作，就像两位在紧凑舞步中配合的舞者。他们的目标是高效协作，且互不碰撞。然而，有一本严格的安全规则手册（称为 ISO 10218）规定：“如果人类靠得太近，机器人必须立即减速或停止，以避免碰撞。”
问题所在：那台“疑神疑鬼”的机器人
目前机器人处理这种问题的方式，就像是一个疑神疑鬼的司机：看到 50 米外有一个行人，就立刻猛踩刹车，预设行人会以恒定速度直冲自己而来。
在论文中，作者将这种方式称为标准 SSM（速度与分离监控）。它非常安全，但也非常笨拙。因为它假设人类以恒定速度移动，且无法预测其加速度，所以机器人经常进行不必要的停顿。这就像司机在红灯还没变红之前，就提前在路口停了下来。这严重打击了生产力，因为机器人把大量时间浪费在了等待上。
解决方案：“水晶球”机器人
作者提出了一种使用被称为控制障碍函数（Control Barrier Function, CBF）的新系统。你可以把它想象成给了机器人一个水晶球或一个预测型 GPS。
这个新系统不再仅仅观察人类当前在哪里，而是观察：
- 人类所在的位置。
- 他们移动的速度。
- 至关重要的一点：他们正在加速还是减速（加速度）。
通过了解人类的加速度，机器人可以计算出最坏的情况：“如果人类突然向我冲刺，在我能停下来之前，我们究竟会靠多近？”
这使得机器人能够做出更明智的决策。如果人类走得很慢，机器人就会继续工作；如果人类开始冲刺，机器人则会进行“恰到好处”的减速，而不是采取那种突兀且剧烈的完全停止。
测试的两种方法
研究人员在真实的机器人（UR10e 机械臂）上测试了两种使用这个“水晶球”的方法：
方法 I（“反应式”舞者）： 这种方法利用安全预测来调整机器人的速度，但它有点像一位在音乐变化时会惊慌失措的舞者。它虽然能避开碰撞，但由于过于害怕撞到人，动作会变得极其慌乱。它移动速度很快，但会错过它的目标点（“路标点”），动作也显得杂乱无章。
方法 II（“优雅式”舞者）： 这是最终的胜出者。它使用了同样的“水晶球”，但增加了一个**“空间管状约束”**。想象机器人正在一个透明且具有弹性的管子内奔跑。它可以加速、减速或轻微摆动以避开人类，但它必须保持在管子内部。
- 如果人类靠近，机器人会平滑地减速。
- 如果人类远离，机器人会恢复速度。
- 它绝不会在管外进行狂乱的左右横跳。
测试结果
团队在模拟环境和真实人类环境下进行了数千次测试。结果如下：
- 旧方法（基准线）： 机器人频繁停顿。虽然安全，但在一次长时测试中仅完成了 41 项任务。它太慢了，无法投入实际使用。
- 方法 I： 机器人保持高速移动并完成了 994 项任务。然而，由于其动作过于不稳定，它有 37% 的时间未能命中目标点，并且会大幅度偏离路径进入人类的工作区域。
- 方法 II（新方法）： 这是完美的平衡点。它完成了 789 项任务（比旧方法快得多），并且 93% 的情况下都能精准命中目标点。
核心结论：
通过使用一种能够预测人类加速度的数学技巧，机器人可以既保持安全，又不会成为一个“疑神疑鬼的停顿者”。它的动作就像一位熟练的舞伴，而非一台受惊的机器。新系统相比第一种方法减少了 63% 的误差，证明了你可以在工厂中同时实现高安全性与高生产力。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。