Vibration Suppression in Collaborative Flexible Payload Manipulation Using Passive Force Control

想象一下，你正试图搬运一个巨大的、摇晃不定的水母穿过房间。如果你抓住它并快速猛拽，它不仅会移动，还会剧烈地晃动、摆动和震颤。在机器人领域，这是一个巨大的难题。当机器人试图搬运沉重且柔性的物体时——比如巨大的金属板或核反应堆部件——它们不能仅仅追求力量，还必须保持温柔。如果它们的动作过于突兀，物体就会像果冻一样不停抖动，这可能会损坏物体或导致机器人失去抓力。当物体如此巨大且沉重，以至于在自身重量下发生弯曲，且移动空间极其狭窄、容错率极低时，这个问题就变得尤为棘手。科学家们一直试图研究如何搬运这些“摇晃的巨人”而不引起震颤，但大多数解决方案要么需要无法在恶劣环境中生存的高昂传感器，要么只能在计算机模拟中奏效。

这篇论文解决了这一确切问题，通过教导两个不同的机器人如何作为一个团队协作，来搬运一种柔性负载而不产生摇晃。研究人员提出了一种聪明的“领航者-跟随者”（leader-follower）策略。把它想象成一场舞蹈：一个强壮、重型的机器人（领航者）负责重体力活并决定行进方向，而一个较轻、更灵敏的机器人（跟随者）则充当减震器。跟随者并不是在与领航者对抗，而是使用一种被称为“导纳控制”（admittance control）的特殊控制系统，顺应趋势，在震动发生时轻轻地将其平抑掉。为了确保领航者不会在最初就引发震动，团队还使用了“输入整形”（input shaping）技术，这就像是精心设计舞蹈的步伐，让音乐永远不会撞击到会让水母乱跳的音符。通过结合这两个技巧，机器人可以平稳地移动巨大的、软塌塌的物体，即使它们无法直接观察到震动。

协作策略

这项研究的核心思想是利用两个截然不同的机器人来移动单个柔性物体。在现实世界中，搬运像长达10米、重80吨的“增殖包层”（未来聚变能反应堆的关键部件）这样的物体是一场噩梦。这些包层体积巨大，容易弯曲，而且在使用了多年后，由于刚度降低，会变得更加像巨大的、软塌塌的面条。挑战在于，你不能在上面贴满传感器来测量震动，因为环境中的高辐射会烧毁电子设备。

因此，作者设计了一个系统，由一台“重型”机器人充当领航者。它抓住柔性物的一端并沿着路径拉动。第二台较轻的机器人充当跟随者，握住另一端。跟随者并不试图猜测该去哪里，而是倾听领航者的指令。领航者感知它对物体施加的力量，而跟随者则利用特殊的“导纳控制器”对该力量做出反应。这就像是你和朋友拿着一根长而重的杆子并肩行走。如果你的朋友踉跄了一下，你不会用力往回拉，而是调整步幅以保持杆子的稳定。在这里，跟随者机器人被编程为具有“顺应性”，这意味着它会顺应所感受到的力，有效地充当一个巨大的、机器人式的减震器，吸收震动的能量。

针对摇晃的双管齐下之法

论文指出，仅靠一种技巧是不够的，因此他们结合了两种方法来消除震动。

首先，他们利用跟随者机器人在震动开始之后进行处理。跟随者并非盲目跟随；它使用“力估计器”根据领航者与跟随者之间的微小间隙来推测施加了多少力。然后，它通过移动来缩小这个间隙，但它是带着特定的“阻尼”来进行的。想象一下推秋千：如果你在错误的时间推，它会失控；如果你带着恰到好处的阻力推，它就会减速。跟随者机器人被调校为这种“阻力”，将震动的动能转化为热能（耗散），从而使物体更快停止晃动。研究人员从数学上证明了该系统是“被动”的，这意味着它会自然地随时间损失能量而非增加能量，从而确保震动自行消失。

其次，他们通过谨慎控制领航者的移动，在震动开始之前进行预防。即使跟随者表现出色，一个糟糕的开端也会让物体剧烈摇晃。为了防止这种情况，领航者使用了“输入整形”。这有点像一位知道何时击鼓以避免节奏出错的鼓手。计算机将移动指令拆分为两部分：一个小推力、一个短暂停顿，然后是剩余的移动。这个时机是根据物体振动一次所需的时间（其固有周期）计算出来的。通过将第二次移动延迟正好半个振动周期，第二次推力可以抵消第一次推力产生的摇晃。这是一种“前馈”技巧，意味着它可以在不需要等待传感器告知情况之前，就完美地规划好移动过程。

实验结果显示

团队通过两种方式测试了这个想法：首先是在使用 Matlab/Simulink 的计算机模拟中，然后在真实的实验室中使用实际机器人。他们使用了一台 KUKA Quantek 机器人作为重型领航者，一台 KUKA-Iiwa 机器人作为轻型跟随者，尝试移动一块柔性的亚克力板。目标是在短短 0.5 秒内将板材移动 10 厘米——这是一个通常会导致大量摇晃的快速、突发性动作。

他们对比了四种不同的机器人控制方式：不做任何处理、仅使用跟随者的阻尼（导纳控制）、仅使用领航者的精确时序（输入整形），以及将两者结合使用。

结果非常明确。当不做任何处理时，模拟中的板材振幅峰值约为 28.8 mm，在实际实验中为 26.3 mm。当仅使用跟随者的阻尼时，震动显著下降（模拟中降至 15.6 mm，实验室中降至 11.4 mm）。当仅使用领航者的精确时序时，也有所帮助，尽管在现实世界中，它在抑制初始峰值震动方面不如跟随者有效。然而，真正的赢家是结合方案。当同时使用跟随者的阻尼和领航者的精确时序时，震动被彻底压制。在模拟中，峰值震动减少了近 80%（降至 5.8 mm），在实际实验中，减少幅度也接近 79.5%（降至 5.4 mm）。震动完全停止所需的时间（稳定时间）也大幅下降，从无控制时的 4 秒多缩短到结合方法下的 1 秒多。

为什么这很重要

论文总结道，这种结合了智能跟随者（充当减震器）和谨慎规划移动的领航者的“领航者-跟随者”方法，是搬运重型柔性物体的极其有效的方式。它特别有用，因为它不依赖于直接放置在物体上的脆弱传感器，这对于像核反应堆这样危险的环境来说是一个巨大的优势。虽然目前的测试是针对平面板和二维运动进行的，但作者建议该方法可以扩展到处理未来聚变电厂所需的庞大三维结构。他们计划下一步使用 3D 打印的反应堆包层模型进行测试，希望证明他们的“机器人舞蹈”即使面对最摇晃的巨人也能保持稳健。