Robust Semi-passive Velocity Field Control with Boundedness Guarantees for Safe Interaction between Mechanical Systems and Physical Environment

想象一下，一个机械臂正伸出手去触摸人类的手掌，或者一个移动机器人正在拥挤的房间中穿行。在这些发生物理接触的时刻，安全性不仅仅是一个功能，它是绝对的优先级。几十年来，工程师们一直依赖一种被称为“能量被动性”（energetic passivity）的原则来确保这种安全性。可以将其理解为一条规则：机器永远不能向世界返还比它接收到的更多的能量。如果机器人推向一面墙，它不能突然爆发出一股它并未获得的力冲向前方。这条规则防止了机器变成危险的发射物。然而，这种安全网有着隐藏的代价。通过严格禁止机器人产生自身的能量来辅助任务，机器可能会变得迟钝，在需要快速移动时停滞不前，或者如果环境耗尽了它的能量，它就会无法完成工作。它是一个安全但往往笨拙的伙伴。

日本奈良科学技术研究院的研究人员开发了一种控制这些机械系统的新方法，既保留了安全保证，又让机器人更加敏捷。他们创建了一种控制方法，就像一个智能能量管理器。该系统并非始终严格保持被动，而是监测自身的能量水平。如果能量过高，机器人会自动切换到安全的被动模式以耗散多余能量。但如果能量过低，威胁到机器人完成任务，系统则会暂时允许注入能量以保持运动。这种通过详细计算机模拟测试的方法证明，即使在受到环境中的不可预测力量推动和拉扯时，机器人也可以既安全又高效。

这项工作的核心解决了机器人领域的一个长期难题：如何在安全性与性能之间取得平衡。传统的强制执行严格能量规则的方法通常会导致机器人过于保守，在动态环境中难以发挥作用。如果机器人遇到重物或突然的推力，纯被动系统可能会直接停止，无法恢复继续路径所需的能量。这种被称为“鲁棒时变半被动速度场控制”（robust time-varying semi-passive velocity field control）的新方法通过引入一个灵活的边界解决了这个问题。研究人员设计了一个系统，使机器人在其内部能量超过特定预设水平时表现为被动。这确保了如果机器人开始积累危险的能量，它会立即变成一个“汇”（sink），吸收并耗散这些能量，从而保护环境。

然而，当机器人的能量低于该阈值时，控制系统会放宽其严格性。它允许机器人从虚拟能量源中汲取能量以补偿损失，从而确保任务完成。这不是一种随机的切换；而是一种平滑、连续的调整。研究人员通过数学证明，即使受到摩擦力或随机推力等外部干扰的影响，该方法也能使机器人的能量和位置保持在安全的边界范围内。在模拟中，他们让一个双连杆机器人臂面临三种不同类型的挑战：律动振荡力、恒定摩擦力和与机器人运动方向一致的推力。在每种情况下，机器人都成功追踪了其期望的圆形路径，并将能量维持在 9 到 11 焦耳的狭窄安全范围内。

模拟结果显示，机器人从能量损失中恢复的能力至关重要。当机器人面临消耗其功率的摩擦力时，新控制器成功注入了恰到好处的能量以保持运动，而没有让总能量出现危险飙升。相反，当环境推挤机器人、增加额外能量时，控制器则充当了刹车，防止系统过热或变得不稳定。结果表明，机器人的追踪误差保持在微小且可预测的范围内，并在极短时间内收敛到一个稳定状态。这与旧方法相比有了显著改进，旧方法要么让机器人完全停滞，要么在模式之间进行突发切换，从而导致颠簸且不安全的动作。

最重要的发现之一是，该方法还限制了机器人与世界之间功率流动的速率。安全性不仅关乎总能量，还关属于能量传递的速度。突然的功率爆发与大量的存储能量一样危险。研究人员证明，他们的方法将功率流控制在定义的限度内，确保即使机器人在与人类或脆弱物体互动时，互动的力量也是受控的。这是通过仔细调节控制参数实现的，这些参数就像工程师可以调节的旋钮，可以根据具体任务的需求优先考虑速度或安全性。

该研究还将这种新方法与两种现有方法进行了对比。一种较旧的方法严格执行被动性，当机器人的能量被摩擦力耗尽时，该方法会导致机器人完全停止运动；另一种在不同控制模式间切换的方法效果稍好，但引入了行为上的突然跳跃，这可能导致动作生硬且不够安全。这种新的半被动方法通过保持平滑、连续的运动，同时严格限制能量和功率流，表现优于前两者。研究人员指出，虽然模拟取得了成功，但下一步是在真实硬件上测试该系统，届时需要考虑电机饱和等物理极限。

最终，这项工作为需要在非结构化环境中与人类协作的机器人提供了一条路径。通过以一种受控且经过数学证明的方式放宽传统安全控制的僵化规则，研究人员表明，机器可以既安全又具备能力。他们创建了一个知道何时退让、何时推进的系统，确保机器人无论是在制造业还是人类辅助任务中，都能成为可靠的伙伴。这些发现表明，未来安全机器人的发展方向不在于更严格的约束，而在于更智能、更具适应性的能量管理。