⚡ 电气工程

Null-space Active Perception Enhancement for observing Space-bounded Repetitive Dynamic Events

本文提出了一种新颖的主动感知控制器，该控制器通过逼近目标的运动包络并利用主任务的零空间来自主调整视角，从而增强对受限空间内重复动态事件的观测，进而最小化不确定性并将整个运动过程保持在摄像机的视野范围内。

原作者： Nikolaos Efstathopoulos, Vasileios Tsimpos, Dimitrios Papageorgiou

发布于 2026-10-26

📖 1 分钟阅读☕ 轻松阅读

原作者： Nikolaos Efstathopoulos, Vasileios Tsimpos, Dimitrios Papageorgiou

原始论文采用 CC BY 4.0 许可（https://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

机器人正日益频繁地出现在我们的日常生活中，从工厂车间到我们自己的家中，然而它们往往在最基本的技能之一上表现挣扎：知道该看哪里。人类可以毫不费力地将视线从微小的细节转向广阔的景观，通过调整视角来理解移动物体的完整运动范围，而机器人通常依赖于僵化的、预设好的指令。它们只能看到当前时刻直接位于镜头前方的画面，却往往无法预判移动物体下一步可能去向何处。当机器人需要观察一个动态事件（例如人类演示一项任务或机器执行一个重复循环）时，这种局限性会变得至关重要。如果机器人的摄像头离得太近，移动物体可能会迅速消失在屏幕边缘；如果离得太远，细节就会变得过于细小而难以看清。挑战在于寻找一个既能让整个运动过程保持可见，又不需要频繁、剧烈调整的观察位置，这项任务要求机器人不仅要理解物体现在在哪里，还要理解它曾经在哪里以及可能去向何方。

来自希腊地中海大学和塞萨洛尼基亚里士多德大学的研究小组开发了一种新方法，旨在帮助机器人解决这一问题。他们的工作专注于“主动感知”（active perception），即机器人移动自身传感器以获得更好视野的能力。具体而言，他们创建了一个系统，使机器人能够观察一个重复的、有界的事件——即在特定区域内来回移动的事物——通过不断估计那个不可见的“包络面”（envelope）。机器人不再仅仅是对物体当前位置做出反应，而是构建了一张关于物体可能覆盖整个区域的心理地图。随后，它利用这张地图来定位摄像头的角度和距离，从而将整个运动过程保持在视野内，确保即使物体突然移动，也能留在画面之中。

研究人员使用一个配备了摄像头的机械臂作为观察者，对他们的想法进行了测试。在第一组实验中，他们观察另一个机械臂进行可预测的、振荡式的运动，类似于在弹簧上跳动的质量块。在第二个更具挑战性的场景中，他们观察一名人类在打磨木材。人类的动作不太容易预测，动作从一个较小的区域开始，然后扩大到一个更大的工作空间，最后再回到较小的区域。目标是观察机器人是否能自动调整其距离和角度，以保持整个运动过程可见，无论这种运动是平滑且机械的，还是不稳定且具有人类特征的。

他们解决方案的核心在于机器人计算动作时的一个巧妙技巧。机器人的首要任务是：让移动物体始终处于摄像头的中心视野内。然而，研究人员发现机器人的手臂拥有额外的自由度，这意味着它可以进行一些不会改变物体在图像中位置的运动。他们利用这些“额外空间”来执行次要任务：调整摄像头的距离和方向，以框住整个估计出的运动路径。机器人不断更新一个关于物体运动的统计模型，本质上是在物体经过的地方画出一个不断扩张和收缩的“气泡”。然后，它移动摄像头，使得整个“气泡”都能舒适地容纳在摄像头的视野内，而不会丢失物体本身。

结果显示，单纯追踪物体的机器人与使用这种新方法的机器人之间存在明显差异。当机器人仅进行追踪时，它往往会离得太近。随着物体的移动，由于它只对当前位置做出反应而非对潜在的运动范围做出反应，机器人经常会因为视野过窄而丢失完整的运动范围。相比之下，使用新方法的机器人会在运动扩大时本能地后退，以创造更宽广的视野来捕捉完整的动作范围；当运动收缩时，它会靠近以观察细节。在人类打磨木材的实验中，传统的机器人往往无法保持整个运动包络可见，在人类扩大工作空间时，其完整运动的可见时间仅为 28.2%。然而，新方法即使在人类在精细工作和小范围动作之间切换时，也能保持 85.8% 的完整运动可见率。至关重要的是，虽然标准方法在保持完整运动在框内方面表现不佳，但它仍能在 98.2% 的时间内将目标的中心保持在视野内，而新方法实现了 100% 的中心追踪和 85.8% 的全运动可见。

这种方法之所以意义重大，是因为它不需要机器人预先知道“游戏规则”。它不需要知道物体的速度、运动的物理特性，也不需要知道操作者是机器还是人。它仅仅通过观察过程，就能学习到运动的边界。通过将问题视为“框定场景”而非仅仅是“追踪点”，研究人员赋予了机器人一种更直观的观察世界的方式。这种能力对于未来的应用至关重要，例如机器人需要通过人类演示进行学习，或者监控复杂的、变化的环境，确保它们不会因为视野过窄或过远而错过任何一步。该系统证明，通过理解一个物体在一段时间内占据的空间，机器人可以像人类观察者一样有效地观察全局。

技术摘要：针对空间受限重复动态事件观察的零空间主动感知增强

问题陈述
本文解决了自主机器人观察者在监测“空间受限重复动态事件”（RDEs）时面临的主动感知挑战。这些事件是发生在有限空间区域内的重复性物理现象，但其动力学特性未知，且可能具有混沌或不可建模的特征（例如，人类执行重复性任务或进行机械实验）。

核心难点在于缺乏关于目标速度或未来轨迹的先验知识。标准的视觉伺服技术通常依赖于基于速度估计的前馈项，以将目标保持在视场（FOV）内。然而，当速度未知或不可预测时，这些方法难以维持目标在视场内，更不用说维持整个“运动区域”（ROM）了。作者定义了三个层级的目标：

首要目标： 将感兴趣点（POI）的瞬时位置保持在摄像机的视场（FOV）内。
次要目标（层级化）： 将估计的运动区域（ROM，即目标运动的包络面）保持在视场内，以确保目标在突然运动时不会消失。
次要目标（层级化）： 通过确保投影的运动区域在像素空间中占据实质性的预定义面积，来优化观察质量，从而充分利用传感器的精度。

方法论
所提出的解决方案是一种控制框架，通过利用观察者运动学系统的**零空间（null-space）**来增强初级视觉伺服任务。这使得机器人能够在不干扰保持目标可见这一首要任务的前提下，执行次级优化任务。

初级任务（瞬时视场维持）：
作者在像素空间中采用了障碍人工势场（BAP）。该势函数产生一个控制信号 ( $\dot{s}_c$ )，驱动摄像机使 POI 保持在图像内的“安全区域”内。当 POI 接近图像边界时，势函数趋于无穷大，从而产生一种斥力，防止目标离开视场。这确保了即使在没有速度前馈的情况下也能实现鲁棒跟踪。
运动区域（ROM）的估计：
由于动力学特性未知，系统使用演化的高斯分布递归地估计 ROM：

系统维护一个 3D 空间中的均值 ( $\mu_{S,k}$ ) 和协方差 ( $\Sigma_{S,k}$ )。
这些参数通过引入遗忘因子 ( $b$ ) 进行递归更新，以适应运动包络的变化（例如，如果人类表演者的工作空间扩大）。
该 3D 高斯分布通过 Van der Merwe 的缩放无迹变换（SUT） 投影到 2D 图像平面。这处理了非线性的针孔投影，生成一个由 2D 像素空间中的均值 ( $\mu_{p,k}$ ) 和协方差 ( $\Sigma_{p,k}$ ) 表征的 2D 高斯分布。该分布的边界近似为投影的运动区域 ( $H(t)$ )。

零空间增强（次级任务）：
次级控制信号 ( $v_n$ ) 在视觉雅可比矩阵 ( $L$ ) 的零空间内运行。其目标是调整摄像机位姿，使投影的 ROM 椭圆与期望的大小 ( $a^*_M$ ) 和方向 ( $\theta^*_M$ ) 相匹配。

控制律最小化当前投影椭圆的长轴与期望值之间的误差。
该信号通过一个“螺旋运动”雅可比矩阵进行滤波，确保摄像机沿其深度轴（放大/缩小）移动，并绕光轴旋转以对齐椭圆。
最终指令速度是基于 BAP 的初级速度与零空间增强速度之和。

核心贡献

新颖的零空间增强： 本文提出了一种通过利用主视觉伺服任务的零空间来增强主动感知的方法。不同于以往侧重于避免关节极限或遮挡的零空间应用，这项工作专门针对“运动包络感知”的优化。
无模型估计： 该方法不需要目标的先验动力学知识或速度估计。它仅依赖于位置测量，利用高斯水平集递归地估计运动包络。
利用 SUT 进行视觉规划： 该方法利用缩放无迹变换将 3D 运动统计数据投影到 2D 视觉平面，从而使控制器能够对整个运动区域的可见性进行推理，而非仅仅关注单个点。
层级化控制： 该框架成功地将目标的即时安全性（FOV 约束）与观察质量（包络可见性）解耦，使机器人能够在运动包络扩大时“缩小视角”以观察全局，并在包络收缩时“放大视角”以提高分辨率。

实验结果
该方法使用配备内置 Realsense D435 摄像机的 UR10e 机器人，在两种场景下进行了评估：

机器人表演者场景： 一台 UR3e 机器人生成了欠阻尼振荡运动（模拟弹簧-质量系统），具有两种不同的初始条件（水平和 45 度倾斜的椭圆）。
人类表演者场景： 一名人类进行木材打磨任务，最初在一个较小的区域内，随后扩大到较大的区域，最后返回到较小的区域。

定量发现：

中心可见性： 采用所提增强方案后，在所有场景中，估计的 ROM 中心始终保持在视场内，时间占比达 100%（未使用增强时为 97.5–98.2%）。
全椭圆可见性： 最显著的改进在于保持整个运动包络在视场内。
- 在人类表演者场景中，全椭圆保持在视场内的时长从（无增强时的）28.2% 增加到了 85.8%。
- 对于机器人表演者，观察到的改进从约 66–75% 提升至 94–96%。
定性观察： 系统展示了自动调节摄像机距离的能力。当人类扩大工作空间时，机器人向后移动以捕捉更大的包络；当人类回到较小区域时，机器人靠近以提高观察分辨率。

意义与主张
作者声称，这项工作为观察动力学未知或具有混沌特性的空间受限 RDEs 提供了一种鲁棒策略。其重要性在于系统能够“理解”观测运动的边缘，并将整个动态目标的行为行为维持在视场内。

作者谦虚地将该方法定位为现有主动感知框架（如预设性能控制或标准视觉伺服）的一种增强，而非替代。作者指出，通过在零空间内运行，该方法在不损害保持目标可见性这一主要安全约束的前提下，提高了观察质量和跟踪可靠性。作者强调了其在诸如模仿学习（LbD）等领域的潜在应用价值，在这些领域中，捕捉人类动作的全过程至关重要，同时也适用于监控和观察机械实验。

类似论文