具有保证无源性和预设性能的基于能量罐可变导纳视觉伺服
《Control Engineering Practice》:Energy tank-based variable-admittance visual servoing with guaranteed passivity and prescribed performance
【字体:
大
中
小
】
时间:2026年08月28日
来源:Control Engineering Practice 5.3
编辑推荐:
摘要:在复杂且动态变化的环境中,现有的基于视觉的顺应性控制系统面临着同时保证相机视野(FOV)约束与交互顺应性的固有挑战。为解决这一问题,本文提出了一种新的可变顺应性视觉伺服框架,将势垒函数与能量储槽机制相结合。在统一的视觉-力融合框架下,当力矩不可测量时,外部交互力通过配置
摘要:在复杂且动态变化的环境中,现有的基于视觉的顺应性控制系统面临着同时保证相机视野(FOV)约束与交互顺应性的固有挑战。为解决这一问题,本文提出了一种新的可变顺应性视觉伺服框架,将势垒函数与能量储槽机制相结合。在统一的视觉-力融合框架下,当力矩不可测量时,外部交互力通过配置依赖的映射投影到视觉特征空间;当力矩可测量时,通过用户定义的虚拟投影(具有恒定的期望惯性)进行投影。同时采用预设性能控制策略,将复合视觉特征跟踪误差限制在预先定义的瞬态和稳态范围内。该方法能够实时调整顺应性参数以将视觉跟踪误差调节在预设性能范围内,从而有助于维持特征可见性,降低特征在图像边界附近丢失的风险。同时,引入基于势垒函数的能量储槽,以调节参数变化过程中的能量交换,从而保证系统的无源性。在Franka Emika Panda机器人上进行的对比实验表明,所提方法能够有效地将视觉特征维持在预设性能范围内并实现顺应性交互。与固定参数顺应性控制相比,该方法在鲁棒性、稳定性和安全性方面表现显著提升,验证了其在动态交互视觉伺服任务中的有效性。
引言:视觉伺服是一种基本的机器人控制范式,通过视觉反馈调节运动。通常采用两种典型配置:手眼相机方案,即相机安装在机器人末端执行器上;眼在相机方案,即相机固定在工作空间中以外部视角观察机器人。根据视觉反馈的表示方式,视觉伺服方法通常分为基于图像的视觉伺服(IBVS)和基于位置的视觉伺服(PBVS)。IBVS直接在图像平面中利用视觉特征制定控制律,而PBVS则依赖于重建的三维位姿信息。由于对建模不确定性和相机标定误差具有较强的鲁棒性,IBVS特别适用于非结构化环境和实际机器人应用。
尽管具有这些优势,仅依靠视觉的视觉伺服在物理交互任务中存在根本性局限。仅凭视觉反馈无法捕捉接触力或物体刚度等关键物理属性,而这些属性对于安全和精确的操作至关重要。为克服这一缺陷,顺应性或阻抗控制策略被广泛采用,以调节机器人在富含接触交互时的顺应性。因此,现代机器人系统越来越多地通过结合全局视觉感知与局部力觉或触觉感知来集成异构感知模态。然而,视觉与力觉传感之间在带宽、采样率和延迟方面的显著差异,对它们在一个统一控制框架中的协同集成构成了重大挑战。
为应对视觉-力融合控制,已有多种方法被提出。Ming等人提出了一种两阶段齿轮装配策略,将视觉定位与力触发的相位切换及深度强化学习相结合。然而,在该框架中,力觉传感主要用于相位检测,而非显式纳入控制律,这限制了其在未知或快速变化接触条件下的适应性。Kohler等人提出了一种基于等变神经网络端到端的视觉-力学习框架,取得了令人瞩目的泛化能力和样本效率。然而,纯数据驱动方法往往存在可解释性有限、数据需求大以及缺乏形式化安全和稳定性保证等问题,从而限制了其在安全关键的工业环境中的部署。此外,基于模型的混合视觉-力控制方案也被广泛探索。Oliva等人开发了一种通用的视觉/力控制框架,其中视觉任务定义运动方向,而顺应性则沿视觉特征方向强制实现。然而,此类方法的表现高度依赖手动调优的阻抗或顺应性参数,这些参数难以在线调整且对任务条件变化的鲁棒性不足。
除了视觉-力集成之外,将视觉特征保持在相机视野之内是视觉伺服系统的另一项关键需求。IBVS中的特征丢失或边界饱和可能导致性能下降、不稳定甚至任务失败。为解决这一问题,模型预测控制(MPC)和在线二次规划方法已被开发用于显式强制可见性约束。尽管有效,这些基于优化的方法往往会产生巨大的计算开销,并在接近约束边界操作时可能生成不连续的控制输入。因此,基于势垒函数的方法引起了越来越多的关注。Jiang等人利用势垒函数保证视野约束,但依赖于滑模控制,导致颤振现象。后续工作使用预设性能势垒公式缓解了这一问题,但并未显式保证顺应性交互。最近,Wang等人将顺应性控制与势垒李雅普诺夫函数结合,以确保视觉可见性同时实现顺应性交互。然而,视觉特征的变化速率未受到显式约束,这可能导致特征速度过大。Wang等人进一步提出了一种自适应刚度视觉伺服方法,其中非对称势垒李雅普诺夫函数强制视野约束,而刚度参数则根据视觉跟踪误差在线调整。虽然此类策略提高了适应性,但时变顺应性参数可能注入或耗散不受控的能量,从而违反无源性,并在与被动环境交互时产生潜在振荡不稳定性。这一局限在物理人-机器人交互和富含接触的操作任务中构成了关键的安全隐患。
基于上述观察,本文提出了一种新的可变顺应性视觉伺服框架,将势垒函数与能量储槽机制相结合。所提方法直接在视觉特征空间中运行,其中外部交互力被严格地投影为虚拟力,而顺应性参数则根据复合视觉特征跟踪误差自适应调节。势垒函数被用于对复合视觉跟踪误差强制预设性能范围。通过适当选择期望特征位置和性能包络,在整个任务过程中可保持视觉特征的可见性。为解决时变顺应性参数引起的无源性问题是,引入能量储槽机制以显式调节参数适应过程中的能量交换,确保在任意外力作用下闭环系统的无源性。本文的主要贡献总结如下:
1) 提出了一种具有预设性能的可变顺应性视觉伺服框架。与现有固定参数投影方法相比,本文直接由复合视觉跟踪误差驱动,实现在线自适应顺应性参数,从而在变化的接触条件下实现协同的视觉跟踪与顺应性交互。
2) 控制架构独特地结合了两项具有明确功能分工的互补技术:(i) 设计了基于势垒函数的自适应律,以强制复合误差的预设性能范围,从而保证用户定义的收敛速率和有界的视觉特征偏差。当预设性能规范在合适的可见性余量内选择时,可在整个任务过程中保持特征可见性。(ii) 集成能量储槽机制以显式调节与参数变化相关的功率流,从而在时变顺应性下严格保证闭环系统的无源性。
3) 提供了详尽的理论分析和实验验证。基于李雅普诺夫的分析保证了视野约束满足和预设性能,而能量储槽确保了闭环无源性。与固定参数顺应性控制相比,所提方法实现了更优的跟踪精度、顺应性和鲁棒性;与基于MPC的方法相比,它显著减少了计算开销。此外,不同于为折中顺应性而采用的高增益固定顺应性设计,所提可变策略仅在视觉任务面临风险时自适应地增加刚度,在跟踪精度与交互安全之间提供了更好的平衡。
本文其余部分组织如下:第2节介绍机器人运动学和视觉伺服公式。第3节提出融入势垒函数和能量储槽机制的可变顺应性控制框架。第4节报告了对比实验结果以验证所提方法的有效性。预设性能、能量储槽有界性和闭环无源性的形式化证明附于附录中。
片段:机器人操作器的运动学与动力学:考虑一个自由度为 n 的机器人操作器,其关节构型为??∈??,其中??˙和???分别表示关节速度和关节加速度。设??????∈??表示在末端执行器坐标系Σe中表达的末端执行器笛卡尔位姿,其中 m 为任务空间的维度。相应的末端执行器速度???????通过以下方式与关节速度相关联:???????=??????(??)??˙,其中??????(??)∈????表示末端执行器雅可比矩阵。机器人动力学可由以下描述。
基于视觉的可变顺应性控制框架:本节提出了一种直接在视觉特征空间运行的无源性保证的可变顺应性控制框架。所提方法将势垒函数与能量储槽机制相结合,在保持视觉特征可见性的同时通过预设性能调节实现顺应性参数的自主在线调整。通过将物理交互力投影到视觉特征空间,并通过势垒调节所结果动力学。
实验:实验旨在验证所提可变顺应性控制器在具有代表性的人-机器人交互场景中的性能。在这种设置下,机器人需要在与人类操作者或环境物体发生物理接触时既实现精确的视觉跟踪,又表现出顺应性响应。这种顺应性行为对于减轻冲击力和降低碰撞或外部扰动情况下的损坏风险至关重要。
实验结论:
结论:本文提出了一种新的可变顺应性视觉伺服框架,直接在视觉特征空间中统一相机视野约束强制与物理交互控制。通过将外部交互力映射到特征空间——对于未测量的力矩通过物理基础的投影,对于测量的力矩通过用户定义的虚拟投影(具有恒定的期望惯性)——并通过势垒自适应地调节顺应性参数。
CRediT作者贡献声明:Huang Linfeng:写作 - 审阅与编辑,写作 - 原创草稿,方法,调查,概念化。Wang Dong:方法。Su Housheng:写作 - 审阅与编辑,监督。Ye Yanyan:调查,数据整理。Liu Yong-Hua:写作 - 审阅与编辑,监督,获取资金。Su Chun-Yi:写作 - 审阅与编辑,验证,形式化分析。Lu Renquan:写作 - 审阅与编辑,监督,资源。
利益冲突声明:作者声明,他们没有已知的相互竞争的经济利益或个人关系可能会影响本文所报告的工作。
Linfeng Huang | Dong Wang | Housheng Su | Yanyan Ye | Yong-Hua Liu | Chun-Yi Su | Renquan Lu 教育部低空感知检测技术与智能物联工程研究中心、粤港澳智能决策与协同控制联合实验室、广东省智能决策与协同控制重点实验室、广东工业大学自动化学院,广州,510006,中国
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号