摘要：雙臂協(xié)作機器人是當今機器人學(xué)科研究的一個(gè)熱點(diǎn)方向，是實(shí)現柔性生產(chǎn)、智慧制造的關(guān)鍵技術(shù)之一。本文介紹了工業(yè)、服務(wù)、軍事及特種應用的雙臂協(xié)作機器人研究現狀，討論了熱點(diǎn)研究問(wèn)題，對雙臂協(xié)作機器人的未來(lái)研究方向進(jìn)行了探討。

關(guān)鍵詞：雙臂機器人；智能制造；協(xié)作控制

Abstract: Dual-arm collaborative robot technology is one of the hot direction in robotics research, and is a key technology to realize flexible production and intelligent manufacturing. This paper introduces the research and development status in its application fields of industry, services sector, military use and special application. And discusses its hot issues. Finally, some research directions in dual-arm collaborative robot are expected.

Key words: Dual-arm collaborative robot; Intelligent manufacturing; Coordination control

1　引言

隨著(zhù)社會(huì )經(jīng)濟發(fā)展、科技進(jìn)步及工業(yè)水平提高，以德國“工業(yè)4.0”為代表的智慧工業(yè)發(fā)展模式在世界范圍內廣受關(guān)注。在智能制造領(lǐng)域，雙臂協(xié)作機器人比傳統單臂具有更高的靈活性、操作性和負載能力等，因而受到了學(xué)術(shù)界和工業(yè)界的高度關(guān)注。雙臂機器人有如下幾方面特點(diǎn)：一是通過(guò)雙臂協(xié)作配合作業(yè)，無(wú)論面對剛性還是柔性物體，抓取和移動(dòng)物體能力強；二是雙臂協(xié)作機器人在工作時(shí)可有效避免兩臂間的碰撞；三是兩臂可配合實(shí)現復雜任務(wù)的有序控制，減少對工裝夾具的依賴(lài)[1]。這些特點(diǎn)使雙臂協(xié)作機器人可實(shí)現對復雜工作任務(wù)的處理，適應多變工作環(huán)境，很好地滿(mǎn)足了新工業(yè)模式柔性化定制的要求。

雙臂共同完成任務(wù)的方式在機器人的早期研究中就已出現[2]。上世紀七、八十年代，在單臂研究的基礎上，雙臂機器人協(xié)調控制的理論被逐步建立起來(lái)，這一時(shí)期主要研究了雙臂和被控對象形成的閉鏈運動(dòng)學(xué)以及力的控制問(wèn)題。90年代始，科研人員對雙臂機器人的運動(dòng)規劃、協(xié)調控制算法、力或力矩控制等進(jìn)行了研究[3]。進(jìn)入新世紀以后，隨著(zhù)人工智能技術(shù)發(fā)展，學(xué)者們將強化學(xué)習、深度學(xué)習、遺傳算法等理論方法應用在雙臂協(xié)作機器人控制和規劃研究上，取得了較好的效果；同時(shí)隨著(zhù)硬件技術(shù)的提高，雙臂協(xié)作機器人開(kāi)始商業(yè)化，對人們的生活、工業(yè)發(fā)展產(chǎn)生了很大影響。

本文首先闡述雙臂協(xié)作機器人在國內外幾個(gè)主要領(lǐng)域的研究現狀，其次介紹雙臂智能協(xié)作方法、任務(wù)規劃和基于網(wǎng)絡(luò )的雙臂機器人技術(shù)幾個(gè)熱點(diǎn)研究問(wèn)題。最后本文對雙臂協(xié)作機器人技術(shù)未來(lái)研究方向進(jìn)行了展望，并介紹了作者團隊在該領(lǐng)域的研究成果。

2　研究現狀

本節根據雙臂協(xié)作機器人在工業(yè)、服務(wù)、軍事、特種作業(yè)方面的應用，介紹國內外研究現狀。

2.1　工業(yè)雙臂機器人

國外在工業(yè)雙臂機器人領(lǐng)域的研究較早，很多公司推出了其工業(yè)化產(chǎn)品，例如日本安川MOTOMAN-SDA系列、美國Rethink的Baxter、愛(ài)普生WorkSense、瑞士ABB的YuMi等。

日本安川以取代人在工業(yè)生產(chǎn)中的組裝、分裝、維護等工作為初衷，推出了MOTOMAN-SDA系列雙臂機器人，如圖1（1）所示。該機器人除具有兩個(gè)7自由度冗余機械臂外，最大的特點(diǎn)是具有可靈活轉動(dòng)的腰部，使其媲美人類(lèi)上肢[4]。Rethink推出的Baxter是全智慧機器人球應用最廣泛的雙臂機器人之一，已經(jīng)應用在全球400多所高校及研究機構。該機器人的特點(diǎn)是具有豐富的傳感器組件，包括環(huán)繞聲吶、視覺(jué)傳感器、紅外測距儀、力和運動(dòng)傳感組件，幫助其在不特定工業(yè)環(huán)境中完成復雜操作。愛(ài)普生WorkSense W-01雙臂機器人安裝有移動(dòng)輪，可以在不同地點(diǎn)完成組裝、搬運和其他各種任務(wù)，適應更為復雜的工業(yè)制造環(huán)境。

近年來(lái)，人機交互成為工業(yè)機器人的研發(fā)熱點(diǎn)之一，2015年ABB公司展示了首個(gè)真正意義上的人機交互雙臂機器人YuMi，用于實(shí)現其“物、服務(wù)與人互聯(lián)”戰略[5]。YuMi機器人雙臂以軟性材料包裹，手臂靈巧且腕部配備六維力傳感器，在開(kāi)放環(huán)境中工作可保障其人類(lèi)“同事”的安全[6]。在2019中國國際工業(yè)博覽會(huì )上，YuMi雙臂機器人展示了制造手表的“未來(lái)工廠(chǎng)”，利用一系列柔性高效的數字化技術(shù)實(shí)現定制腕表的批次實(shí)時(shí)裝配，如圖1（2）所示。

(1) SDA工件加工                  (2) YuMi裝配手表

圖1 工業(yè)雙臂機器人[4,5]

我國的雙臂機器人雖起步較晚，但近年來(lái)也涌現出一批優(yōu)秀成果。2015年底，北京大學(xué)智能機械系統實(shí)驗室研發(fā)出雙臂機器人“WEE”[7]。該機器人從機械結構、電氣到控制方面均為模塊化設計，系統可擴展到二十個(gè)關(guān)節。WEE采用無(wú)縫銜接的分區域阻尼控制，機器人末端阻尼和剛度完全解構，具有很高的柔順性[8]，可很好地實(shí)現人機協(xié)作。武漢的庫柏特推出了具有3D運動(dòng)視覺(jué)功能雙臂機器人CAssembly，其末端可自適應選配的多種手抓，雙臂可自動(dòng)實(shí)現運動(dòng)規劃、柔性操作、碰撞檢測及協(xié)作控制等功能。沈陽(yáng)的新松機器人推出的DSCR3、DSCR5雙臂協(xié)作機器人具有機器視覺(jué)功能，可實(shí)現擰緊裝配、拋光打磨、視覺(jué)檢測等工業(yè)生產(chǎn)任務(wù)。

2.2　服務(wù)雙臂機器人

雙臂機器人的仿人特性使其從外觀(guān)和行為上都更為人所接受，通過(guò)模仿人的手臂動(dòng)作可完成烹飪、送餐、照料等服務(wù)工作，降低服務(wù)業(yè)人工成本。服務(wù)用雙臂機器人與人直接接觸，需要面對復雜多變的工作環(huán)境，因此通常配備機器視覺(jué)，具有柔順控制和人機交互等功能。

雙臂機器人用來(lái)為人們提供服務(wù)的想法由來(lái)已久，早在2008年，日本安川電機利用SDA10雙臂機器人表演了翻轉和烹飪日式煎餅。之后日本本田開(kāi)發(fā)的Asmio仿人機器人通過(guò)對末端運動(dòng)的感知，協(xié)調完成了端茶倒水的工作[9]。如圖2（2）所示。但彼時(shí)的機器人智能化程度不高，大部分工作需預先編制指令，在復雜的應用場(chǎng)景無(wú)法自動(dòng)識別。隨著(zhù)人工智能技術(shù)水平的提高，涌現出采用機器視覺(jué)、機器學(xué)習、信息融合等技術(shù)的智慧化雙臂服務(wù)機器人。例如同樣是食物煎烤，2015年歐洲RoboHow項目研制的PR2雙臂煎餅機器人能利用網(wǎng)絡(luò )信息，通過(guò)經(jīng)驗學(xué)習和人工訓練學(xué)會(huì )新的服務(wù)技能。如圖2（1）所示。

近年來(lái)，服務(wù)機器人智能化程度進(jìn)一步提高。在2019中國國際工業(yè)博覽會(huì )上，ABB展示了YuMi雙臂機器人在垃圾回收上的應用。該展示根據上海市最新生活垃圾管理條例開(kāi)發(fā)了分揀解決方案，通過(guò)機器人、神經(jīng)網(wǎng)絡(luò )技術(shù)、傳感器融合實(shí)現垃圾分類(lèi)和揀選，如圖2（3）所示。我國新松機器人在2020年中國工博會(huì )上展示了DSCR3雙臂協(xié)作機器人在分層調酒上的應用，使用者選擇酒品種類(lèi)、下單，雙臂協(xié)作機器人根據訂單，自動(dòng)完成取杯、取酒、分層、引流、倒酒等一系列調酒動(dòng)作，按照酒類(lèi)密度大小對雞尾酒進(jìn)行分層，并最終將調制好的雞尾酒放置在指定區域。如圖2（4）所示。

(1) PR2煎餅           (2) Asmio端茶

(3) YuMi垃圾分類(lèi)          (4) DSCR3調酒

圖2 服務(wù)雙臂機器人[9]

2.3　軍用警用雙臂機器人

美國在軍用機器人的研制上處于領(lǐng)先地位，2013年首次向公眾展示波士頓動(dòng)力公司為美軍研制的先進(jìn)人形機器人“阿特拉斯”。該機器人高1.88米，重150千克，通過(guò)液壓驅動(dòng)全身關(guān)節，采用激光雷達、立體傳感器采集環(huán)境狀況，可實(shí)現大步前進(jìn)、避障和平穩跳落等功能，可用于實(shí)現軍事救援等多種任務(wù)[10]，如圖3（1）所示 。

在我國，軍用警用雙臂機器人主要應用在防爆等任務(wù)上。北京航天微機電技術(shù)研究所研制出國內首臺警用多功能人機隨動(dòng)雙臂機器人，可應用于警用排爆，圖3(3)是該機器人增加疫情防控模塊后在體溫檢測上的應用。深拓科技開(kāi)發(fā)出四輪移動(dòng)的排爆雙臂機器人KT200，通過(guò)雙臂協(xié)作配合，該機器人適用于復雜物體的拆解操作，可用于公安、軍事以及核工業(yè)等危險、有害環(huán)境下的作業(yè)，如圖3（2）所示。

(1) Atlas機器人    (2) KT200防爆       (3) 防疫體溫測量

圖3 軍用雙臂機器人[10]

2.4　特種雙臂機器人

雙臂機器人在如太空、海洋、核電等復雜空間環(huán)境中可以像人一樣發(fā)揮雙臂靈活操作的優(yōu)勢，是這一領(lǐng)域中用來(lái)探測、維修的重要設備。

加拿大團隊研制的Dextre是國際空間站著(zhù)名的機器人，如圖4（1）所示。該機器人可利用其雙臂協(xié)助宇航員太空行走，以及代替宇航員從事一些危險的艙外作業(yè)[11]。德國航天中心研制的Rollin Justin雙臂機器人全身共51個(gè)自由度，可用于太空任務(wù)[12]，圖4（2）為該機器人正在接受來(lái)自國際太空站宇航員的命令，在模擬火星的地球表面完成移動(dòng)、導航、維修等任務(wù)[13]。美國休斯敦機電公司（HMI）開(kāi)發(fā)了海洋探測用雙臂機器人Aquanaut，該機器人深潛至任務(wù)現場(chǎng)后，可整體變形，伸出兩只配備力傳感器的爪式夾鉗，實(shí)現深海設備的遠程修復[14]。如圖4（3）所示。

在特種用途的雙臂機器人領(lǐng)域，我國的中國電子科技集團第二十一研究所、深拓科技等公司先后研制了適用特種場(chǎng)合的雙臂協(xié)作機器人。其中后者開(kāi)發(fā)出一款結構新穎的KRV高壓輸電線(xiàn)路帶電作業(yè)巡線(xiàn)檢修機器人，該機器人可沿線(xiàn)路軌道移動(dòng)，通過(guò)雙臂協(xié)作實(shí)現更換輸電網(wǎng)上防震錘等線(xiàn)路金具等任務(wù)。如圖4（4）所示。

(1) Dextre空間站維護     (2) Rollin Justin模擬火星任務(wù)

(3) Aquanaut      (4) KRV電力檢修

圖4 特種雙臂機器人[15-18]

3　熱點(diǎn)研究問(wèn)題

從建模、協(xié)作控制到任務(wù)規劃，雙臂協(xié)作機器人的研究方向很多，本節選擇智能協(xié)作方法、任務(wù)規劃、基于網(wǎng)絡(luò )的雙臂機器人技術(shù)等幾個(gè)研究熱點(diǎn)問(wèn)題進(jìn)行闡述。

3.1　雙臂機器人智能協(xié)作方法

雙臂機器人在協(xié)同工作時(shí)，兩臂存在物理耦合，需通過(guò)通信或控制使得一條機械臂對另一條的動(dòng)作做出相應運動(dòng)決策，從而實(shí)現對被操作體的協(xié)作。

（1）雙臂協(xié)作的約束

為完成復雜任務(wù)，雙臂需共同抓持或操作某一物體，該物體與機器人的兩臂構成閉合運動(dòng)鏈，雙臂的操作和運動(dòng)需滿(mǎn)足位姿間的約束關(guān)系。閉合鏈的約束關(guān)系使兩臂各自的運動(dòng)變得復雜，主要包括自由度約束、可達空間約束、軌跡約束、力約束等幾種類(lèi)型[15]。

這種復雜約束難以求解，目前常利用D-H法得到雙臂協(xié)作的閉鏈運動(dòng)模型，利用機械臂末端和關(guān)節的速智慧機器人度關(guān)系求得雅可比矩陣，根據雙臂抓持剛體、操作旋轉連桿、操作球面副連桿等常見(jiàn)操作類(lèi)型具體求得兩臂位置、速度和加速度的關(guān)系[16]。

（2）協(xié)作控制方法

雙臂機器人的協(xié)作控制問(wèn)題是在一定的運動(dòng)約束下，對兩機械臂進(jìn)行運動(dòng)和力控制。主要控制方法有主從控制、力位混合控制、反饋線(xiàn)性化方法、阻抗控制、智能控制等[3]。

其中力位混合控制理論方法明確，可綜合控制協(xié)作時(shí)雙臂相對位置和閉鏈內力[17]。阻抗控制通過(guò)控制力與位置間的動(dòng)態(tài)關(guān)系實(shí)現柔順控制，實(shí)現了機械臂與環(huán)境動(dòng)態(tài)接觸力的控制[18]，廣泛應用于零件裝配領(lǐng)域。為克服雙臂建模中的非線(xiàn)性、時(shí)變、不確定問(wèn)題，近年來(lái)學(xué)者提出一系列智能控制方法，如基于模糊控制[19]、神經(jīng)網(wǎng)絡(luò )[20]、智能優(yōu)化等方法[21]。

（3）雙臂協(xié)作規劃

為完成協(xié)作任務(wù)，需在工作空間中確定無(wú)碰撞的運動(dòng)路徑，使機器人末端運動(dòng)到特定目標位姿。方法上可分為規劃型、反應型兩大類(lèi)[22]。

規劃型方法是將雙臂無(wú)碰撞運動(dòng)規劃問(wèn)題轉化為帶約束的優(yōu)化問(wèn)題，通過(guò)設置關(guān)節運動(dòng)、力矩和防自碰撞約束，使用最優(yōu)化方法求解[23]。反應性方法以人工勢場(chǎng)法[24]為基礎，根據兩臂間及與障礙間距離建立虛擬斥力勢場(chǎng)，引導兩臂實(shí)現無(wú)自碰撞運動(dòng)。為提高規劃可靠性，運動(dòng)時(shí)還需實(shí)時(shí)檢測可能發(fā)生的碰撞，方法上有基于幾何模型[25]和基于機器視覺(jué)[26]的自碰撞檢測，可在碰撞前引導機器人停止或遠離碰撞位置。

3.2　雙臂協(xié)調任務(wù)規劃方法

在一定的應用場(chǎng)合下，雙臂機器人必須得到具體的任務(wù)指令序列，才能在雙臂協(xié)作控制下實(shí)現對任務(wù)工序的逐項操作。任務(wù)規劃即是將總任務(wù)分解為動(dòng)作序列的過(guò)程。

任務(wù)規劃的大致流程如圖5所示，規劃器根據知識庫逐層實(shí)現任務(wù)的分解。根據雙臂機器人的特點(diǎn)，知識庫包含協(xié)作約束、操作、動(dòng)作等內容，通過(guò)分層規劃最終分解為動(dòng)作序列。任務(wù)規劃和路徑規劃是串聯(lián)關(guān)系，任務(wù)規劃得到的具體動(dòng)作再經(jīng)路徑規劃形成機器人的可執行命令。

圖5 雙臂協(xié)調任務(wù)規劃流程圖

任務(wù)規劃主要有針對特定場(chǎng)合的規劃、知識推理的規劃、人工智能方法的規劃三類(lèi)方法。許多學(xué)者在特定場(chǎng)合下，對雙臂機器人的任務(wù)分解進(jìn)行了研究，如在醫療手術(shù)[27]、仿人運動(dòng)[28]、零件裝配[29]等方面的雙臂任務(wù)規劃。部分學(xué)者從知識和邏輯表示方向處理兩臂調度問(wèn)題，通過(guò)描述邏輯表示知識，經(jīng)邏輯處理得到任務(wù)分解方案[30]。人工智能規劃方法則通過(guò)預定的工作目標、執行環(huán)境和預定義的可執行動(dòng)作，在得到任務(wù)輸入后通過(guò)分層規劃器求得最優(yōu)化解，實(shí)現任務(wù)的自動(dòng)規劃，目前該方法日益得到學(xué)者的重視[31]。

3.3　基于網(wǎng)絡(luò )的雙臂機器人技術(shù)

許多復雜任務(wù)需要通過(guò)人的雙手完成，但在太空、深海、核工業(yè)環(huán)境等特殊環(huán)境里人很難直接參與，需要運用遠程操作方式通過(guò)擬人雙臂機器人實(shí)現操作?；诰W(wǎng)絡(luò )的雙臂機器人技術(shù)不僅可以由人遠程控制，而且充分發(fā)揮雙臂協(xié)作的特點(diǎn)，使操作者不必擔心碰撞問(wèn)題?；诰W(wǎng)絡(luò )的雙臂機器人控制結構如圖6所示。

圖6 基于網(wǎng)絡(luò )的雙臂機器人控制系統結構

在遠程信息獲取方面，利用現場(chǎng)圖像及各傳感器信息，構建虛擬現實(shí)環(huán)境是實(shí)現網(wǎng)絡(luò )化控制的關(guān)鍵[32]，在此基礎上操作員可在本地仿真平臺中實(shí)現雙臂機器人的操作，但目前快速準確地在線(xiàn)建模還存在一定困難。在網(wǎng)絡(luò )層面上，通信網(wǎng)絡(luò )可采用因特網(wǎng)或其他工業(yè)總線(xiàn)，但必須考慮網(wǎng)絡(luò )延遲對操作結果的影響。一種處理方法是在本地仿真平臺測試操作無(wú)誤后，用延遲發(fā)送指令的方式控制遠端雙臂機器人。也有學(xué)者提出提高網(wǎng)絡(luò )同步性，及采用如徑向基神經(jīng)網(wǎng)絡(luò )實(shí)現網(wǎng)絡(luò )延遲預測處理網(wǎng)絡(luò )的不穩定性[33]。

除通過(guò)網(wǎng)絡(luò )對機器人直接控制外，有學(xué)者提出監督控制和共享控制方式，前者主要依靠遠程雙臂機器人的自主能力，操作人員作適當干預；后者則由人和機器人共同控制，發(fā)揮兩者優(yōu)勢[34]。但這幾種人機參與方式對機器人自身的智能程度提出了更高的要求。

4　未來(lái)研究方向

就雙臂協(xié)作機器人的現狀而言，雖然各大機器人廠(chǎng)商紛紛推出各自型號的雙臂機器人，但這些機器人能適應的工作場(chǎng)景仍然有限。它們在“形”上已能滿(mǎn)足擬人工作的要求，在“智”上還有待進(jìn)一步提高。本文認為未來(lái)主要的研究方向有如下四個(gè)方面。

（1）智能協(xié)作控制方面。還需進(jìn)一步研究如何融合傳感器采集到的力、距離、圖像等信息，為機器人控制提供準確輸入，以及如何設計自適應控制率以應對輸入信息的誤差和機器人系統本身的非線(xiàn)性與時(shí)變問(wèn)題。

（2）雙臂運動(dòng)規劃方面。雙臂協(xié)作，甚至多臂協(xié)作所帶來(lái)約束的復雜程度高，快捷、動(dòng)態(tài)地實(shí)現軌跡規劃，特別是高效地避免碰撞算法，以及軌跡最優(yōu)化方法值得進(jìn)一步探究。

（3）雙臂協(xié)作任務(wù)規劃方面。目前雙臂機器人實(shí)現的協(xié)作任務(wù)還較為有限，需進(jìn)一步研究基于人工智能方法實(shí)現自主任務(wù)分配問(wèn)題，以及在任務(wù)層面的雙臂機器人優(yōu)化協(xié)作問(wèn)題。

（4）人機交互方面。目前仍主要通過(guò)程序命令方式實(shí)現雙臂機器人的控制，需進(jìn)一步研究機器人自主學(xué)習方法，采用意圖編程模式替代動(dòng)作過(guò)程編程方式。

5　本研究團隊的工作

本研究團隊近年在國家重點(diǎn)研究計劃、國家自然科學(xué)基金等項目支持下，對雙臂協(xié)作機器人運動(dòng)控制、軌跡規劃、雙臂協(xié)作試驗平臺及控制器開(kāi)發(fā)等方面開(kāi)展了研究，并取得了多項創(chuàng )新成果。

（1）雙臂機器人協(xié)作控制方法方面。針對板材安裝過(guò)程使用彈簧-阻尼模型對雙臂間約束關(guān)系進(jìn)行建模，建立了機械臂和墻壁間接觸力模型，利用雙臂間彈簧-阻尼模型引入虛擬恢復力，實(shí)現了主從式力位置混合控制。為提高板材安裝接觸力控制效果，減少接觸力模型和實(shí)際場(chǎng)景的偏差，使用深度強化學(xué)習方法來(lái)解決接觸力控制問(wèn)題。如圖7所示。

圖7 基于深度學(xué)習力控制的雙臂協(xié)調板材安裝

（2）雙臂機器人軌跡規劃方面。針對大型建筑構件3D打印時(shí)突破尺寸限制、幾何形狀復雜以及高曲率的特點(diǎn)，通過(guò)考慮幾何、力學(xué)、材料特性，分析約束條件，研究了自適應軌跡分層算法，同時(shí)開(kāi)發(fā)出雙臂機器人3D打印仿真平臺。

（3）雙臂機器人控制器方面。本團隊針對建筑機器人協(xié)作控制算法驗證實(shí)驗需要，開(kāi)發(fā)了一套雙臂機器人虛擬仿真系統，可開(kāi)展雙臂板材安裝、雙臂3D打印、雙臂木構件加工仿真實(shí)驗研究。在多年機器人控制器成果基礎上，開(kāi)發(fā)了基于高速以太網(wǎng)接口的雙臂機器人控制器，如圖8所示。

圖8 雙臂機器人控制器原理框圖

6　結語(yǔ)

智能機器人的發(fā)展將推動(dòng)工業(yè)智能化轉型，助力我國《中國制造2025》實(shí)現由工業(yè)大國發(fā)展為工業(yè)強國。本文展示了近年來(lái)國內外雙臂協(xié)作機器人的先進(jìn)成果，對幾個(gè)研究熱點(diǎn)問(wèn)題進(jìn)行了討論，對未來(lái)的研究提出了幾點(diǎn)看法。相信隨著(zhù)智能協(xié)作方法、人機交互、運動(dòng)規劃等關(guān)鍵問(wèn)題的突破，雙臂協(xié)作機器人將更加走近我們的生活，造福工業(yè)、醫療、服務(wù)、宇航等多個(gè)領(lǐng)域。

作者：王小龍（1989-），男，河南洛陽(yáng)人，博士研究生，現就讀于西安交通大學(xué)電子與信息學(xué)部，研究方向為群體智能與多機器人協(xié)作。

曹建福（1963-），男，陜西寶雞人，教授，博士生導師，現任西安交通大學(xué)自動(dòng)控制研究所所長(cháng)、中國自動(dòng)化學(xué)會(huì )建筑機器人專(zhuān)業(yè)委員會(huì )主任委員，研究方向為智能機器人、智能制造與智慧工廠(chǎng)。

參考文獻：

[1] 周驥平, 顏景平, 陳文家. 雙臂機器人研究的現狀與思考[J]. 機器人, 2001, (2) : 175 - 177.

[2] Smith C, Karayiannidis Y, Nalpantidis L, et al. Dual arm manipulation—A survey[J]. Robotics and Autonomous Systems, 2012, 60 (10) : 1340 – 1353.

[3] 方健. 冗余雙臂機器人在線(xiàn)運動(dòng)規劃與協(xié)調操作方法研究[D]. 合肥: 中國科學(xué)技術(shù)大學(xué), 2016.

[4] Kamiya, Yosuke, Asahi, Takefumi, Ando, Shingo, et al. Task oriented control with constraints for industrial robot[C]. International Symposium on Robotics. IEEE, 2014.

[5] ABB推出全球首款人機協(xié)作雙臂機器人YuMi[J]. CAD/CAM與制造業(yè)信息化, 2015, (5).

[6] Bjoern Matthias. New safety standards for collaborative robots, ABB YuMi? dual-arm robot[C]. Iros, Workshop "robotic Coworkers-methods, Challenges & Industrial Test Cases, 2015.

[7] 凌莉. "輕型臂WEE"引領(lǐng)中國協(xié)作機器人新紀元[J]. 中國科技產(chǎn)業(yè), 2016, (04) : 43 - 47.

[8] 劉立. 雙臂協(xié)作機器人引領(lǐng)中國機器人新紀元[J]. 機器人產(chǎn)業(yè), 2017, (01) : 46 - 49.

[9] Obaid M, Kistler F, HRing M, et al. A Framework for User-Defined Body Gestures to Control a Humanoid Robot[J]. International Journal of Social Robotics, 2014, 6 (3) : 383 - 396.

[10] 孫毅. 美國軍用地面仿生機器人發(fā)展[J]. 軍事文摘, 2015, (13) : 29 - 31.

[11]“奮進(jìn)”號宇航員太空組裝雙臂機器人[J]. 軍民兩用技術(shù)與產(chǎn)品, 2008, (4) : 8.

[12] Fuchs M, Borst C, Giordano P R, et al. Rollin' Justin - Design considerations and realization of a mobile platform for a humanoid upper body[C]. IEEE International Conference on Robotics & Automation, IEEE, 2009.

[13] Peter S, Daniel L, Thomas K, et al. Preliminary Insights From the METERON SUPVIS Justin Space-Robotics Experiment[J]. IEEE Robotics and Automation Letters, 2018 : 1.

[14] Manley J E, Halpin S, Radford N, et al. Aquanaut: A New Tool for Subsea Inspection and Intervention[C]. OCEANS 2018 MTS/IEEE Charleston, IEEE, 2018.

[15] 王樹(shù)新, 劉又午. 受控多體系統的力約束分析與實(shí)驗研究[J]. 天津大學(xué)學(xué)報:自然科學(xué)與工程技術(shù)版, 1997, 30 (05) : 601 - 606.

[16] 熊有倫, 李文龍, 陳文斌, 等. 機器人學(xué):建模、控制與視覺(jué)[M]. 華中科技大學(xué)出版社, 2018.

[17] 丁希侖. 擬人雙臂機器人技術(shù)[M]. 科學(xué)出版社, 2011.

[18] Schnieder S A. Object impedance control for cooperative manipulation: theory and experimental results[J]. IEEE Trans on Robotics & Automation, 1992, 8.

[19] 龐哲楠, 張國良, 陳志侃, 等. 變重力環(huán)境下雙臂空間機器人自適應模糊控制[J]. 計算機仿真, 2016, (5) : 308 - 314.

[20] Escande A, Miossec S, Kheddar A. Continuous gradient proximity distance for humanoids free-collision optimized-postures[J]. Hmanod Robo, 2008 : 188 - 195.

[21] 吳瑞芳, 賈訟敏. 粒子群算法優(yōu)化的雙臂機器人模糊邏輯控制仿真研究[J]. 中國工程機械學(xué)報, 2018, 16 (03) : 216 -220.

[22] Salehian S S M, Figueroa N, Billard A. A Unified Framework for Coordinated Multi-Arm Motion Planning[J]. International Journal of Robotics Research, 2018, 37 (10) : 027836491876595.

[23] Chrètien B, Escande A and Kheddar A. Gpu robot motion planning using semi-infinite nonlinear programming[J]. IEEE Transactions on Parallel and Distributed Systems, 2016, 27 (10) : 2926 – 2939.

[24] Khatib O. Real-Time Obstacle Avoidance for Manipulators and Mobile Robots[J]. International Journal of Robotics Research, 1986, 5 (1) : 90 - 98.

[25] C. Park. Self-collision detection & avoidance algorithm for a robot manipulator[J]. International Journal of Engineering and Innovative Technology, 2015, 5 : 139 – 142.

[26] Hermann A, Drews F, Bauer J, et al. Unified GPU voxel collision detection for mobile manipulation planning[C]. IEEE/RSJ International Conference on Intelligent Robots & Systems, IEEE, 2014.

[27] 吳啟菡. 面向手術(shù)器械分揀任務(wù)的雙臂機器人協(xié)同控制方法研究[D]. 哈爾濱: 哈爾濱工業(yè)大學(xué), 2019.

[28] Nakai H, Yamataka M, Kuga T, et al. Development of Dual-Arm Robot with Multi-Fingered Hands[C]. IEEE International Symposium on Robot & Human Interactive Communication. IEEE, 2006.

[29] J. K. Behrens, R. Lange and M. Mansouri. A Constraint Programming Approach to Simultaneous Task Allocation and Motion Scheduling for Industrial Dual-Arm Manipulation Tasks[J]. 2019 International Conference on Robotics and Automation (ICRA), 2019: 8705 - 8711.

[30] Tenorth M, Beetz M. KnowRob: A knowledge processing infrastructure for cognition-enabled robots[J]. International Journal of Robotics Research, 2013, 32 (5) : 566 - 590.

[31] Armin Müller, Kirsch A, Beetz M. Transformational Planning for Everyday Activity[C]. Proceedings of the Seventeenth International Conference on Automated Planning and Scheduling, 2007.

[32] 倪得晶, 宋愛(ài)國, 李會(huì )軍. 基于虛擬現實(shí)的機器人遙操作關(guān)鍵技術(shù)研究[J]. 儀器儀表學(xué)報, 2017, 38 (10) : 2351 - 2363.

[33] 趙長(cháng)軍, 王從慶. 基于神經(jīng)網(wǎng)絡(luò )延遲預測的Internet機器人遠程控制[J]. 計算機測量與控制, 2004, 12 (03) : 238 - 241.

[34] 戴廷飛, 劉邈, 葉陽(yáng)陽(yáng), 等. 人機共享控制機器人系統的應用與發(fā)展[J]. 儀器儀表學(xué)報, 2019, 40 (03) : 62 - 73.

摘自《自動(dòng)化博覽》2020年10月刊