【《辅助进食机器人探究的国内外文献综述》6200字】

16辅助进食机器人研究的国内外文献综述目录TOC\o"1-3"\h\u12533辅助进食机器人研究的国内外文献综述 1145751.1国内外喂饭机器人的现状及分析 118501.2机械臂抓取动作的研究 4148781.3机器人操作系统 558481.4基于DMP的示教学习和轨迹规划 51.1国内外喂饭机器人的现状及分析根据对美国非接收机构在2010年的调查发现，美国人口中约有5670万人(18.7%)是残疾人[3]。其中，约有1230万人需要一种或多种日常生活非工具性活动(ADLs)或日常生活的工具性活动的帮助。这些活动中最难的是喂食活动，喂食对于护理人员来说是耗时的，对接受护理的人来说是具有挑战性的。尽管市场上有几种自动进食系统，但由于它们使用的自主性很小，包括食品制备过程或预切包装食品非常耗时，因此缺乏广泛的接受度。据英国《每日邮报》报道，北京时间2020年11月24日，澳大利亚皇家墨尔本理工学院带头和其它高校合作联合研发出了一款名为Arm-A-Dine的喂饭机器人，据介绍该机器人仍处于原型阶段，设计人员希望通过此款机器人增强人与人之间的饮食社交体验，增加彼此之间的互动性。近年来，美国的Desin公司也开发了一款可以自主喂食的叫做Obi的机器人，如图1-1a)所示；有了这个机器人，用户可以不用自己动手就能把食物送到嘴边。据了解，设计人员设计的这款该机器人旨在帮助残疾人员自主进食。机器由一个四格餐板，一个喂食工具勺子和一个可以在360度内自由伸展的小型手臂组成。机器上有两个操作按钮可以用来控制：一个可以用来控制手臂在餐盘的格中任意切换，另一个可以用勺子舀取餐盘上的食物，然后将它送入人们的口中。如果用户的手不方便，也可以将其更改为踏板模式，通过脚踏的方式控制喂食操作。这个喂食机器人可以说是非常智能的，不管是饭菜还是水果，用它来进食都是完全没有问题。它们还可以通过一系列的人工示教来进行动作或者目标点的记忆，使其能准确地找到使用者的嘴部，完成相应的喂食操作：机器人上有一个示教的按钮，用户只需轻轻按下它，然后将机器人整体调整到合适的高度，系统会自动存储下这个位置，下次再次使用它时，就可以自动地到达这个位置。当机械臂执行喂食动作的过程中如果遇到障碍物，机器还会自动停止，以防将食物洒出。据了解，该喂饭机器人已投放市场，价格约为500美元，人民币约为30,000元。Obi机器人b)MYPOON机器人图1-1Obi和MYSPOON喂饭机器人在一些老龄化程度严重的国家，例如日本和英国等，喂食机早已作为产品投放市场。早在2002年，来自日本的一家公司就曾推出了一款名为MYPOON的喂饭机器人，如图1-1b)所示。它的特点是：残疾人可以通过下巴或者肩部推动操作杆来控制机械臂，机械臂的前端装有叉子或者勺子，可以帮助用户进行舀食或者叉食动作；当食物送到嘴里时，叉子或勺子会缩回，以防喂食过程中误伤到使用户的嘴部或者其他部位。瘫痪的残疾人，行动不变的老年人等失能用户群体可以很方便地利用此款喂食机器人自主完成喂食操作。该机器人一投放市场，就受到许多国家的好评，并被不断引进使用。在当年的同类型机器人竞赛中，它还打败了很多一同竞争的服务型机器人，并最终斩获大奖。国内对于喂饭机器人的相关研究较少，喂饭操作多停留在传统机械式的研究上：国内有高校研发出仅用双脚就能够进行自主喂饭的机器人：华中农业大学研发的此款机器人，通过用户踩踏左右踏板，利用涡轮遥感、螺杆机构等传动方式，使勺子按预先设计的轨迹转动，以完成喂食操作；此款机器人主要是为缺失上肢的残疾人群而设计，如图1-2所示。图1-2华中农业大学研发的喂饭机器人哈尔滨工业大学设计的喂饭机采用声控技术：计算机首先将用户的语音传输到机器人的内部芯片上，这样机器人就可以记住用户的语音。当用户使用麦克风说出命令时。机器人收到命令后，根据需要转动盘子或进给，如图1-3所示。国内一家专门为患有帕金森综合症、阿尔茨海默病、肌肉萎缩、多发性硬化、手部或中风等肢体残疾的老年人(尤其是80岁以上的老年人)根据这款机器人设计了一个小型喂养平台，帮助他们整洁方便地进食。该公司也是国内第一家将喂食机作为产品推向市场的公司。总而言之，对喂养机器人的需求不仅是功能性的，还包括情感，陪伴和社交需求。未来的市场和商业空间非常巨大，只要解决了技术和成本的问题，相信前景是可期的。图1-3哈工大研发的喂饭机器人助老助残机器人执行喂食操作，多基于智能轮椅平台；国外智能轮椅智能化程度与国内相差不大。中科院承担的智能机器人项目中，曾研发过一款联合视觉导航系统和语义识别系统的智能轮椅，叫做NLPR。设计人员主要进行了人机交互界面的设计，通过采用模式识别结合图像处理、以及机器视觉和语义识别等最新研究成果，使用户能够通过语音来控制轮椅的行进方向，轮椅利用视觉系统自主判断，以完成前行后退等操作。台湾的一所高校设计的智能轮椅以工业级别的计算机作为控制中心，使用者通过操作杆控制智能轮椅；此款轮椅采用电机驱动放大器，以并联式设计与自主开发的软件相匹配以达到系统性能最优，并配有语音系统麦克风、液晶显示屏、多种传感器和无线网络通信接口等。上海交通大学研制出一款具有自主避障、目标跟踪等功能的智能轮椅，它主要采用语义识别的声控方式，目前主要是为缺失下肢的残疾人群设计。另外它还带有一个可以抓取物品的机械臂，方便用户完成一些日常的物体抓取的操作，例如抓取水杯等。使用时用户仅需要发出“向前”、“向后”等语义指令，智能轮椅便可在几秒内按照指令完成相应的动作。天津大学研发的智能轮椅，通过脑信号结合多传感器，放大微电流来控制智能轮椅，并以计算机作为主控制器。我国在智能轮椅方面的相关研究虽然起步较晚，在整体架构的复杂性和智能化程度方面与国外相比有一定的差距，但结合自身的特点从多方面改进，也研制出了水平相当的智能轮椅，各项技术指标均不落后。总结：国外在喂饭机器人方面的研究技术相当成熟，并且有喂饭机器人已达到商业化水平，部分投入了市场，但是实现喂饭操作所用的机械臂很少有搭载到智能轮椅平台上的，多是单独开发的小型喂饭平台，可扩展性较弱。国内智能轮椅的智能化程度和国外差距不大，在对目标物检测，结合语音和视觉系统的自主行进等问题上均有较完善的研究成功，但是针对智能轮椅的机械臂进行具体功能性操作，例如喂饭操作的相关研究比较少。1.2机械臂抓取动作的研究实现机械臂的技能性操作，离不开目标物体的抓取动作。目前国内对机械臂抓取过程中目标物体检测这一部分的研究较为成熟。针对传统机械臂视觉识别算法存在的鲁棒性差、识别率低、运行时间长等问题，提出了一种基于最小尺寸点的目标检测和姿态估计的抓取方法[4]。该方法基于改进的YOLO图像分类算法，同时提出了一种数据集建立方法，构建数据集进行训练，通过处理单个RGB图，可以识别和估计目标对象的6D位置信息，在此基础上，通过结合路径规划算法捕获目标对象。仿真结果表明，该方法能够准确地对物体的姿态进行分类和估计。并在实物机械手下进行了抓取实验，结果证明了该方法的有效性。智能抓取运输机器人能够可靠高效地完成各种不同环境下的搬运任务，减轻工人的劳动强度，而准确的目标物定位则是机器人执行抓取搬运任务的基础。上海大学的机器人与智能制造重点实验室利用了机器视觉，设计了一套可以实现目标物体检测和定位、机器人抓取搬运物体的智能机器人抓取系统[5]。系统由三个子系统：目标定位系统、目标识别系统以及机器人抓取系统组成。首先利用彩色深度摄像头RGB-H获取检测目标图像的位置信息，通过基于轮廓特征的匹配算法对目标物体进行匹配，得到目标物体的中心坐标，然后通过传统机器人手眼标定方法完成对目标物体的定位，最后利用机器人逆运动学求解过程中的关节角姿态，以驱动机器人完成任务。实验系统以场景中多个目标对象的识别和抓取为例，实现了针对不同检测目标机器人的自主抓取。通过多组实验结果检测，证明了变场景下基于机器视觉的智能抓取系统具有较高的定位精度，能够有效地完成抓取和搬运任务。江苏大学的梁家学、刘希林等人利用LabVIEW平台设计了动态控制Dobot机械手的系统[6]。该系统利用Kinect体感采集人体关节信息，通过LabVIEW平台的算法进行计算和处理，最终实现Dobot机械手抓取和移动的操作。设计的系统用于危险和恶劣的环境中，其中手动操作是危险的。同时，它与以前的传统机器人不同。所涉及的机械臂可以随着人体的运动而改变轨道。它具有智能、适应性和适应性的优点宁波大学陈奎叶等为避免机械臂自主抓取方法中常见的运动学反演耗时、视觉系统标定计算复杂度高的问题，提出了一种高斯过程回归(GPR)。和核岭回归(KRR)组合模型的机械臂抓取方法[7]。在学习阶段，训练了基于Mask-RCNN的目标检测和实例分割算法以及GPR和KRR的机械臂抓取策略;在抓取阶段，首先利用目标检测和实例分割算法获取目标对象的姿态，然后根据目标物体的姿态与机械臂关节角度的映射关系，结合GPR和KRR组合模型，预测机械手的关节角度，控制机械手完成抓取任务。实验结果表明，该方法在不需要视觉系统标定和机械手运动学反演的情况下，能够准确获取目标物的姿态，实现对目标物体的更准确抓取。总的来说，机械臂对于目标的抓取在国内的主要研究方向是目标物体的识别和空间定位[8]，无论是目标检测还是姿态估计，都有很多相关的研究和成果，技术也比较成熟。1.3机器人操作系统机器人要想实现复杂的操作，例如本课题的喂饭操作，离不开性能优异的机器人操作系统的支持。从目前市场上的无人机、无人车等产品来看，有基于Ubuntu和Android系统开发的机器人，并且因为Andriod的普遍性，使用该系统的企业较多，但也有更适合科研交流、算法验证或者运动仿真的ROS机器人操作系统[9]。本课题采用的ROS机器人系统本身其实并不是一个规范的操作系统，更像是一个传递、交流信息的中间件：它可以看作是一个结合通讯、开发工具、和应用功能的生态系统组合平台，不同研发者的程序可以在该系统平台下分步编写，互不冲突地共同运行；虽然ROS不是一个完整的操作系统，但由于它是基于Linux系统开发的，提供了很多嵌入式操作系统的基础功能，例如数据功能包的管理和进程间消息的互相传递等。并且ROS和Android一样，都是开源的，有利于开发人员和使用人员间互相沟通和完善系统；ROS还可以支持多种语言混合编写程序，例如Python、C++、Java等多种编程语言的混合使用，这极大地简化了开发人员的工作，并且由于它是基于Linux系统设计的，程序的体积可以更小，可靠性也会更高，可移植性强，更适合应用于嵌入式设备当中。1.4基于DMP的示教学习和轨迹规划理想的服务型机器人可以综合运用感知、行动、学习、决策和沟通的能力，获得类似于人类的智能和行为[10]。这类机器人的特征是通过观察示教者（人类或其他机器人）来学习技能[11]，学习处理环境信息并自适应地产生适当的行为，从而在新的情况下完成某项特定任务[12]。近年来，模仿学习受到了广泛的关注，因为它提供了一种在示教者和机器人之间快速传递技能的有效方法[13]。E.Bizzi等人通过一次对蛙类进行的生物学实验中发现，蛙在运动过程中因神经受到外部刺激而形成的不同姿势，可以通过某些特定的力场来构建[14]。这些力场有如下特性：收敛性、幅值钟形变化、线性可加等。通过这些关键特性，Ijspeert等人开创性地提出了机器人运动过程的仿生轨迹[15]，他引入了DMP（即动态运动基元）这一思想。动态运动基元（DMP）是由StefanSchaal实验室提出的一种轨迹规划方法[16]，于2013年由AukeIjspeert等人更新完善。对于构建机械臂的运动轨迹，首先确定机械臂的初始位置和目标位置，把两个点之间的复杂动作划分为一系列单一动作的叠加，通过采集每一个动作的相关数据信号，组合在一起，完成获取机械臂的初始路径特征。当目标位置改变后，既针对新的目标点，程序会通过初始特征路径中的单一动作的组成方式，自动生成新的特征路径。基于DMP的轨迹规划算法除了构建动态系统模型获取参数之外，还可以采用机器学习的方法来获取，如高斯过程回归、马尔可夫决策方法模型等获取模型的参数[17]。两种不同的参数获取方式使得DMP算法在运动轨迹控制和规划中具有许多优良的特性，也让其成为了近年来运动学方面的热门话题。基于DMP运动基元轨迹规划方法针对于运动轨迹的实际需求已经有了许多变化，例如涉及有：离散型的运动方式、周期性的运动方式、运动学扩展等。总体来说，DMP算法有以下几个特点：一、方法简单。DMP算法中的各个方程及变量既可以通过直观的物理学模型来描述，也可以从运动控制学的角度来进行论证。二、开创性强。DMP算法是从机器学的发展结合神经学的实验研究演变得来，可以说是机器向生物学习的一种方法，也算是生物进化的结果，其更像是人从认识自然的过程中的发现，而并不是新的创造。三、可优化性强。DMP算法普适性强，在不同方面的应用可以制定不同的优化方式，例如轨迹的收敛性，目标点的精确性等，针对不同的应用场景可以着重考虑相应的优化。DMP算法因为具有以上优秀特性，被越来越多的用于移动机器人和机械臂的路径规划中，如图1-4是基于DMP算法的机械臂任务执行过程。图1-4基于DMP的机械臂任务执行近年来，很多高校研究者都在机器人运动控制和轨迹规划方面利用到该算法。中国海洋大学和山西大学商学院为解决了机器人运动过程中行为轨迹精度低、控制慢的问题采用了基于动态运动基元(DMP)的机器人轨迹控制方法[18]；为了使系统能够完成不同的运动方式：第一步描述动态运动基元，设置离散的运动轨迹点，以确定机器人运动轨迹中包含的初始学习轨迹运动特征，然后利用PID绘制控制器的切换阈值，然后利用模糊控制器对轨迹角、误差变化率和行驶角进行划分，并利用模糊推理使后期轨迹控制更加精确;同时，为了得到最优的反模糊控制解，在其中引入重心法，最后通过多传感器融合的方法将上面得到的精确解与划分信息进行融合，完成对机器人行为轨迹的控制。仿真结果表明，该方法在机器人行为轨迹控制中具有高效、精确控制的优点。总的来说，基于动态运动基元DMP的轨迹规划算法，是一种将复杂动作划分为单一动作，通过重组复现，可以表现出与原动作风格类似的动作的一种学习型算法，可以灵活调整而无需手动调整参数或不必担心变场景下的不稳定，是一个非常好的学习型算法，简单易懂，实时性强，便于调节，并且适合各种主流编程语言来实现。参考文献郑伟,林山君,陈凯.中国人口老龄化的特征趋势及对经济增长的潜在影响[J].数量经济技术经济研究,2014,31(08)：3-20+38.邓志东,程振波.我国助老助残机器人产业与技术发展现状调研[J].机器人技术与应用,2009(02)：20-24.奥尔特曼，郑晓瑛.利用调查数据研究残疾问题：美国残疾人访问调查研究结果[M]//利用调查数据研究残疾问题：美国残疾人访问调查研究结果.北京大学出版社,2013.吴继春,方海国,阳广兴,范大鹏.基于最小尺寸点模型的6D位姿估计与机械臂抓取[J].计算机集成制造系统,2020：1-12.梁佳雪,刘锡琳.基于Kinect的动态控制机械臂系统的设计[J].大众标准化,2020,(21)：165-166.陈奎烨,史旭华,徐铭泽.基于GPR和KRR组合模型的机械臂抓取研究[J].传感器与微系统,2021,40(01)：34-38.褚易昇.目标物品识别与空间定位方法研究[D].哈尔滨工业大学,2020.姚启才,汪地,廖茂生.基于机器视觉的机械臂智能抓取系统设计[J].计量与测试技术,2020,47(10)：28-3杨幸博，张俊豪,李凯,李云龙.基于ROS的机器人运动规划与仿真研究[J].现代电子技术,2021,44(01)：172-175.MeyersRA.EncyclopediaofComplexityandSystemsScience2009[M]//EncyclopediaofComplexityandSystemsScience-v.1-10.SpringerPublishingCompany,Incorporated,2009.AtkesonCG,SchaalS.RobotLearningFromDemonstration.[C]//FourteenthInternationalConferenceonMachineLearning.MorganKaufmannPublishersInc.1997:12-20.R.Brooks.HowtoBuildCompleteCreaturesRatherThanIsolatedCognitiveSimulatorsProceedingsof[J],1991:225-239.A.Billard,S.Calinon,R.D