具身智能机器人概论 课件 李方园 第4-7章 人形机器人的具身智能实现-具身智能机器人的挑战与机遇_第1页
具身智能机器人概论 课件 李方园 第4-7章 人形机器人的具身智能实现-具身智能机器人的挑战与机遇_第2页
具身智能机器人概论 课件 李方园 第4-7章 人形机器人的具身智能实现-具身智能机器人的挑战与机遇_第3页
具身智能机器人概论 课件 李方园 第4-7章 人形机器人的具身智能实现-具身智能机器人的挑战与机遇_第4页
具身智能机器人概论 课件 李方园 第4-7章 人形机器人的具身智能实现-具身智能机器人的挑战与机遇_第5页
已阅读5页,还剩206页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

第4章人形机器人的具身智能实现《具身智能》教材配套教学课件本章目录4.1人形机器人的配置与关节4.2人形机器人的关节驱动方式4.3人形机器人的运动控制建模4.4人形机器人的具身感知与环境交互2/57本章导读与学习目标导读人形机器人的硬件配置与关节设计是具身智能的物理基础,根据整机拟人化配置逻辑,梳理典型关节顺序、限位参数及肢体运动规律,为后续运动控制奠定硬件框架。知识目标:✅掌握人形机器人的配置、关节结构及肢体运动原理。✅理解各类关节驱动方式的特点及适用场景。✅了解人形机器人运动控制模型及感知交互基础。能力目标:✅能区分不同关节驱动方式的优劣及应用场景。✅可初步分析LIP、SLIP模型的适用条件。✅能解读人形机器人感知与环境交互的逻辑。素养目标:✅培养人形机器人技术的系统思维与逻辑分析素养。✅树立硬件与软件协同实现智能的工程素养。✅激发对人形机器人具身智能领域的探索兴趣。3/574.1人形机器人的配置与关节4.1.1人形机器人的配置单腿至少需要6个独立自由度,才能同时控制脚掌在三维空间中的前后、左右、上下位置,以及倾斜、翻转等姿态。图4-1人形机器人配置1.人形机器人的经典配置现有的人形机器人在机械结构设计上,大多是由多个具备单一转动维度的旋转关节组合搭建而成的。5/574.1.1人形机器人的配置(续)2.自由度设计图4-2描述的是物体绕自身坐标系三轴的旋转运动,也被称为自由度,是人形机器人运动控制的通用表述:一是俯仰,即绕自身横轴(左右方向轴)旋转,对应人形机器人头部上下点头、身体前后弯腰的动作;图4-2人形机器人的自由度图4-3人形机器人关节电机配置6/574.1人形机器人的配置与关节(续)4.1.1人形机器人的配置在人形机器人的研发中,一种被广泛采用的典型手臂自由度配置方案是这样设计的:其肩关节部分配置了3个相互正交的独立自由度,肘关节仅设置1个自由度,而腕关节同样配备了3个正交的自由度,如此一来,单个人形机器人手臂就构成了一个总计拥有7个自由度的串联冗余机构。不过,假如机器人手臂只有肩关节的自由度,那么手臂的运动轨迹就会被限制在一个固定的球面上,无法覆盖球面内部的空间位置;4.1.2典型人形机器人的关节顺序名称与关节限位表4-1所示是具有31关节的某人形机器人的具体名称和限位,其中关节限位是指通过机械结构或软件算法,对机器人关节的转动角度、位移范围设定严格的上下边界,防止关节运动超出其设计承载能力的技术措施。7/574.1.2典型人形机器人的关节顺序名称与关节限位本页覆盖左右髋关节及左膝、左踝,俯仰、翻转和偏航分别设定限位,不能使用统一角度范围控制。关节限位需与肢体结构和动作需求匹配,用于避免机械过载并保障运动安全。表4-1某人形机器人的31关节具体名称和限位关节序号关节名称(中文)限位(弧度)1左髋关节俯仰-2.617994~2.6179942左髋关节翻转-0.872665~2.0943953左髋关节偏航-2.617994~2.6179944左膝关节-0.087266~2.5830875左踝关节俯仰-1.012291~0.6108656左踝关节翻转-0.436332~0.4363327右髋关节俯仰-2.617994~2.6179948右髋关节翻转-2.094395~0.8726659右髋关节偏航-2.617994~2.6179948/574.1.2典型人形机器人的关节顺序名称与关节限位(续)本页从右膝、右踝延伸至腰、颈和左肩,各部位的运动自由度及限位范围不同。例如腰部偏航与翻转的允许区间明显不同,规划动作时应按关节名称与弧度范围逐项核对。表4-1某人形机器人的31关节具体名称和限位关节序号关节名称(中文)限位(弧度)10右膝关节-0.087266~2.58308711右踝关节俯仰-1.012291~0.61086512右踝关节翻转-0.436332~0.43633213腰关节偏航-2.617994~2.61799414腰关节翻转-0.523599~0.52359915腰关节俯仰-0.523599~0.78539816颈关节偏航-0.785398~0.78539817颈关节俯仰-0.523599~0.78539818左肩关节俯仰-2.792527~2.7925279/574.1.2典型人形机器人的关节顺序名称与关节限位(续)本页主要列出上肢关节,肩、肘、腕分别承担不同方向的姿态调整,必须独立施加运动约束。左右肩的翻转与偏航限位正负区间不同,关节参数不宜直接左右复制。表4-1某人形机器人的31关节具体名称和限位关节序号关节名称(中文)限位(弧度)19左肩关节翻转-0.087266~3.22885920左肩关节偏航-3.403392~1.57079621左肘关节-2.443~1.18722左腕关节偏航-2.356194~0.78539823左腕关节俯仰-1.570796~1.57079624左腕关节翻转-1.570796~1.57079625右肩关节俯仰-2.792527~2.79252726右肩关节翻转-3.228859~0.08726627右肩关节偏航-1.570796~3.40339210/574.1.2典型人形机器人的关节顺序名称与关节限位(续)表4-1某人形机器人的31关节具体名称和限位关节序号关节名称(中文)限位(弧度)28右肘关节-2.443~1.18729右腕关节偏航-0.785398~2.35619430右腕关节俯仰-1.570796~1.57079631右腕关节翻转-1.570796~1.570796人形机器人关节限位具有如下核心作用与意义:一是保护硬件安全。关节限位相当于给关节装上“安全锁”,避免机械过载损伤。人形机器人需要模拟人类的行走、抓取、转身等动作,关节运动范围必须与肢体结构匹配。11/574.1.2典型人形机器人的关节顺序名称与关节限位(续)人形机器人关节集成电机、减速器和传感器等部件,运动范围需与肢体结构和任务场景匹配。机械或软件限位用于防止线缆拉扯、齿轮损坏及电机堵转,同时避免姿态失衡和人机碰撞。图4-4人形机器人的关节12/574.1.3人形机器人的肢体运动从人体运动的角度来看,我们的肢体运动可以被划分到三个不同的平面中,分别是前向平面、侧向平面以及横向平面,这三个平面的具体划分可以参考图4-5的示意。图4-5人体的运动平面1.前向平面(又称矢状面)前向平面是将身体分为左右两部分的垂直平面,贯穿身体前后方向。13/574.1.3人形机器人的肢体运动(续)2.侧向平面(又称冠状面)侧向平面是将身体分为前后两部分的垂直平面,贯穿身体左右方向。3.横向平面(又称水平面)横向平面是平行于地面的水平平面,将身体分为上下两部分。对应到人形机器人的研发领域,现有的人形机器人模型主要分为两类:一类是仅能在前向平面内完成运动的平面模型,另一类是可以在三维空间内自由移动的三维模型。不过,要实现平面模型的运动限制,需要专门设计某种机械机构,将机器人的运动严格约束在前向平面之内,避免其向其他平面产生偏移。14/574.2人形机器人的关节驱动方式4.2.1关节驱动概述人形机器人关节驱动方式是决定机器人运动性能的核心,当前主流技术路线可分为电机驱动、液压驱动、气动驱动及仿生驱动等几类,各类方案在功率密度、控制精度与适用场景上各有侧重。电机驱动是目前人形机器人的主流选择,通过伺服电机与减速器的集成模组实现动力输出,其中无框力矩电机适配腰腿等高扭矩关节(图4-6所示),空心杯电机则用于灵巧手指等精细部位(图4-7所示),电机驱动具备控制精度高(角度误差±0.01°)、响应快(10-20ms)、维护简便的优势,宇树、特斯拉、优必选等机型均采用此类方案。a)外观16/574.2.1关节驱动概述(续)无框力矩电机适配腰腿等高扭矩关节,空心杯电机则用于灵巧手指等精细部位。电驱动方案通过伺服电机与传动模组输出动力,具有控制精度高、响应快和维护简便的特点。b)结构图4-6无框力矩电机图4-7空心杯电机分解图17/574.2.2电机驱动1.电机与减速器的配置目前,在全球范围内的人形机器人研发与应用领域中,绝大多数产品都是采用伺服电机来作为关节驱动的核心动力部件。而从当前市场的供应情况来看,那些性能较为优异的伺服电机,普遍都具备高转速的特点,但与之对应的是其输出扭矩相对较低,所以要将这类电机实际应用于驱动人形机器人的各个关节,就必须搭配相应的减速装置,通过减速处理来提升扭矩,才能满足关节运转所需的动力条件。不过这种传统的齿轮减速结构存在比较明显的短板:一方面是整体重量较大,会增加机器人关节的负载;在人形机器人的结构布局设计环节,最基础、直接的方案是将伺服电机与减速器直接和关节进行同轴连接。但这种设计方案存在一个显著的弊端:它会大幅增加机器人腿部绕髋关节转动时的惯性力矩,而转动惯量的增大,会直接导致腿部动作的响应速度变慢、灵活性降低,进而削弱整个腿部的机动性表现,难以满足人形机器人灵活运动的需求。以图4-8a)展示的结构为例,该方案是将伺服电机与减速器直接配置在关节的上方区域,然后通过同步带这一传动部件,将动力传递到关节部位。不过它也存在一定的局限性:因为同步带是直接与关节相连的,在动力传输过程中需要承担较大的传动力,而同步带本身在受力时会产生一定的变形,这种变形会直接传递到关节上,从而对关节动作的定位精度造成影响,所以这种传动方式并不适用于对定位精度要求较高的场景。18/574.2.2电机驱动(续)不过这种配置方式也存在明显的短板:由于减速器是直接集成在关节部位的,这就使得关节处的整体惯性矩相应增大,在运动过程中可能会对响应速度等性能产生一定影响;但从优势层面来看,因为同步带是直接与电机的输出端相连的,传动过程中所承受的动力载荷相对较小,这就有效减少了同步带在传动时产生的形变程度,进而让关节在运动过程中能够保持较高的控制精度与位置准确性。a)电机与减速器配置在关节上方b)电机配置在关节上方而减速器配置在关节处图4-8电机与减速器的配置方法19/574.2.2电机驱动(续)2.电机驱动器的设计如图4-9所示是由电机控制板与旋变解码板组成的驱动模块架构,通过插头与关节结构模块中电机的三相线圈,以及旋转变压器的次级绕组差分线和初级绕组差分线进行连接。图4-9关机电机驱动模块2.人形机器人关节驱动PD控制PD控制是人形机器人关节控制中最基础且常用的闭环控制策略,它通过对位置和速度的双重反馈,实现对关节运动的精确控制,具体如图4-10所示。20/574.2.2电机驱动(续)图4-10人形机器人关节控制(1)控制目标位置跟踪是让关节实际角度尽可能快地收敛到期望角度。速度跟踪是让关节实际角速度跟踪期望角速度,抑制超调和振荡。抗干扰是通过前馈力矩补偿重力、惯性等已知扰动,提升动态性能。21/574.2.2电机驱动(续)(2)控制原理位置环中计算位置误差,比例项输出,用于产生使关节向目标位置运动的力矩。速度环中计算速度误差,微分项输出,用于阻尼系统,抑制位置跟踪时的超调和振荡。前馈补偿中前馈力矩通常由动力学模型计算,用于补偿关节运动所需的惯性、科氏力和重力等,让控制更精准。最终输出参考力矩,该力矩指令发送给电机驱动器,驱动关节运动。(3)核心作用比例项:决定系统的响应速度,越大,响应越快,但过大易导致系统振荡。微分项:提供阻尼,抑制超调,提升系统稳定性,相当于给关节运动“刹车”。前馈:提升动态性能,减少跟踪误差,尤其在高速、变负载场景下效果显著。(4)应用要点在人形机器人中,PD控制常作为底层关节控制器,配合上层的轨迹规划和动力学计算,实现稳定的步行和操作。参数整定是关键,需通过实验或仿真找到平衡点,确保系统既快速又稳定。22/574.2.3液压驱动人形机器人液压驱动系统以帕斯卡原理为核心,通过高压液压泵产生压力,经伺服阀精确调控流量输入液压缸或液压马达,将液压能转化为驱动关节运动的机械能,实现直线或旋转动作,如同为机器人赋予“强力肌肉”。但缺点同样显著,系统需配备泵、油箱、管路等复杂组件,整体笨重且噪声大,存在漏油风险,维护成本高;液压驱动的人形机器人每个关节都由伺服阀、液压缸、油压传感器、位移传感器和连杆等传动机构组成。图4-11膝关节的液压驱动示意23/574.2.4仿生驱动气动人工肌肉是一类专门设计的柔性驱动装置,其核心特点在于具备与人类自身肌肉相近的输出特性,这类驱动器的设计灵感与工作原理,正是参考了人类肌肉收缩、舒张的运动机制而研发形成的。气动人工肌肉有着多方面的突出优势:首先它本身的质量较轻,不会给驱动系统增加过多额外负载;其次其制造成本与采购价格相对较低,能有效控制设备的整体成本;图4-12气动人工肌肉作为执行器的四种使用形式除此之外,采用拮抗方式安装的气动人工肌肉,还具备两个非常突出的实用优点:①当肌肉处于未充气的状态时,对应的关节不会受到额外的拉力约束,能够像人体关节一样自由活动,呈现出接近人类肢体的被动灵活特性;24/574.2.4仿生驱动(续)两个拮抗人工肌肉的充气压力差产生关节驱动力矩,用于控制关节向目标位置移动。同步提高两侧充气压力,可在保持关节位置基本不变时调节刚度,实现位置与刚度的独立控制。图4-13踝关节控制与刚度控制25/574.2.5足部机构在仿人机器人的行走系统里,足部是整个机体在行进过程中唯一直接与地面发生接触的关键部位。图4-14(a)呈现的是结构最为简洁的单板型脚掌,它仅由一块平整的板材构成,整体形态接近人类脚掌的基础轮廓。图4-14(b)是双板结构的足部,其设计思路是在上下两块平板之间嵌入橡胶这类具有弹性的材料,这种结构让足部拥有了一定的被动自由度,能更好地适配不平整的地面。图4-14(c)是带有脚趾关节的足部设计,通过在脚掌前端增加可活动的脚趾结构,能提升机器人在斜坡、台阶等复杂地形下的抓附与支撑能力。图4-14(d)是点足结构,其接触地面的部分被简化为一个“点”,这种设计通常用于对行走精度要求较高的场景。图4-14(e)则是弧形足结构,脚掌呈现出一定的弧度,有助于在行走过程中更顺畅地完成着地、离地的过渡动作。a)单板b)双板c)带脚趾d)点足e)弧形足图4-14典型的足部机构但反过来,如果控制策略要求对踝关节进行高刚性的位置控制,此时图4-14(a)的结构就不再适用了,因为在高刚性控制模式下,机器人足部与地面接触时的受力会更集中、更剧烈,单板结构难以缓冲这种应力,很容易出现接触不稳定的情况。26/574.3人形机器人的运动控制建模4.3.1LIP模型1.矢状面行走运动步态及LIP模型出力模式LIP模型(LinearInvertedPendulum,线性倒立摆模型)是人形机器人步态规划与平衡控制中广泛使用的一种经典动力学简化模型。LIP模型来自对人类行走运动特征的研究,图4-15展示了普通人类行走运动在矢状面的步态特征。图4-15矢状面行走运动步态为了进一步简化动力学模型,除了动力学结构上的假设,LIP模型同样指定了轻质连杆的出力模式,即线性控制假设,其在二维上的力与运动假设示意如图4-16所示。28/574.3.1LIP模型(续)LIP把机器人质量集中为质心处的质点,并将支撑腿简化为只产生轴向力的轻质连杆。线性控制假设约束地面支反力与重力的合力方向,使质心运动可用简化的动力学关系描述。图4-16LIP模型出力模式29/574.3.1LIP模型(续)2.LIP动力学模型微分方程及代数解由于LIP模型假设支撑腿为轻质连杆,不考虑连杆质量及转动惯量,系统的所有质量等效集中在质心位置,则LIP模型的系统状态变量由质心位置向量表示。支反力由相似三角形计算为:(4-1)式中:,为LIP模型质心在世界坐标系下的位置向量;,为当前支撑腿足端在世界坐标系下的位置向量;为LIP运动模型中心点H的高度。支反力的计算可以作为运动控制中的模型前馈量,实际影响质心运动加速度的是重力与地面支撑力的合力,令为LIP运动模型中心点的坐标,质心处合力表达式同样可以通过相似三角形计算为:30/574.3.1LIP模型(续)(4-2)由质心处合力可以知道,在LIP运动模型中质心的加速度在三个维度上独立并且与对应坐标轴和中心点H的距离成比例关系,距离越远加速度越大,在达到中心点的位置时加速度为零,此时质心依赖自身速度通过中心点,其加速度表达式为:(4-3)考虑到基于LIP模型的运动特性在三个维度上相同且独立互不影响,为了便于分析,仅对其中一个维度的特性进行分析,这里选择矢状面的前进方向(图4-17所示),也是大多数运动研究中最关注的维度。31/574.3.1LIP模型(续)LIP在三个坐标维度上的运动特性相同且相互独立,因此可单独分析矢状面的前进运动。质心加速度与其到中心点H的对应方向距离成比例,到达H时加速度为零,并依靠已有速度通过。图4-17矢状面的前进方向(4-4)在中心点高度为ℎ0的条件下,矢状面前进方向的动力学微分方程为:32/574.3.1LIP模型(续)式中,为微分方程特征根。机器人在与地面接触点不变的单腿支撑过程中,矢状面前进方向的动力学方程是一个简单的二阶常微分方程,考虑将切换支撑腿瞬时或任意当前时刻作为起始,对应前进方向的坐标为𝑥0,速度为。令,LIP模型运动过程中任意时刻𝑡的质心状态预测表达式为:(4-5)即在单支撑过程中,已知当前瞬间质心相对地面接触点的的初始位置和初始速度𝑣0,在理想的LIP模型处理模式以及不存在非理想扰动的情况下,质心运动状态轨迹完全确定并且可以通过代数解析式直接计算,有利于进行质心运动状态的预测控制。3.周期运动特征双足构型的行走运动呈现明显的周期特征,通常认为从一条腿切换到完全支撑状态开始,再从另一条腿切换回到这条腿支撑为一个完整周期。33/574.3.1LIP模型(续)图4-18二维定高LIP模型运动在理想LIP模型运动第i个单支撑周期中,足端与地面的接触点为并维持恒定,动力学模型保持不变。为了便于分析,考虑在着地位置建立局部坐标系,在该坐标系下,质心从初始状态开始当前周期的运动,其中为当前周期质心相对着地腿的位置。由LIP模型微分方程知道,在对应的控制力模式下,质心运动过程与系统质量无关,在不考虑运动限制参数如摩擦34/574.3.1LIP模型(续)锥及腿长限制的条件下,运动轨迹取决于中央点以及重力加速度𝑔的大小。对基于LIP的行走运动,这里使用三个参数对周期轨迹特征进行描述:一是支撑步长,表示从周期开始到结束过程中质心在指定维度中的迁移长度,迁移长度的上限由支撑腿工作空间的长度限制以及期望运动高度决定。二是步频,表示单腿支撑运动的时间,对机器人的实际运动,需要在限制的时间内将另一条腿摆动到期望的位置,这要求机器人的规划始终留给摆动腿足够的响应时间,步频越高,摆动腿要求的摆动速度以及加速度越大,同时对电机的工作范围有更高的要求。三是平均速度作为周期的特征描述,并将其作为周期控制的目标,平均速度可以直接计算。当机器人从中心点出发,将此时状态记作,在时间𝑡=𝑇/2时,运动距离为稳定周期支撑步长的一半,对应半周期运动距离表示为(4-6)对行走运动控制而言,主要控制目标指定为周期平均速度控制,当给定期望的步频时,支撑步长可计算为35/574.3.1LIP模型(续)。以足地接触位置为局部坐标,当质心从中心点开始运动时,有初始状态位置,着地点位置𝑥𝑡𝑜𝑒=0,通过LIP轨迹计算式(4-5),对稳定周期解情况下中心点位置的速度求解为:(4-7)则稳定周期运动终点的质心状态可以直接求解,由于周期运动中的对称性,则初始状态可以由终点状态获得,即,即LIP稳定周期运动可以完全求解。需要注意的是周期步长的范围受限于机器人的高度以及腿长,而变化越大的速度范围则对应更大的能量形式变换。4.基于LIP的双周期前瞻运动速度控制优化对理想的LIP模型,将一条腿着地瞬间作为一个周期的起始,切换腿的瞬间作为周期的结束,对应整个单腿支撑过程,当给定初始瞬间的状态,支撑腿控制力完全遵循理想LIP模型描述且不存在外力扰动的条件下,机器人将沿着微分动力学计算得到的轨迹运动。则对应的双周期运动过程可以描述为:在第𝑖个周期中从初始状态出发,沿理想LIP轨迹进行运动,经过可控的周期时间𝑇𝑖达到本周期结束,摆动腿在同时摆动到𝛼𝑡𝑑角度,得到下一周期的初始速度以及对应的初始质心相对着地腿位置,质心在局部坐标系下的位置由计算得到,在第𝑖+1个周期中经过𝑇𝑖+1时间达到下一周期的支撑终点,并希望在这个终点位置达到期望的运动状态,对应双36/574.3.1LIP模型(续)单腿支撑周期内,给定初始状态后,理想LIP的运动轨迹基本确定,当前周期的调节能力有限。双周期前瞻控制通过本周期时间和下一步着地角度,调节下一周期的初始速度与质心相对足端位置。图4-19LIP双周期状态控制模型周期运动控制过程如图4-19所示。37/574.3.2SLIP模型与LIP模型不同的是,人形机器人奔跑运动中包含两种状态:一种是无地面支撑的完全腾空状态,质心仅在重力作用下做抛物线运动;所谓SLIP模型(Spring-LoadedInvertedPendulum,弹簧负载倒立摆模型)是一种用于描述人形机器人、双足或四足机器人动态运动(尤其是跳跃、奔跑和行走)的经典简化动力学模型。图4-20基于SLIP模型的奔跑周期顶点控制38/574.3.3双足机器人的行走运动控制图4-21所示是双足机器人的行走运动控制。控制器运行流程为:在控制器初始阶段,当判定进入新的支撑周期或者偏离轨迹较大时,需要重新调用LIP速度调节器进行质心轨迹进行规划,首先对机器人的关节状态及机身姿态进行采集,估计当前时刻机器人在世界坐标系下的状态,并计算等效的质心运动状态;最后将该时刻计算得到的质心以及摆动腿期望目标传递给整机运动协调控制器,通过求解任务空间下的二次优化方程,得到所需的关节控制力,输出到关节驱动器进行实时控制。图4-21双足机器人的行走运动控制39/574.3.3双足机器人的行走运动控制(续)基于LIP模型的质心速度控制器具有实时规划的能力,可以在行走的任意时刻任意状态下对足端轨迹进行重规划,即在机器人由于模型的不理想因素以及外部扰动导致偏离期望轨迹的情况下,顶层规划器会不断调整下一周期的落足点,令机器人在下一周期中回归到期望的速度。对奔跑运动控制,归约模型层的轨迹规划来自基于SLIP模型的奔跑顶点状态控制器,其同样包含质心以及摆动腿的参考轨迹输出。其实现与行走运动控制器相似,首先对机器人关节状态、机身状态以及足端接触状态进行采集,用于估计机器人在世界坐标系下的状态以及处在奔跑过程中的状态,根据得到的状态判断奔跑子控制器的延续或者切换。切换后首次进入子控制器时,首先通过离地瞬间的质心速度估计腾空相的顶点状态并由此估计本周期的期望着地角度,并估计在理想SLIP模型以及规划的着地角度下本周期结束时的预计顶点状态,并基于这一估计顶点状态对下一周期摆动腿的着地角度进行估计。对管理地面支撑相运动过程的子控制器,上层SLIP轨迹规划器主要给出摆动腿及质心的目标运动,质心的目标运动轨迹由腾空相中规划的本周期SLIP模型质心轨迹计算,摆动腿目标运动由腾空过程中规划的轨迹给出,其离地条件由SLIP规划轨迹中的离地时间给出。最后分别对腾空相以及支撑相的两种任务目标构成进行QP优化求解,计算对应的关节出力。40/574.4人形机器人的具身感知与环境交互4.4.1视觉感知系统配置视觉感知是人形机器人的“眼睛”,负责环境感知、目标识别与定位、自主导航与避障、步态稳定辅助、人机交互和抓取、装配等操作任务,是从“能走”到“能用”的核心入口。1.硬件配置(1)相机系统双目视觉相机通常安装在头部,其功能是深度估计、三维重建、目标测距,一般指标包括分辨率1280×720/1920×1080、帧率30fps/60fps、基线距离10–100mm;(2)深度感知模块激光雷达(LiDAR)一般采用16线/32线小型化激光雷达,通常安装在头部或上躯干,其功能是建图、定位、避障;(3)辅助感知传感器与视觉融合的辅助感知传感器包括IMU(惯性测量单元),感知姿态、角速度、加速度;42/574.4.1视觉感知系统配置(续)图4-22典型视觉系统布局2.软件算法架构图4-23所示为RGB-D视觉感知与六维位姿估计流程图,是机器人实现精准操作与环境交互的核心技术。43/574.4.1视觉感知系统配置(续)(1)图像预处理。将深度图与彩图进行像素级配准,确保每个彩色像素都有对应的深度信息,为后续三维重建提供基础。(2)视觉感知层。实例分割是视觉软件计算的核心环节,通过MaskR-CNN、SAM等深度学习模型,从彩图中识别并分割出每个人、物体、障碍物、可通行区域等,生成相应掩码。(3)视觉决策层。将重建出的三维模型与已知的物体模板进行匹配,计算出物体在机器人坐标系下的六维位姿,即3D位置和3D姿态。图4-23软件算法架构3.视觉-惯性SLAM方法图4-24所示为视觉-惯性SLAM方法,整个系统通过动态特征点剔除实现鲁棒定位。44/574.4.1视觉感知系统配置(续)SLAM前端利用IMU预积分提供高频运动预测,再与视觉特征融合估计机器人位姿。动态目标检测与轨迹跟踪用于剔除动态特征点,提高人形机器人在行人等动态环境中的定位稳定性。图4-24视觉-惯性SLAM方法45/574.4.1视觉感知系统配置(续)表4-2SLAM模块作用和创新点模块技术选型核心作用创新点特征提取SuperPoint替代传统ORB/SIFT,在弱纹理、光照变化场景下提供更稳定的特征点深度学习特征,鲁棒性更强,适合人形机器人快速移动导致的图像模糊动态检测YOLOv8实时检测动态物体,输出实例分割掩码轻量高效,满足人形机器人端侧算力限制目标跟踪卡尔曼滤波预测目标运动,平滑检测结果,处理遮挡结合IOU匹配,提升数据关联准确性状态估计视觉惯性紧耦合融合IMU预积分与视觉束优化应对人形机器人步态引起的剧烈晃动和快速运动4.人形机器人的核心功能与视觉的关系人形机器人视觉感知系统一般由双目RGB相机、深度相机、激光雷达、IMU组成,通过视觉SLAM、目标检测、三维重建、多模态融合实现环境理解、自主定位导航、步态辅助与交互操作,是实现通用人形机器人智能化、自主化的核心基础。46/574.4.1视觉感知系统配置(续)行走规划提供参考运动轨迹,行走控制负责决定具体动作,并实现对参考轨迹的跟踪。视觉感知预判地形、辅助调整步态与重心,控制系统需在外部交互和扰动下维持稳定行走。图4-25人形机器人行走控制方法47/574.4.2力/力矩传感器在步态稳定中的应用力/力矩(Force/Torque,F/T)传感器是人形机器人实现稳定行走、动态平衡、柔顺交互的核心感知部件,相当于机器人的足底触觉与关节受力感知,直接决定步态是否稳健、抗扰、自然。1.安装位置与核心作用人形机器人中F/T传感器主要布在两处:一是足底F/T传感器;二是踝关节、膝关节、髋关节F/T传感器,多集成在关节末端,其功能是实时感知地面反力与外力扰动后快速修正步态与重心,最终维持动态平衡。图4-26F/T传感器安装位置2.在步态稳定中的关键功能48/574.4.2力/力矩传感器在步态稳定中的应用(续)(1)计算ZMP点,实现零力矩点平衡控制零力矩点ZMP是双足行走稳定的核心判据,通过足底三维力/力矩,实时计算ZMP位置,判断机器人是否前倾、后倾、侧翻,同时控制器快速调整步长、步宽、重心轨迹,把ZMP拉回稳定支撑多边形内,没有F/T传感器,ZMP控制无法实现。图4-27机器人足底ZMP点(2)实时感知重心(CoM)与姿态偏差由地面反力与力矩解算重心位置与速度,可以识别重心偏移、地面倾斜、外部推力与碰撞,从而实时修正关节角度与躯干姿态,保持直立稳定。49/574.4.2力/力矩传感器在步态稳定中的应用(续)正常行走通过调节重心移动,使ZMP保持在支撑脚的支撑多边形内,实现稳定连续迈步。转弯时重心向转弯内侧倾斜,并调整支撑脚的接触顺序,通过力矩平衡维持姿态稳定。图4-28人形机器人在正常行走和转弯两种状态下的力学原理(3)步态相位识别与切换50/574.4.2力/力矩传感器在步态稳定中的应用(续)足底F/T信号用于识别着地、离地与受力变化,从而区分支撑相、摆动相和落地时刻。支撑相侧重平衡控制,摆动相侧重轨迹跟踪,落地阶段采用缓冲柔顺控制。图4-29步态相位变化图4-29所示为步态相位变化,行走一般流程为“支撑相→摆动相→落地循环”。51/574.4.2力/力矩传感器在步态稳定中的应用(续)地面支撑反力提供支撑,摩擦力抵抗水平滑动,外部干扰力可分解为水平与竖直分量。静态或准静态平衡需同时满足合力与合力矩为零,结合各力及其作用力臂检查机器人能否保持稳定。图4-30人形机器人在静态/准静态平衡时的受力与力矩分析图4-30中的关键受力与几何参数说明如下::重力,作用在质心(CoM),方向竖直向下。图4-30所示是人形机器人在静态/准静态平衡时的受力与力矩分析。52/574.4.2力/力矩传感器在步态稳定中的应用(续):地面摩擦力,水平方向,防止机器人滑动。:支撑反力,由地面提供,作用在支撑脚或支撑多边形。:外部干扰力(如人手推机器人),可分解为水平分量和竖直分量。:干扰力作用点到支撑点的竖直高度。:质心到支撑点的水平距离。:干扰力作用点到支撑点的水平距离。:干扰力与水平方向的夹角。:躯干与水平方向的夹角。:支撑反力与竖直方向的夹角。:干扰力作用点到支撑点的力臂矢量。:质心到支撑点的力臂矢量。要保持平衡,机器人必须满足合力为零和合力矩为零,其中水平方向力平衡:53/574.4.2力/力矩传感器在步态稳定中的应用(续)(4-8)竖直方向力平衡:(4-9)根据力矩平衡(绕支撑点)原则,所有外力对支撑点的力矩之和必须为零:(4-10)其中是关节电机提供的恢复力矩,用于抵消重力和干扰力产生的倾覆力矩。基于这个力学模型,人形机器人的平衡控制主要有以下几种策略:当干扰较小时,通过踝关节的力矩调整,改变足底压力中心(CoP)的位置,使支撑反力的作用线通过质心,从而保持平衡。这对应图中调整的方向,使其力矩抵消和的力矩。当干扰较大,仅靠踝关节力矩不足以恢复平衡时,机器人会弯曲髋关节,带动上半身向干扰相反的方向倾斜,改变质心位置,从而改变重力矩,达到新的平衡。这对应图中调整角度,移动质心。54/574.4人形机器人的具身感知与环境交互(续)4.4.2力/力矩传感器在步态稳定中的应用综上所述,F/T传感器能助力人形机器人实现ZMP稳定控制、重心动态调节、步态相位自动切换、落地缓冲柔顺、外力扰动恢复、不平地面适应,实现真正稳定的双足行走。4.4.3人形机器人的环境交互图4-31所示为人形机器人如何通过模仿人类动作,实现与环境的稳定、高效交互,整个流程可以分为以下几个核心环节。1.动作捕捉与人体数据建模通过多摄像头或传感器进行动作捕捉,采集人类在跳跃等复杂动作时的全身运动数据,包括关节角度、位置和轨迹,为机器人提供了与环境交互的“黄金标准”。2.轨迹优化轨迹优化模块以人体姿态相似性评价函数为核心,综合考量ZMP稳定裕度和能量效率,确保了机器人的运动不仅在视觉上模仿人类,更在物理上满足与环境交互的稳定性和经济性要求。55/574.4.3人形机器人的环境交互3.阻抗控制实现与环境的“柔性交互”是整个环境交互闭环中最关键的一环,它让机器人不再是僵硬地执行轨迹,而是能像人类一样感知并适应环境,如通过力传感器实时测量机器人与地面之间的作用力,这是感知环境的直接反馈;4.闭环控制逆运动学是将期望的末端轨迹,如脚的位置转换为各关节的角度、速度等指令;图4-31人形机器人的环境交互56/57【思考与练习】1.单项选择题(选做3题)(1)下列关于人形机器人整机配置的核心要求,说法错误的是()A.需贴合人体仿生结构,具备头部、躯干、双臂、双腿完整拟人构型B.自由度数量越多,机器人运动灵活性一定越强,无需考虑关节协同性C.整机配置需兼顾运动稳定性、负载能力与场景适配性D.拟人化配置是实现类人肢体运动与环境交互的基础前提(5)目前消费级与工业级人形机器人主流采用的关节驱动方式是()A.液压驱动B.伺服电机+减速器驱动C.气动驱动D.纯仿生肌肉驱动(9)双足机器人行走控制的核心难点是()A.提升行走速度B.动态重心平衡与步态稳定,防止倾倒C.降低控制算法复杂度D.减少关节运动幅度2.论述题(选做3题)(1)结合人形机器人拟人化配置要求,阐述关节顺序设计、关节限位与肢体运动三者之间的关联。(3)论述人形机器人足部机构的核心设计要点,分析足部结构、缓冲装置、防滑设计对双足行走稳定性与环境适配性的影响。(6)结合视觉感知系统、力/力矩传感器的应用,论述人形机器人“感知-决策-执行”的具身智能闭环实现路径。57/57第5章灵巧手的具身智能实现《具身智能》教材配套教学课件本章目录5.1灵巧手的构型与核心特性5.2灵巧手的关节结构与传动系统5.3灵巧手的驱动与感知系统5.4灵巧手具身控制核心技术2/61本章导读与学习目标导读随着人形机器人、服务机器人、工业精密作业与康复医疗领域的快速迭代,传统机械抓手因灵活性不足、感知缺失、交互生硬,难以适配复杂非结构化场景的操作需求,兼具仿生构型、精准感知与自主决策能力的具身智能灵巧手,成为机器人技术突破的核心分支,也是实现机器人与环境、物体、人类自然交互的关键载体。知识目标:✅掌握灵巧手具身认知内涵、构型设计及核心交互需求✅熟知灵巧手关节传动、驱动感知的结构与技术原理✅理解具身控制核心技术及视触觉融合控制理论逻辑能力目标:✅能分析典型灵巧手构型,梳理关节与传动系统设计要点✅具备驱动感知系统选型、信号采集与指标校验基础能力✅能完成基础抓取规划,理解多指协同与自适应控制逻辑素养目标:✅树立工程严谨意识,重视机器人硬件安全与可靠性设计✅培养具身智能工程思维,建立软硬件协同研发理念✅秉持创新务实态度,关注灵巧手技术落地与场景适配3/615.1灵巧手的构型与核心特性5.1.1灵巧手的具身认知内涵与应用场景灵巧手通过多关节独立或协同驱动,结合力、触觉和位置等多模态传感及实时闭环控制,完成抓握、捏取、拧转、装配和在手中重定位等精细动作。图5-1灵巧手外观1.具身认知内涵图5-1所示为机器人灵巧手,即RoboticDexterousHand,又称多指灵巧手。5/615.1.1灵巧手的具身认知内涵与应用场景(续)2.灵巧手的关键特征(1)结构与运动学特征灵巧手具有多自由度(DoF),一般以3–5指为主,配合多关节设计,总自由度通常≥6,高端仿人型可达20–27个,实现屈伸、侧摆、旋转、对掌等复合运动;图5-2所示为4指灵巧手,具有16个总自由度,每个手指都具有4个自由度。图5-2灵巧手自由度6/615.1.1灵巧手的具身认知内涵与应用场景(续)(2)感知与交互特征灵巧手具有多模态传感,集成力觉、触觉、位置、角度、接近觉、温度等传感器,实时获取接触力、物体形状、纹理、硬度、位姿等信息;(3)控制与智能特征灵巧手具有多手指协同控制,能实现抓握规划、轨迹跟踪、力位混合控制、在手中操作等复杂运动;(4)功能边界灵巧手与传统机械手、夹爪的本质区别在于超越简单抓取,它可完成拧螺丝、穿针、装配精密零件、物体在手中旋转/平移等精细操作;3.灵巧手的应用场景灵巧手主要应用场景是人形机器人、服务机器人、医疗机器人、工业精密装配、航空航天、特种作业等场景的核心交互部件。7/615.1.2典型灵巧手构型设计灵巧手是机器人一种复杂的末端执行器,其需求来源于柔性制造,并深度根植于现代制造业向柔性化转型的迫切趋势之中。与“刚性”制造模式相对,“柔性”制造的核心内涵体现在两个关键层面:一是对外界环境变化的快速适应能力,即能够支持小批量、多品种的生产模式,实现同一条生产线对多种不同类型产品的高效加工;图5-3人手医学结构图相比于工业机械手,灵巧手具有以下优点:8/615.1.3灵巧手的具身交互核心需求1.抓取灵巧手抓取是具身交互的基础,核心是在未知或变工况下稳定、安全、高效地接触并约束物体。(1)抓取形态与自由度需求抓取需要高仿生自由度,灵巧手可以复现人手20+自由度,包括掌指、指间、腕部,支持指尖捏、掌握、侧捏、三指抓、环抱等多模式抓取,适配从毫米级精密件到大型不规则物体。(2)抓取稳定性与鲁棒性需求抓取需要抗滑移、抗扰动,灵巧手可以实时感知接触滑移趋势,动态调整握力与姿态,应对物体滑动、外力扰动、表面光滑、粗糙变化。(3)安全与柔顺需求抓取需要碰撞感知与柔顺响应,灵巧手在抓取过程中能实时检测意外碰撞,快速降力、退避,保障人机、环境安全。2.操作操作是具身交互的高阶能力,核心是在持握基础上完成位姿调整、工具使用、装配、拧转、插拔等动态任务。9/615.1.3灵巧手的具身交互核心需求(续)(1)精细化操作能力操作需要指尖微动与力控,灵巧手支持亚毫米级指尖位移、微牛级力调节,实现拧螺丝、插拔连接器、焊接、穿针引线等精密操作。(2)动态与时序操作需求操作需要连续动态操作,灵巧手支持转瓶盖、拧阀门、滑动开关、拉线、按压等连续动作,具备动作时序规划与力-位混合控制能力。(3)多任务与场景适配操作需要任务快速切换,灵巧手能实现从抓取到操作、从单物体到多物体、从精细到粗重任务的零/低延迟切换。10/615.2灵巧手的关节结构与传动系统5.2.1手指关节类型与自由度配置灵巧手的手指关节类型与自由度配置是其实现高灵活性和精细操作的核心,其设计高度仿生人手,但具体方案因产品定位和技术路线而异。1.关节类型灵巧手的关节设计主要模仿人手的解剖结构(图5-4所示),常见的关节类型包括:(1)腕掌关节(CM):对应拇指与手掌的连接处,是拇指灵活性的关键,通常设计为2-3个自由度,实现屈伸、内收/外展及对掌动作。(2)掌指关节(MCP/MP):连接手掌与手指近节指骨,一般提供1-2个自由度,主要实现手指的屈伸和部分外展/内收。(3)近端指间关节(PIP):位于手指中节指骨,主要提供1个自由度,控制手指的弯曲。(4)远端指间关节(DIP):位于手指远节指骨,主要提供1个自由度,与PIP关节协同完成指尖的精细屈曲。(5)复合关节:部分设计采用耦合机构,例如将PIP与DIP关节通过“∞”字型传动耦合,由一个驱动器控制,实现更自然的弯曲轨迹。12/615.2.1手指关节类型与自由度配置(续)PIP与DIP主要承担指间屈伸,并协同完成指尖的精细弯曲,部分设计通过机构实现两关节耦合。灵巧手借鉴人手关节与运动耦合关系,通过全驱动或欠驱动配置,在灵活性与驱动数量之间取舍。图5-4人手的解剖结构13/615.2.1手指关节类型与自由度配置(续)2.自由度配置在人手屈曲运动过程中,指节与指节间存在固有的运动耦合特性。含腕部在内,人手共有约24个自由度,但灵巧手的自由度配置远未统一,主要分为全驱动(每个自由度独立驱动)、欠驱动(驱动器数量少于自由度)两类,当前主流趋势是追求高自由度的全驱动方案。(1)高自由度仿生方案(20-22主动自由度)代表产品如因克斯的EC-DexHand-5F(20主动自由度)和灵巧智能的DexHand021Pro(16主动手指自由度+4被动自由度+2主动腕关节)。(2)主流高性能方案(12-17主动自由度)图5-5所示为17自由度的灵巧手配置方案,具体包括:拇指配置2个屈伸自由度和1个侧摆自由度;图5-517自由度的灵巧手配置其中XHAND1方案是拇指3自由度、食指3自由度,其余三指各2自由度。14/615.2灵巧手的关节结构与传动系统(续)5.2.1手指关节类型与自由度配置主流高性能方案的特点是灵巧手采用纯电驱、齿轮或丝杠传动,控制精度高,适用于精密制造、实验室操作等场景。(3)简化/专用方案(6-10主动自由度)考虑驱动源的数量直接影响灵巧手的自由度配置,同时受限于与人手相近的尺寸约束,内置驱动源的数量受到了严格限制;代表产品如特斯拉第二代灵巧手(11自由度)和灵巧智能的DexHand021S(8自由度)。5.2.2典型传动方式灵巧手的传动系统对操作的稳定性和灵活性有重要影响,传动方式有连杆传动、绳驱传动和齿轮传动三种。表5-1所示是灵巧手的三种传动系统,包括特点、优点、缺点和应用。15/615.2.2典型传动方式连杆传动侧重刚度、精度与抓取力,绳驱传动侧重柔性、紧凑和减轻末端负载,齿轮传动侧重效率与减速比。方案取舍还需考虑结构复杂度、磨损、抗冲击能力、维护和成本。表5-1灵巧手的三种传动系统传动方式连杆传动绳驱传动齿轮传动特点多个连杆串并联混合的形式传递运动和力矩利用腱绳加上滑轮或者软管实现传动使用微型谐波减速器、带、齿轮驱动优点传动效率高、控制精度高、刚度好、抓取力大、易于加工控制灵活、结构紧凑、柔性高、减轻末端负载、节约空间和成本。手指动作相互独立、更加灵活、传动效率高、减速比大、抓取力大。缺点结构复杂、抗冲击能力弱、体积大、重量大、柔性不足控制精度不高、抓取力不大、腱绳易磨损、负载能力弱。结构复杂、重量大、抗冲击能力弱、故障率较高、成本高。16/615.2.2典型传动方式(续)表5-1灵巧手的三种传动系统传动方式连杆传动绳驱传动齿轮传动应用韩国科学技术研究院KISTHandPanipatWattanasiri团队仿生灵巧手韩国亚洲大学科学家团队ILDA因时机器人RH56DFXShadow公司Shadow灵巧手西班牙国防中心大学&法国交互式机器人实验室CEAdexterous特斯拉Optimus灵巧手麻省理工学院和犹他大学Utah/MIT德国宇航中心&哈工大DLR/HITⅡ北航机器人研究所BH-985绳驱传动的手指关节如图5-6所示,它由以下部件组成:两个指节、角度传感器、腱绳、滑轮、D字转轴、两个垫片和微型子母螺丝钉。17/615.2.2典型传动方式(续)腱绳经滑轮组件传递拉力,牵引指节绕关节轴转动,形成手指弯曲和抓取动作。停止驱动后,背侧复位弹力带使手指恢复伸展;抓取时各指节相对转动,以贴合物体轮廓。图5-6绳驱传动的手指关节18/615.2.3关节限位与安全保护设计灵巧手的关节限位与安全保护是保障其稳定运行、防止机械损坏与人机伤害的核心设计,从机械硬限位、电气软限位、力控安全和电气保护等方面构建了多层防护体系。1.机械硬限位通过结构件直接限定关节转动、移动范围,断电或失控时仍有效,可靠性高。图5-7所示为ORCAHand设计的可弹出式关节,其关节轴承置于弧形凹槽中,正常受力时保持稳定,过载时可“弹出”脱位而非断裂,提高了抗冲击性和耐用性。图5-7ORCAHand设计的可弹出式关节2.电气软限位基于传感器与控制器,在灵巧手的机械限位前设置预警、制动阈值,避免硬冲击,提升运动平滑度。19/615.2.3关节限位与安全保护设计(续)压力和角度传感器分别提供接触受力与关节位置反馈,为灵巧手的软限位和力控安全提供依据。控制器在接近机械限位时逐级降速并限制力矩,超过安全力阈值时减力或松爪,避免硬冲击。图5-8采用压力传感器和角度传感器的食指20/615.2.3关节限位与安全保护设计(续)3.力控安全灵巧手采用多维力/触觉传感器,在指尖、指腹集成六维力传感器、高分辨率触觉阵列,采样率≥1kHz,能实时检测接触力、压力分布与形变;也可以通过安全力阈值方式确保力控安全,预设单指安全力(如≤15N)、抓握安全力矩,超过阈值立即减力、松爪。4.电气保护灵巧手在电气保护上有电机保护、电源保护、冗余监测、紧急停止、故障诊断与容错、安全回路等多种方式。表5-2所示四种关节限位与安全保护设计方案对比,从核心原理、优势和适用场景进行了逐一剖析。机械硬限位提供断电仍有效的终极防护,电气软限位提供精准、平滑且可调整的运动边界。力控安全面向柔顺的人机交互,电气保护面向驱动系统,四类措施承担不同层次的防护任务。表5-2四种关节限位与安全保护设计方案对比防护类型核心原理优势适用场景机械硬限位结构件物理抵接断电有效、可靠所有场景,终极防护电气软限位传感器+控制器阈值精准、平滑、可调高精度、频繁运动场景力控安全触觉/力传感器反馈人机友好、柔顺协作、精细操作电气保护电路监测与切断响应快、防烧毁驱动系统防护21/615.2.4腕部设计腕部作为灵巧手与机器人机械臂连接的关键部分,其运动能力对于扩展灵巧手的操作空间和实现类人级别的精细操作至关重要。图5-9所示为具有三级驱动连杆的腕部设计,表5-3所示为腕部部件名称与结构功能说明。图5-9具有三级驱动连杆的腕部设计22/615.2.4腕部设计(续)腕部通过多级驱动连杆传递运动和动力,并联平台承载末端执行器,实现多自由度姿态调整。弧形末端连杆改善连接的柔顺性,支撑球提供多方向转动支撑,各部件共同构成腕部运动链。名称结构功能说明一级驱动连杆由一级电机驱动,传递动力至腕部前级机构二级驱动连杆由二级电机驱动,实现腕部的俯仰或偏航运动三级驱动连杆由三级电机驱动,实现腕部的横滚或另一自由度运动弧形末端连杆弧形结构连杆,用于连接驱动机构与末端平台,提升运动柔顺性并联平台腕部末端的并联结构平台,用于承载末端执行器并实现多自由度姿态调整支撑球作为腕部的球形支撑,提供多方向转动自由度,类似球铰结构表5-3腕部部件名称与结构功能说明23/615.3灵巧手的驱动与感知系统5.3.1驱动方式选型1.全驱动和欠驱动根据自由度与驱动源数量,可将灵巧手分为全驱动和欠驱动两大类。(1)全驱动灵巧手驱动源的数量与被控制灵巧手的自由度数量相等。但是,全驱动也意味着需要更多的驱动器,会使手掌体积变大、安装困难、操作复杂。(2)欠驱动灵巧手被控制的自由度多于驱动源的数目,缺少驱动源的部分则进行耦合随动。但是,欠驱动机械手的高集成性一定程度上也是牺牲高自由度性能的结果,存在功能性不足,尤其是对于精度要求比较高的手指精巧控制无法胜任。2.腱驱动的三种类型驱动器外置腱驱动灵巧手主要运作原理如下:如图5-10所示,电机和滚珠/滚柱丝杠外置于手臂中,电机通过减速箱带动滚珠丝杠,电机轴的转动被转化为丝杠螺母的平移运动,丝杠螺母拉动腱绳,腱绳另一端连接到手指指骨上,拉动手指绕关节轴旋转。但弹簧的引入又增大了腱绳受到的摩擦力,为了减小腱绳与弹簧之间的摩擦力,在腱绳和弹簧之间套入特氟龙管(即Teflon管),既能提高传动效率,又解决了腱绳与弹簧之间的长时间摩擦带来的磨损问题。25/615.3.1驱动方式选型(续)外置电机经减速箱和滚珠丝杠,将旋转运动转化为螺母平移,再牵引腱绳使手指弯曲。腱绳外的硬质弹簧降低腕部运动干扰,特氟龙管用于减小摩擦及长期磨损,改善传动效率。图5-10腱驱动26/615.3.1驱动方式选型(续)将驱动器布置在手臂而非指节,可减小手指的体积与重量,适合多自由度灵巧手的集成。腱绳走线需同时考虑腕部姿态变化、张紧补偿与摩擦损耗,避免传动效率下降或腱绳松弛。图5-11驱动器外置灵巧手整机机构27/615.3.1驱动方式选型(续)N+1方案用比自由度多1根的腱绳独立控制关节,但会引入关节耦合,对控制算法提出更高要求。N型方案驱动器数量较少,通过闭环腱绳回路传动,并需预紧机构维持张紧状态。表5-4三种腱驱动方案对比28/615.3.2触觉传感器配置与信号采集机器人灵巧手的触觉传感器配置与信号采集是实现高精度、安全交互的核心技术,其设计需兼顾感知性能、系统集成与实时控制。1.触觉传感器安装位置灵巧手的触觉传感器配置通常采用‌多模态、全域覆盖‌的策略,以全面感知物体的物理属性和接触状态。图5-12触觉传感器安装位置2.电容式触觉传感器如图5-13所示,电容式触觉传感器的基础公式是平行板电容;其中真空介电常数,介质相对介电常数,极板重叠面积,极板间距。外力使减小、增大或变化,导致电容值改变,经检测电路换算为压力或力信息。29/615.3.2触觉传感器配置与信号采集(续)图5-13平行板电容工作原理图5-14所示为电容式柔性三维传感器结构,包括触头、上基板、上电极、下电极和硅胶腔体,为了实现传感器的全柔性,基体部分和电极部分均由柔性材料制作而成,传感器的上下电极均由有机硅导电银胶制成,公用接地上电极的形状为一个正方形,下电极的形状为四个正方形,上下电极共同构成了一个由四个电容单元组成的单电极类平行板电容器,通过各电容差值解算三维力,即法向力和两个切向力。30/615.3.2触觉传感器配置与信号采集(续)图5-14电容式柔性三维传感器结构3.F-TACHand触觉传感器图5-15所示为北京通用人工智能研究院与北京大学联合研发的F-TACHand,其手掌70%的区域覆盖了高分辨率触觉传感器,空间分辨率可达0.1毫米,相当于每平方厘米拥有约1万个触觉像素‌。31/615.3.2触觉传感器配置与信号采集(续)图5-15F-TACHand触觉传感器图5-15中触觉传感器分布在手指和手掌的不同位置,其中传感器集成了定制摄像头模块,用于指尖等精细感知区域。4.SuperTac多模态融合触觉传感器‌单一的触觉传感器难以满足复杂需求,因此常与‌力/力矩传感器‌、‌视觉传感器‌等进行多模态融合。32/615.3.2触觉传感器配置与信号采集(续)SuperTac支持四种主要感知模态,即UV(紫外)用于荧光标记成像、VIS(可见光)用于彩色视觉成像、NIR(近红外)用于近红外成像、MIR(中红外)用于温度/热成像,它还可以通过摩擦电效应获取力和距离信息。表5-5SuperTac传感器结构部件名称编号组件名称功能描述①导电层用于摩擦电信号的采集和传输②反射层反射内部照明,辅助成像③荧光层在紫外光激发下产生荧光,用于触觉模式下的高分辨率成像④支撑层提供机械支撑,保持结构稳定⑤MIR相机采集中红外图像,用于温度感知⑥NIRLED发射近红外光,用于近红外成像照明⑦IMU惯性测量单元,用于姿态和运动感知⑧PEDOT:PSS透明导电聚合物,作为电极和透明层33/615.3.2触觉传感器配置与信号采集(续)荧光标记用于形变测量,可见光相机与近红外相机分别采集对应波段图像,UVLED用于激发荧光层。这些部件把触觉形变与多波段视觉联系起来,为接触状态识别提供互补信息。表5-5SuperTac传感器结构部件名称编号组件名称功能描述⑨荧光标记嵌入在荧光层中的标记点,用于形变测量⑩可见光相机采集彩色图像,用于视觉模式⑪NIR相机采集近红外图像⑫UVLED发射紫外光,激发荧光层产生荧光34/615.3.2触觉传感器配置与信号采集(续)SuperTac集成多种照明和成像模块,可在触觉模式与视觉模式之间切换,兼顾接触与外观信息。触觉模式利用荧光点位移测量形变;视觉模式关闭内部照明,并利用环境光获取物体彩色图像。图5-16SuperTac传感器35/615.3.2触觉传感器配置与信号采集(续)SuperTac多模态融合触觉传感器可以在两种模式间切换(图5-17a所示),当触觉模式时,内部照明模块(UV、NIR、MIRLED)开启,UV光激发荧光层通过相机捕捉荧光点的位移,精确测量接触形变,MIR和NIR用于温度和近红外成像;a)36/615.3.2触觉传感器配置与信号采集(续)紫外图像中的荧光标记点位移反映接触形变,近红外图像呈现不同物体的近红外响应。RGB提供物体彩色信息,MIR成像展示温度变化,形成触觉、视觉和温度等多模态数据。b)37/615.3.2触觉传感器配置与信号采集(续)不同材料接触与分离会产生电荷转移,导电层采集摩擦电信号并将其转换为电学测量结果。摩擦电信号用于接近与接触感知,支持距离与力的测量c)图5-17SuperTac传感器工作原理38/615.3.2触觉传感器配置与信号采集(续)图5-17b中展示了传感器在不同模式下采集到的代表性数据:在触觉模式下,紫外图像显示了荧光标记点的分布,接触后点的位置变化反映了表面形变;5.触觉传感器的信号采集触觉信号的采集面临多通道、高同步、低延迟的挑战,其核心在于实现传感器数据的高效、同步处理。(1)同步采集技术为避免因信号采集不同步导致的控制延迟或误判,同步采集是关键,采用可编程芯片和同步信号发生模块,能够实现多个触觉传感单元的信号同步采集,解决了传统灵巧手无法同步采集触觉信号的技术难题。(2)信号处理架构图5-18所示为触觉传感器的信号处理架构,它包括三个阶段:39/615.3.2触觉传感器配置与信号采集(续)信号处理依次完成信息表征、采集和重构:先将接触作用转化为可测信号,再完成采样和数字化。融合模型从原始信号重建力分布、轮廓与纹理等特征,为灵巧手精细抓取提供反馈。图5-18信号处理架构40/615.3.3常见灵巧手驱动与感知技术指标表5-6汇总了10款常见灵巧手的驱动与感知核心技术指标,覆盖了国内外主流产品(如ShadowHand、UnitreeDex5、智元、兆威机电等)。本页五款灵巧手在主动与被动自由度、驱动布局和传感配置上存在差异,可先比较触觉、视觉与电流反馈的组合。多项指标标注N/A,进行产品比较时仍需核实对应资料,不宜仅凭缺失项作优劣排序。表5-6常见灵巧手驱动与感知技术指标产品自由度驱动方式传感输出力速率精度灵敏度ShadowHand20主动、4被动分布式、外置触觉N/AN/AN/AN/ADH201212主动、8被动集中式+分布式、内置触觉15KgN/AN/AN/AUnitreeDex516主动、4被动集中式+分布式、内置触觉N/AN/AN/AN/A智元12主动、7被动集中式+分布式、内置视觉、触觉N/AN/AN/AN/AMagicHandS0111主动集中式、内置电流、触觉5kgN/AN/AN/A41/615.3.3常见灵巧手驱动与感知技术指标(续)输出力、负载、重复定位精度和动态力控范围属于不同性能维度,不宜直接混合排名。例如XHAND1列出单手80N及负载20kg,RH56E2列出单指尖力30N与重复定位±0.2mm。表5-6常见灵巧手驱动与感知技术指标产品自由度驱动方式传感输出力速率精度灵敏度XHAND112主动集中式、内置N/A单手80N、负载20KgN/AN/AN/ADH-ROBOTICS6主动、5被动集中式、内置力传感N/AN/AN/AN/AeHand-66主动集中式、内置触觉单手10N,负载5kgN/AN/A3N-10N动态力控RH56E26主动集中式、内置触觉、力传感单指尖力30NN/A重复定位±0.2mmN/A兆威机电17主动集中式、内置N/AN/AN/AN/AN/A42/615.4灵巧手具身控制核心技术5.4.1手指运动学正逆解建模当前,小型化和拟人化已成为机器人灵巧手发展的主要趋势。1.食指正运动学分析在构建手指运动学模型的过程中,需要将灵巧手的各手指机构分别视为由若干连杆及运动副构成的串联式机构。图5-19食指连杆坐标系其中,为各关转角变量,根据第二章人手的活动范围,将侧摆关节角的范围设置为,手指屈伸的关节角的范围都设置为;表示相邻连杆关节轴线绕其公垂线旋转至平行状态时所形成的扭转角度。其中,除44/615.4.1手指运动学正逆解建模(续)食指侧摆基关节与其他关节轴线为垂直关系,其余关节轴线均互相平行,故除外,其余扭角均为;为连杆的长度,即为食指各指节长度;为关节轴线与关节轴线公垂线之间的距离,由于食指相邻轴线间均无偏移,故=0。表5-7食指D-H参数表根据D-H参数法,食指指尖位置与关节角度之的关系式可表示为:

(5-1)45/615.4.1手指运动学正逆解建模(续)式中,

由式(5-1)可知,当已知食指各关节的旋转角度参数(i=1,2,3,4)时,便可确定食指指尖在食指基坐标系下的唯一位置。2.中指正运动学分析灵巧手中指和无名指结构完全相同,且除基指节外,中指和无名指与食指和小指的前三个指节结构相同,即比食指少一个侧摆关节,故其扭角均为。坐标系定义如下:以关节轴线为旋转轴,轴沿其公垂线方向,由轴指向轴,轴的方向由右手定则来确定;定义中指基坐标系为{},指尖坐标系为{}。表中各关节屈伸角度的取值范围均为。46/615.4.1手指运动学正逆解建模(续)中指与无名指结构相同,较食指少一个侧摆关节;各指节可简化为连杆和旋转关节。以关节旋转中心建立坐标系,用D-H参数描述相邻连杆关系;给定尺寸和关节角,可计算中指指尖位置。图5-20中指连杆坐标系47/615.4.1手指运动学正逆解建模(续)表5-8中指D-H参数表中指指尖位置与关节角度之间的关系式可表示为:(5-2)3.拇指正运动学分析在灵巧手的结构中,拇指与其他四指(食指、中指、无名指和小指)存在一定差异。拇指的D-H参数表如表5-9所示,其中,为各关节的旋转角度。基于前文人手的活动范围数据,将侧摆关节角的范围设定为;类似食指,将屈伸动作的关节角和的范围同样设定在之间。48/615.4.1手指运动学正逆解建模(续)拇指比其他四指少一个指节,但根部具有朝掌心方向的侧摆自由度,因此其结构模型有所不同。按连杆关系建立各关节坐标系,再用D-H参数构建正运动学关系,描述关节角与拇指指尖位置的联系。图5-21拇指连杆坐标系49/615.4.1手指运动学正逆解建模(续)拇指指尖位置与关节角度之间的关系式可表示为:

(5-3)4.灵巧手逆运动学分析灵巧手逆运动学分析的核心在于根据手指末端指尖相对于坐标系的空间位置和姿态信息,反解其各关节转角参数。以中指为例,已知指尖在空间中的位置坐标,则、对于中指基坐标系原点的角度可知,且可得下式:表5-9拇指D-H参数50/615.4.1手指运动学正逆解建模(续)逆运动学根据目标指尖位姿反求各关节转角,需先判断目标是否位于灵巧手工作空间内。存在多组解时,综合关节运动范围和避障约束,按最短行程准则选择关节转动量较小的可行解。(5-4)51/615.4.2抓取姿态规划与多指协同控制1.抓取姿态规划灵巧手抓取姿态规划的目标是在满足可达性、稳定性、任务适配性的前提下,为多指分配最优的接触点和关节姿态,本质是“操作空间→关节空间”的最优映射问题。图5-22抓取姿态规划流程设计52/615.4.2抓取姿态规划与多指协同控制(续)(1)目标物体感知首先获取目标物体的核心信息,如3D点云、网格模型、尺寸、质量、材质(包括软硬、摩擦系数),以及抓取任务约束,如“捏取”、“拧动”、“托举”等。(2)抓取候选集生成从物体表面采样可行的接触点组合,生成多组抓取姿态候选,主流方法分为几何法、数据驱动法两类,如表5-10所示。53/615.4.2抓取姿态规划与多指协同控制(续)表5-10抓取姿态候选方法类型原理适用场景几何法基于物体几何特征(如凸包、对称轴、抓取框),生成“指端接触点+手掌位姿”规则形状物体(立方体、圆柱)数据驱动法基于抓取数据集(如GraspNet-1B),通过CNN/PointNet预测最优接触点不规则/柔性物体(水果、布料)(3)抓取姿态评价通过抓取稳定性量化指标来筛选最优姿态,核心评价指标为:(5-5)(4)运动学逆解验证对筛选出的最优接触点,通过运动学逆解,验证是否存在对应的关节角解;54/615.4.2抓取姿态规划与多指协同控制(续)对筛选出的最优接触点进行运动学逆解,检查是否存在满足目标位姿的关节角

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论