解决实时机器人运动控制难题

运动控制是机器人系统的软件组件，它指示机器人应如何移动以完成已定义的任务。机器人手臂通过旋转和滑动关节的动作移动，而移动机器人通过运动和转向移动。

另一方面，机器人任务是通过机器人上的工具（末端执行器）完成的。任务可能是操纵性的（例如，使用抓取器时），也可能是感觉性的（例如，在放置相机时）。这两个概念– movement and tasks –是解决机器人技术高级应用程序的关键。

工具完成工作，但关节受到控制

如图1所示，运动控制问题的核心是工具完成了工作，但关节是受控制的。两者之间的关系很复杂。描述由机械手臂握住的探针的放置位置的方程式可以使用几页或几页的三角函数。这是容易的方向。走另一条路–计算如何放置关节以获得所需工具位置的控制解决方案–甚至没有方程式。它可能只能迭代解决。

一些机器人（如图2所示）具有比执行任务所需的最低操作数更多的致动器（例如，握住螺丝起子）。这种冗余使机器人具有能力，但使运动控制变得复杂。想想人体。通过我们的额外接头，有很多方法可以将旧比萨饼从冰箱中取出–实际上是无穷大–利用冗余，我们可以到达牛奶纸箱周围，保持平衡并平稳移动，以减轻关节压力并避免关节受限。但这需要大量的脑力。具有冗余性的机器人可以通过同样的顺畅，高效的控制来移动，但它需要大量的处理能力。

只要有一种以上的方式来用机器人做某事，所选的方式就应具有特殊的品质–例如，从碰撞到最大距离。路径还可以提高强度，最小化时间，避免工作空间限制，降低功耗并提高准确性。实际上，最佳动作通常是这些动作的组合– and other – pure qualities.

运动控制还必须包含约束。机器人关节具有速度和加速度限制。执行器具有最大的扭矩或力。机器人的物理部分不能在空间上重叠，也不能超过关节极限。这些是机器人和世界的物理现实所施加的约束。所需的任务，约束和优化相结合，使机器人运动控制成为一个挑战。

控制技术的复杂性需要实时处理

但是，已经开发出多种数学技术来应对这一挑战。有时会使用特殊目的的方程，但是一种常见的技术是使用所谓的操纵器雅可比行列式。雅可比定律是一个数学对象，它以简化的方式将刀具速度描述为关节速度的函数。它避开了复杂的直接位置计算。因为它具有简化的形式，所以更容易反转来解决控制问题，唯一的缺点是它可以使用速度而不是位置。使用雅可比定律进行定位需要算法反馈技术。

尽管几乎总是可以对雅可比定律进行定义，计算和求逆以便进行控制，但挑战仍然存在。第一个是如何在本地和全局选择和集成所需的优化。只要端点正确，全局控制就涉及路径上具有灵活性的大型运动，而局部控制涉及精确定义的（通常是较小的）运动。许多机器人任务是结合使用全局控制和局部控制来执行的，如何选择和实施优化是一个开放的领域。

管理高阶导数也是一个持续改进的领域，尤其是对于在线控制。如今，许多机器人会在运动开始之前离线生成完整路径。离线路径生成允许在有关较早状态的计算中使用机器人的将来状态。这有助于限制可能引起振动的运动的较高导数（例如，加速度的导数）。但是缺点是，运动开始之前知识是不完整的，一旦机器人在预先计算的路径上启动，它就无法响应环境和用户输入的变化。需要更多的工作来实时地最佳控制更高的导数。

权衡因素是控制算法的计算速度。实时应用时，速度至关重要。一种强大的算法方法是探索多种选择–一步一步地–并选择最好的。更快的实现方式允许更多的选择和改进的控制。

在纸上或演示中存在算法与实际使用之间存在鸿沟，因为要使算法可用本身就很困难。实施必须健壮。甚至很少的问题也需要解决。该实现必须适应机器人类型，环境和任务中不可避免的偏差。而且它必须轻松与其他软件集成。

实际机器人系统的运动控制

当今，满足这些需求的是多个免费，开源和商业软件包。 Energid 技术领域的肌动蛋白图3所示的是商业示例。它控制制造，医疗和能源应用等领域的武器。使用肌动蛋白的一个突出例子是在箱式拣选中，一次必须从随机的一堆零件中取出一个零件。料箱拣选需要快速，平稳的运动控制，同时还要避免与固定零件的料箱和料箱中的其他零件发生碰撞。先进的运动控制使机械手垃圾箱拣选变得切实可行。

关于作者

詹姆斯·英语是Energid 技术领域的总裁兼首席技术官。他领导项目团队开发复杂的机器人，机器视觉和仿真系统。詹姆士’专业是自动远程机器人。

在创立Energid之前，他的背景是工程和航空航天行业的软件开发，他曾担任关键R&雷神公司和MAK 技术领域的D职位。他撰写了许多期刊和会议论文以及与机器人系统的控制和仿真有关的多项专利。 James拥有博士学位。在普渡大学获得电气工程博士学位。