Shared Autonomy via Variable Impedance Control and Virtual Potential Fields for Encoding Human Demonstration
作者: Shail Jadav, Johannes Heidersberger, Christian Ott, Dongheui Lee
分类: cs.RO
发布日期: 2024-03-19 (更新: 2024-04-08)
备注: Accepted to ICRA 2024. More information can be found on the project website https://shailjadav.github.io/SALADS/
🔗 代码/项目: PROJECT_PAGE
💡 一句话要点
提出基于变阻抗控制和虚拟势场的人机协作框架以解决复杂任务
🎯 匹配领域: 支柱四：生成式动作 (Generative Motion) 支柱七：动作重定向 (Motion Retargeting) 支柱八：物理动画 (Physics-based Animation)
关键词: 人机协作 变阻抗控制 虚拟势场 共享自主性 智能制造 安全控制
📋 核心要点
- 核心问题：现有的人机协作方法在复杂任务中难以有效编码人类示范，且安全性和合规性不足。
- 方法要点：提出基于时间不变势场的运动生成器和共享自主性框架，动态分配人机协作中的权威。
- 实验或效果：通过仿真和实验验证了框架的有效性，展示了其在复杂任务中的应用潜力。
📝 摘要（中文）
本文介绍了一种用于复杂人机协作任务的框架，例如家具的共同制造。为此，编码人类示范任务并以合规和安全的方式重现这些技能至关重要。本文提出了一种基于时间不变势场的运动生成器，能够编码扭矩特征、复杂的闭环轨迹，并结合障碍物避免。此外，论文探讨了共享自主性（SA），通过动态分配权威实现人类操作员与机器人之间的协同合作。采用变阻抗控制（VIC）和力控制，根据交互力调整阻抗和扭矩。通过能量罐的任务消极化策略确保系统的被动性。通过仿真和实验研究验证了框架的有效性，实验中使用了Franka Emika Research 3机器人。
🔬 方法详解
问题定义：本文旨在解决复杂人机协作任务中，如何有效编码人类示范并安全重现技能的问题。现有方法在处理复杂轨迹和动态环境时存在不足，难以保证安全性和合规性。
核心思路：论文提出了一种基于时间不变势场的运动生成器，能够编码扭矩特征和复杂轨迹，同时结合障碍物避免机制。通过共享自主性框架，动态分配人机之间的权威，实现更高效的协作。
技术框架：整体架构包括运动生成模块、共享自主性模块和安全控制模块。运动生成模块负责生成合规的轨迹，共享自主性模块根据人机交互动态调整权威，安全控制模块确保系统的被动性。
关键创新：最重要的技术创新在于结合了变阻抗控制与虚拟势场，能够根据人机交互的力量动态调整控制策略，确保安全性和合规性。这与传统的固定控制策略有本质区别。
关键设计：在设计中，采用了能量罐的任务消极化策略，以确保系统的被动性。此外，阻抗和扭矩的调整基于人机自主性因子，这一设计使得系统能够更灵活地响应人类操作员的意图。
🖼️ 关键图片
📊 实验亮点
实验结果表明，所提出的框架在复杂任务中的表现优于传统方法，尤其在安全性和合规性方面有显著提升。具体性能数据未提供，待进一步验证。
🎯 应用场景
该研究的潜在应用领域包括智能制造、医疗辅助和服务机器人等。通过提高人机协作的安全性和效率，该框架能够在实际生产中实现更高的灵活性和适应性，推动智能制造的发展。未来，该技术可能在更多复杂环境中得到应用，提升人机协作的智能水平。
📄 摘要（原文）
This article introduces a framework for complex human-robot collaboration tasks, such as the co-manufacturing of furniture. For these tasks, it is essential to encode tasks from human demonstration and reproduce these skills in a compliant and safe manner. Therefore, two key components are addressed in this work: motion generation and shared autonomy. We propose a motion generator based on a time-invariant potential field, capable of encoding wrench profiles, complex and closed-loop trajectories, and additionally incorporates obstacle avoidance. Additionally, the paper addresses shared autonomy (SA) which enables synergetic collaboration between human operators and robots by dynamically allocating authority. Variable impedance control (VIC) and force control are employed, where impedance and wrench are adapted based on the human-robot autonomy factor derived from interaction forces. System passivity is ensured by an energy-tank based task passivation strategy. The framework's efficacy is validated through simulations and an experimental study employing a Franka Emika Research 3 robot. More information can be found on the project website https://shailjadav.github.io/SALADS/