Wheelchair Maneuvering with a Single-Spherical-Wheeled Balancing Mobile Manipulator
作者: Cunxi Dai, Xiaohan Liu, Roberto Shu, Ralph Hollis
分类: cs.RO
发布日期: 2024-04-19
💡 一句话要点
提出动态稳定的移动操控框架以解决轮椅操控问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 轮椅操控 动态稳定性 移动操控器 人机交互 准静态分析 非完整约束系统 安全性 运动规划
📋 核心要点
- 现有方法在操控非完整约束的轮椅时面临挑战，尤其是在动态环境中保持安全与稳定性。
- 本研究提出了一种基于准静态分析的控制框架，能够在操控重型轮椅时保持合规性与动态稳定性。
- 实验结果表明，该框架在11.8 kg至79.4 kg的负载下，能够以最大线速度0.45 m/s和角速度0.3 rad/s精确操控轮椅。
📝 摘要（中文）
本研究提出了一种控制框架，旨在有效操控具有动态稳定性的移动操控器的轮椅。轮椅作为一种非完整约束的推车系统，其操控面临诸多挑战，包括非完整约束和变化的惯性参数需要在线识别与适应。此外，轮椅广泛应用于人性化环境中，要求移动操控器在拥挤空间中安全操作。我们通过准静态分析规划全身运动，以操控重型非完整约束推车，同时保持整体的合规性。实验验证了该框架能够在不同负载下精确跟踪轮椅速度，并确保与环境的安全交互。
🔬 方法详解
问题定义：本研究旨在解决轮椅操控中的动态稳定性与安全性问题。现有方法在处理非完整约束系统时，难以适应变化的环境与负载，导致操控效果不佳。
核心思路：论文提出的控制框架基于准静态分析，能够实时调整轮椅的运动策略，以适应不同的负载和环境条件，从而实现安全、平稳的操控。
技术框架：整体架构包括运动规划模块、实时状态识别模块和合规性控制模块。运动规划模块负责生成运动轨迹，状态识别模块实时监测环境与负载，合规性控制模块确保与人类的安全交互。
关键创新：本研究的核心创新在于结合准静态分析与动态稳定控制，能够在复杂环境中实现高效的轮椅操控，显著提升了现有方法的适应性与安全性。
关键设计：在参数设置上，采用了动态调整的控制增益，以适应不同的负载和环境；损失函数设计上，考虑了合规性与运动平滑性，确保生成的人类般的运动轨迹。实验中使用的CMU ballbot作为移动操控器，具备良好的动态稳定性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，提出的控制框架在不同负载下能够精确跟踪轮椅的期望速度，最大线速度达到0.45 m/s，角速度达到0.3 rad/s，且在负载范围11.8 kg至79.4 kg内保持了良好的运动平滑性，确保了安全的人机交互。
🎯 应用场景
该研究的潜在应用领域包括医疗辅助、老年人护理和残疾人服务等。通过提高轮椅的操控能力，可以显著改善用户的移动体验，增强人机交互的安全性与舒适性，未来可能推动智能轮椅的广泛应用。
📄 摘要（原文）
In this work, we present a control framework to effectively maneuver wheelchairs with a dynamically stable mobile manipulator. Wheelchairs are a type of nonholonomic cart system, maneuvering such systems with mobile manipulators (MM) is challenging mostly due to the following reasons: 1) These systems feature nonholonomic constraints and considerably varying inertial parameters that require online identification and adaptation. 2) These systems are widely used in human-centered environments, which demand the MM to operate in potentially crowded spaces while ensuring compliance for safe physical human-robot interaction (pHRI). We propose a control framework that plans whole-body motion based on quasi-static analysis to maneuver heavy nonholonomic carts while maintaining overall compliance. We validated our approach experimentally by maneuvering a wheelchair with a bimanual mobile manipulator, the CMU ballbot. The experiments demonstrate the proposed framework is able to track desired wheelchair velocity with loads varying from 11.8 kg to 79.4 kg at a maximum linear velocity of 0.45 m/s and angular velocity of 0.3 rad/s. Furthermore, we verified that the proposed method can generate human-like motion smoothness of the wheelchair while ensuring safe interactions with the environment.