Reactive Temporal Logic-based Planning and Control for Interactive Robotic Tasks
作者: Farhad Nawaz, Shaoting Peng, Lars Lindemann, Nadia Figueroa, Nikolai Matni
分类: cs.RO, eess.SY
发布日期: 2024-04-30
💡 一句话要点
提出基于反应时序逻辑的规划与控制以解决人机交互任务的安全性与灵活性问题
🎯 匹配领域: 支柱五：交互与反应 (Interaction & Reaction)
关键词: 人机交互 反应时序逻辑 模块化控制 连续动力系统 安全规划 机器人运动控制 适应性规划
📋 核心要点
- 现有的人机交互规划方法在安全性和适应性之间存在矛盾，难以同时满足这两方面的需求。
- 本文提出了一种模块化控制架构，结合时序逻辑和连续动力系统，生成安全且灵活的运动计划。
- 通过在Franka机器人臂上进行实验，验证了该方法在执行擦拭任务时的有效性和适应性。
📝 摘要（中文）
与人类互动的机器人必须具备安全性、反应性，并能够在线适应不可预见的环境和任务变化。实现这些要求的同时存在挑战，因为现有的交互规划器缺乏正式的安全保证，而安全运动规划器则缺乏适应性。为此，本文提出了一种模块化控制架构，通过将基于时序逻辑的离散任务级规划与基于连续动力系统的运动规划相结合，生成安全且具有反应性的运动计划。我们制定了一种反应时序逻辑公式，使用户能够通过结构化语言定义任务规范，并提出了一种任务级规划算法，能够生成一系列期望的机器人行为，同时适应环境变化。
🔬 方法详解
问题定义：本文旨在解决机器人在与人类交互时的安全性与灵活性问题。现有方法在安全运动规划和交互规划之间存在矛盾，无法同时保证安全性和适应性。
核心思路：我们提出了一种模块化控制架构，结合了基于时序逻辑的离散任务规划与基于连续动力系统的运动规划，以实现安全且反应灵活的机器人行为。
技术框架：整体架构分为两个主要模块：任务级规划和运动级规划。任务级规划使用反应时序逻辑生成期望的机器人行为序列，而运动级规划则利用控制Lyapunov函数和控制障碍函数计算稳定且安全的连续运动计划。
关键创新：本研究的创新在于将反应时序逻辑与连续动力系统相结合，形成了一种新的规划方法，能够在动态环境中实时适应并保证安全性，这在现有方法中是前所未有的。
关键设计：在运动级规划中，我们采用了控制Lyapunov函数和控制障碍函数的组合，以确保机器人在执行复杂和时间关键任务时的稳定性和安全性。
🖼️ 关键图片
📊 实验亮点
实验结果表明，Franka机器人在执行擦拭任务时，能够有效地适应环境变化，保持高安全性和稳定性。与传统方法相比，本文提出的规划算法在任务执行的灵活性和安全性上有显著提升，具体性能数据未在摘要中提供。
🎯 应用场景
该研究的潜在应用领域包括服务机器人、工业自动化以及医疗辅助机器人等。通过提高机器人在动态环境中的适应能力和安全性，能够显著提升人机协作的效率和安全性，具有广泛的实际价值和影响。未来，该方法可扩展至更多复杂的交互任务和环境中。
📄 摘要（原文）
Robots interacting with humans must be safe, reactive and adapt online to unforeseen environmental and task changes. Achieving these requirements concurrently is a challenge as interactive planners lack formal safety guarantees, while safe motion planners lack flexibility to adapt. To tackle this, we propose a modular control architecture that generates both safe and reactive motion plans for human-robot interaction by integrating temporal logic-based discrete task level plans with continuous Dynamical System (DS)-based motion plans. We formulate a reactive temporal logic formula that enables users to define task specifications through structured language, and propose a planning algorithm at the task level that generates a sequence of desired robot behaviors while being adaptive to environmental changes. At the motion level, we incorporate control Lyapunov functions and control barrier functions to compute stable and safe continuous motion plans for two types of robot behaviors: (i) complex, possibly periodic motions given by autonomous DS and (ii) time-critical tasks specified by Signal Temporal Logic~(STL). Our methodology is demonstrated on the Franka robot arm performing wiping tasks on a whiteboard and a mannequin that is compliant to human interactions and adaptive to environmental changes.