機器人被譽為“制造業(yè)皇冠頂端的明珠”，是智能制造的重要支撐工具。隨著機器人與人工智能技術(shù)的發(fā)展，“人機共融”成為發(fā)展趨勢：機器人與人類共享工作空間，自然交互、緊密協(xié)調(diào)，實現(xiàn)人機共融。機器人力控制通過對環(huán)境的力覺感知與控制，實現(xiàn)機器人的“剛?cè)岵?。例如在機器人手術(shù)中，對手術(shù)刀的力控制可以實現(xiàn)創(chuàng)傷的有效縫合，同時避免對病患造成二次傷害；醫(yī)療康復(fù)任務(wù)中，機器人替代醫(yī)師為病患提供輔助運動，促進(jìn)肌肉力量與耐力恢復(fù)。對力控制技術(shù)的研究能夠有效提高機器人的任務(wù)執(zhí)行能力，為人機共融提供重要支撐。 

　　由于與環(huán)境直接交互，機器人的力控制性能直接受到外部環(huán)境的影響。隨著環(huán)境復(fù)雜性的增加，機器人的力控制問題面臨著巨大挑戰(zhàn)：在力控制過程中還需考慮動態(tài)障礙物、自身物理約束對機器人的影響，加之力控制過程存在負(fù)載變化、交互模型參數(shù)不確定等問題，在多約束條件下研究具有自適應(yīng)補償能力的力控制算法是關(guān)鍵。 

　　為此，省科學(xué)院智能制造研究所機器人技術(shù)團隊提出了一種基于約束優(yōu)化的理論框架，并將機器人模型信息引入神經(jīng)網(wǎng)絡(luò)，以模型與數(shù)據(jù)聯(lián)合驅(qū)動的方式，提出了一種面向機器人力控制的輕量化神經(jīng)網(wǎng)絡(luò)架構(gòu)。 

　　針對環(huán)境中的動態(tài)不確定障礙物影響，采用深度相機實現(xiàn)對機器人周圍環(huán)境的監(jiān)控，采用背景差分技術(shù)去除環(huán)境中靜態(tài)的物體從而實時捕捉環(huán)境中的由人引入的靜態(tài)或者動態(tài)的障礙物，利用動態(tài)系統(tǒng)理論構(gòu)建不等式約束，得到機器人動態(tài)避障的不等式約束；針對力控制任務(wù)，建立基于動態(tài)規(guī)劃的外環(huán)控制模型，考慮系統(tǒng)的接觸過程參數(shù)未知的問題，設(shè)計參數(shù)自適應(yīng)學(xué)習(xí)的笛卡爾阻抗控制策略；以系統(tǒng)能量消耗為優(yōu)化指標(biāo)，結(jié)合系統(tǒng)的關(guān)節(jié)物理約束，得到具有約束-優(yōu)化形式的力控制問題描述。針對系統(tǒng)高階非線性耦合特點導(dǎo)致控制量求解困難的問題，設(shè)計了一種輕量化的遞歸神經(jīng)網(wǎng)絡(luò)：采用機器人模型信息輔助神經(jīng)網(wǎng)絡(luò)權(quán)值設(shè)計，通過挖掘機器人固有性質(zhì)，從而簡化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，超參數(shù)收斂速度。在機器人關(guān)節(jié)角度與速度限幅的情況下，對剛度未知曲面的接觸力控制誤差不超過1%，同時節(jié)省能耗16%，該方法大大簡化了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，同時有效提升了機器人系統(tǒng)的適應(yīng)性，在智能制造、防疫檢測、醫(yī)療康復(fù)等領(lǐng)域有廣泛的應(yīng)用前景。 

　　相關(guān)研究成果已發(fā)表在自動化與控制系統(tǒng)期刊《IEEE transactions on industrial electronics》（JCR一區(qū)；IF= 7.515）。 

　　論文鏈接：https://ieeexplore.ieee.org/document/8984689 

　　（省科學(xué)院智能制造研究所 徐智浩/供稿）