隨著機器人應用廣度與深度不斷提升，人與機器人協(xié)同作業(yè)是人機共融的作業(yè)新模式，能有效解決多品種小批量快速換產(chǎn)需求，助推智能制造高質(zhì)量發(fā)展。在開放式非結構化的共融場景下亟待解決的關鍵問題，是如何讓機器人快速適應任務與環(huán)境的變化，避免與操作者或動/靜態(tài)障礙物發(fā)生碰撞，提升機器人的安全防護性能。然而，傳統(tǒng)通過障礙物感知與繁瑣編程的機器人安全防護方法，極其費時費力，且適應性差，無法應用于人機共融場景。

　　為了體現(xiàn)以人為本的智能制造，省科學院智能制造研究所機器人技術團隊提出一種基于人類運動演示的機器人安全防護技能快速學習方法，通過人到機器人的運動技能傳遞，不僅充分發(fā)揮了操作者與機器人各自的優(yōu)勢，而且能夠在保證安全的有效性之余，盡可能兼顧操作的靈活性和效率，是目前人機共融場景下安全防護的主要手段之一。該方法從模仿學習的角度出發(fā)，不僅考慮操作者演示運動軌跡的多樣性（Variability），且能夠通過設定安全點進行運動軌跡調(diào)整，實現(xiàn)安全防護。多樣性的學習使機器人能夠充分掌握操作者潛在的演示模式，提升安全防護的任務泛化性。而依據(jù)安全點的運動調(diào)整將會提升安全防護的環(huán)境適應性，使機器人快速適應環(huán)境的變化（障礙物等），同時保持其余運動一致，大幅提升機器人安全性與部署效率。

　　該方法在物流倉儲場景下人機協(xié)同物品裝箱及機器人抓取進行了初步應用，能夠快速適應任務與環(huán)境的變化，具備易使用、高效率等特點。

圖 從人類演示中快速學習機器人安全防護運動技能的技術方案

　　相關研究成果已發(fā)表在國際權威期刊《Neurocomputing》，吳鴻敏博士為第一作者，廣東省科學院智能制造研究所為第一單位。

　　論文信息：H. Wu, W. Yan, Z. Xu, S. Li, X. Zhou*. Learning Robot Anomaly Recovery Skills from Multiple Time-Driven Demonstrations. Neurocomputing. 2021 Nov 13; 464:522-32.

　　論文鏈接：https://www.sciencedirect.com/science/article/abs/pii/S0925231221012200

　　（省科學院智能制造研究所/供稿）