新控制系统教软体机器人安全技能

在想象中，一只柔性机器人手臂可以在葡萄或西兰花周围灵活弯曲，实时调整抓握力度，将物体轻松举起。这种柔性机器人通过感知微妙的力，模仿人类手部的顺应性，在执行任务时避免过度施力，同时保持高效。而这看似简单的动作背后，却蕴含了复杂的数学计算、精密的工程设计以及推动机器人安全交互的宏大愿景。由麻省理工学院 (MIT) 计算机科学与人工智能实验室 (CSAIL) 及信息与决策系统实验室 (LIDS) 的研究人员领衔开发的软体机器人项目，展示了机器人技术在安全性与柔性交互方面的新突破。

传统刚性机器人由于安全考虑通常避免与人类和周围环境直接接触，而软体机器人凭借其变形能力和顺应性，可以更顺畅地与人类协作，帮助工业、护理和家庭场景中的精细操作。然而，这种灵活性也带来了控制难题：微小的弯曲或扭转可能产生不可预测的力，从而增加损坏或受伤的风险。这一现象直接激发了研发软体机器人安全控制策略的需求，旨在将可靠性与精度相结合。

“受到了刚性机器人安全控制领域的启发，我们希望将类似的方法运用到软体机器人上，模型化其复杂行为，并充分利用和拥抱接触，从而实现安全同时优化性能的设计，例如提升负载能力和精确度，”麻省理工学院助理教授兼LIDS首席研究员Gioele Zardini表示。他进一步指出：“这种愿景也反映在多个团队的最新工作中。”

研究團隊開發了一種新的高階控制障礙函數（HOCBF）框架，通過軟體機器人動態模型計算和複雜接觸的解析優化，該框架確保機器人在執行任務時不會超過安全的力量限制。麻省理工機械工程博士生Kiwan Wong解釋道：“我們本質上是在教機器人了解自身與環境交互中的限度，同時完成目標任務。雖然這一方法涉及複雜的軟體機器人動態推演、接觸模型及控制約束，但控制目標和安全邊界的指定對使用者來說相對簡單，且成果非常直觀——你能看到機器人以平滑的動作響應接觸，並始終避免不安全狀況。”

实验进一步验证了这一控制框架的效果。研究团队设计了一系列实验，旨在挑战软体机器人的安全性和适应性。例如，机器人以恒定力度轻触柔性表面，精确确保力度不超出所需范围；沿曲面轮廓调整抓握以防止滑脱；以及与人类操作人员共同搬运易碎物件时，实时适应突然发生的推力或位置转移。这些实验展示出该框架能够推广至多样化任务场景，机器人在感知复杂环境的同时始终遵循定义明确的安全边界。麻省理工CSAIL主管兼电气工程与计算机科学系教授Daniela Rus补充道：“确保安全并通过简单目标编码运动任务一直是软体机器人面临的核心挑战。我们希望创造一种系统，让机器人既能保持灵活与敏感，又能在数学上确保不超过安全力限。”

该框架的核心在于一项称为分段Cosserat模型（Piecewise Cosserat-Segment，PCS）的可微实现。这一模型能预测软体机器人的变形过程及力的积累情况，帮助系统预判机器人如何反应以避开潜在危险环境。研究还开发了“可微守恒分离轴定理”（DCSAT），为软体机器人与环境间距离提供严格保守、安全的测算，同时兼顾快速计算性能。两者结合，为机器人创造了更主动的安全交互能力。