机器人杂志

机器人杂志2025年第2期

• 基于迟滞逆补偿的气动人工肌肉并联机器人同步控制

  刁淑贞, 张欣霖, 刘根娣, 秦岩丁, 方勇纯, 孙宁

  虽然气动人工肌肉并联机器人兼具刚柔耦合特性，但是其控制精度易受到气动人工肌肉中迟滞特性的影响，且整体控制性能还会受制于所有机械臂的协调能力。为此，本文提出了一种基于迟滞逆补偿的同步控制方法，以实现气动人工肌肉并联机器人的期望跟踪性能。具体而言，改进Bouc-Wen迟滞模型以更准确地表征气动人工肌肉的输入－输出关系，并使用对应的逆模型进行前馈补偿，提高控制精度。同时，建立机械臂之间的误差信号传递，提升机械臂的运动同步性。然后，充分考虑气动人工肌肉并联机器人的全驱特性，在全驱系统方法框架下设计自适应气压控制器，确保跟踪误差和同步误差渐近收敛。最后，完成闭环系统的稳定性分析，并基于硬件平台进行了迟滞拟合对比测试和运动控制对比测试。对比结果表明所提迟滞模型的拟合精度和所提控制方法的跟踪精度均优于对比方法，充分验证了所提方法的可行性。

• 基于主动推理与仿人智能图式的感知运动联合学习方法

  王牛, 桑晓夫

  针对自主机器人在学习过程中会受限于训练时的输入数据以及感知空间与运动空间之间割裂的问题，提出一种感知运动联合学习方法。该方法通过仿人智能图式理论建立感知运动系统，将系统分为感知图式、关联图式和运动图式，并基于主动推理建立感知图式与运动图式之间的关联。针对机器人的主动探索与主动学习过程，设计了关联模型与认知模块，提出了联合学习算法，结合主动感知进行机器人的自主学习。实验结果表明，采用联合学习方法，在仿真实验和实物实验中，感知精度分别可以提升22.32%与12.00%，并且运动到相同目标位置的时间大幅缩短，运动轨迹也更加平滑。实验证明了所提的联合学习方法能够提高机器人的认知能力和自学习能力，并且可以自主优化识别精度与运动轨迹。

• 基于相机感知多样代理的无监督行人重识别

  郁航, 范慧杰, 付生鹏, 陈希爱, 赵立杰

  基于聚类的无监督行人重识别通过聚类产生伪标签，并以此为每个聚类构建单一代理。但不同相机之间的差异以及同一相机下行人不同姿态方向等导致的相机类内差异使得单一代理无法充分表示整个复杂聚类，进而影响训练过程和模型的性能。为此，本文提出基于相机感知多样代理的无监督行人重识别方法来消除相机差异和相机类内差异，以提高类内样本的紧密性。相机感知多样代理包括相机多代理和相机差异代理。其中相机多代理为每个相机类构建一个平均代理和一个硬代理，通过互补表示来提高相机类内样本的紧密性。同时还会为每个相机类构建一个相机差异代理，相机差异代理会利用不同相机类的平均代理进行更新，以此拉近相机之间的距离，减少相机差异。相机差异代理和相机多代理相互协作，提高类内样本紧密性和模型性能。本文方法在Martket1501、DukeMTMC-reID、MSMT17三个数据集上mAP/Rank-1分别达到了90.4%/96.4%、75.8%/86.5%、58.2%/82.5%。

• 基于纤维－颗粒干扰的变刚度软体驱动器的设计与实验

  刘庆运, 胡鹏, 朱庆, 刘涛

  为提高软体驱动器的承载能力、变刚度性能以及稳定性，结合气动网络驱动结构与干扰变刚度结构的优点，设计了一种基于纤维－颗粒干扰法的软体驱动器，研究了其变刚度机理。首先，利用纤维干扰法较好的稳定性和颗粒干扰法较强的变刚度性能，进行纤维－颗粒干扰软体驱动器结构设计；其次，基于赫兹理论和虚功原理，建立纤维－颗粒干扰变刚度模型，从理论上研究其变刚度机理；最后，制作纤维－颗粒干扰软体驱动器试验样机进行刚度试验、变刚度性能对比试验、稳定性试验。刚度试验结果显示，当纤维半径为1.25 mm、颗粒半径为0.3 mm时，纤维－颗粒干扰软体驱动器的最大刚度为0.1825 N/mm；变刚度性能对比试验结果显示，纤维－颗粒干扰结构的变刚度性能比纯纤维干扰结构提高了88.05%、比纯颗粒干扰结构提高了26.73%；稳定性试验结果显示，纤维－颗粒干扰软体驱动器的稳定性较纯颗粒模式提升67.43%；相比较于基于颗粒干扰与纤维干扰的软体驱动器，纤维－颗粒干扰变刚度软体驱动器的刚度、变刚度性能和稳定性都得到了较高的提升。

• 基于集总参数热网络法的四足机器人温度分布预测

  林韦弦, 钱乐天, 罗欣, 梁承元

  建立准确的热模型以预测机器人全身电机温度分布是实现热管理的重要前提。四足机器人内部热源众多，传热路径复杂，现有热模型一般仅考虑单个电机的发热，忽略了紧凑型结构下电机与其他热源之间的热交换，导致模型精度较低。针对此问题，提出了一种基于集总参数热网络法的四足机器人全身热模型，并采用最小二乘法辨识模型参数。该模型综合考虑了电机自身发热、电机之间和电机与机载电脑之间的热交换、关节摩擦生热以及移动过程中的受迫对流散热等因素。基于该模型，在四足机器人平台上针对不同速度、多种步态和负载工况分别进行了温度分布预测。结果表明，关节测点处预测结果与实际温度相比较，最大误差小于5℃，预测准确性较仅考虑单电机的热模型显著提升。

• 基于改进的点线融合和关键帧选择的视觉SLAM方法

  李丹, 李俊祥, 赵文杰, 钱牧云, 陈阳

  针对弱纹理环境下双目视觉SLAM（同步定位与地图构建）系统存在的特征信息提取不足及关键帧选取冗余问题，提出了一种改进的视觉SLAM方法——PLKF-SLAM。首先，针对点线特征融合问题，对距离和角度测量值的误差函数进行加权融合，并引入自适应因子以平衡线特征在光束平差过程中的参与程度，增强了系统对复杂环境的适应性。其次，采用动态阈值策略改进关键帧的选择机制，提升SLAM系统的定位精度。使用开源数据集EuRoC和UMA-Ⅵ对所提出的算法进行实验验证，结果显示，PLKF-SLAM算法在多数测试序列上显著提升了视觉SLAM性能。与ORB-SLAM3算法相比，在EuRoC数据集下平均定位精度提高了52.64%，在UMA-Ⅵ数据集下平均定位精度提高了63.20%。最后，在真实场景下对PLKF-SLAM算法进行环境适应性试验，其定位误差为0.05 m，验证了改进的点线融合和关键帧选择策略的有效性。

• 基于观测偏差校正的无人地面车级联自抗扰跟踪策略

  赵辰阳, 李宝全, 朱常富, 张雪波

  无人地面车辆（UGV）在复杂外部环境下难以保持其良好的动态性能。为此，本文提出了级联形式的偏差校正自抗扰控制策略，通过提高观测器对扰动的估计精度来增强UGV控制系统的扰动抑制能力。首先，将广义外部扰动与系统内部扰动重构为总扰动，并设置校正项以扩展初级扰动观测器的观测阶次。之后，为提高观测精度，在次级扰动观测器中对未被及时观测出的扰动残余值进行估计。基于反馈线性化理论，设计了包含总扰动估计值的轨迹跟踪控制律，从而提高UGV的轨迹跟踪误差收敛速度和跟踪精度。为了提高控制器对不同UGV模型的适应性，针对控制器关键参数与闭环模型的对应关系设计了参数配置规则。通过理论分析证明了系统的稳定性和抗扰性能，并在多种情况下进行对比实验以测试所提方法的性能。实验结果表明，所提策略可有效改善UGV在不确定环境下的轨迹跟踪效果。

• 基于机器人力/位控制的空间可展开机构地面重力卸载

  胡瑞钦, 刘广通, 田蔚瀚, 刘辉, 赵颖, 牛迟

  针对空间可展开机构地面测试中的重力卸载需求，提出一种基于机器人力/位控制的重力卸载方法，由机器人施加托举力来平衡可展开部件的重力作用，并对机器人进行力/位控制使托举点跟随展开运动轨迹，实现展开全过程的重力卸载。针对特定天线的展开测试工况，分别给出了机器人位置控制与力控制中调节量的计算方法。针对托举点与可展开部件重心位置不重合的情况，给出了托举力的计算方法，并针对未能精确获知可展开部件质量特性的情况，给出了可展开部件质量特性参数的在线辨识方法。针对机器人跟随卸载运动开始与停止时机的判断问题，给出了基于切向力判断的启动与停止识别方法。实验中采用额定输出扭矩为2.39 N·m的伺服电机，驱动重力矩达到153 N·m的模拟部件，采用6自由度工业机器人进行跟随重力卸载，在展开角度达到10°后托举力最大预测误差在1.3 N以内，并实现了展开全过程的跟随卸载，使得展开全过程中关节力矩始终保持在电机额定扭矩范围内。

• 基于强化学习的空间机器人在轨装配柔顺控制方法

  武黎明, 王明明, 罗建军, 张大羽, 梁澄汐

  为应对空间机器人在轨装配中装配对象振动、机器人－结构动力学耦合问题，改善现有方法参数调整困难和控制性能差等不足，提出一种结合阻抗控制与深度强化学习的模型－数据混合驱动方法，实现空间机器人装配策略的高效学习。首先，建立拼接式空间望远镜的模块化在轨装配场景，分析自由漂浮空间机器人和装配对象之间的动力学耦合现象，并将模块装配问题描述为马尔可夫决策过程。然后，以空间机器人关节阻抗控制作为先验模型，构建基于深度强化学习的装配策略学习方法，以应对空间机器人和装配对象之间的动力学耦合效应。最后，使用近端策略优化算法，完成装配策略的学习。为实现装配策略学习方法的快速验证，使用Isaac Gym软件构建了空间机器人在轨装配的并行化训练与测试环境。通过仿真与分析，验证了所提方法在提高柔顺控制性能和应对不确定性时的鲁棒性。

• 一种基于VFOSELM-SRP的无人帆船路径预测方法

  赵峥韬, 赵文涛, 孙朝阳, 王瑾, 万兵

  无人帆船作为一种新兴的海洋观测平台，能够执行长时间、大范围和高时空分辨率的海洋观测任务。然而，由于海洋环境复杂多变且无人帆船的工作时空跨度较大，其行驶轨迹难以通过固定模型进行准确预报。针对这一现象，本文提出了一种基于VFOSELM-SRP（基于可变遗忘因子的在线顺序极限学习机－流式随机补丁）模型的路径预测方法，旨在解决“海鸥号”自主导航无人帆船的路径预测难题。该方法利用VFOSELM对无人帆船的坐标点进行实时预测，并采用SRP对预测误差进行补偿。为验证算法的有效性，在中国南海开展了“海鸥号”的实船实验并进行了数据采集。采集到的数据以流式形式输入模型，并对模型的预测性能进行了评估。实验结果表明，与固定遗忘机制的在线顺序极限学习机相比，本文提出的算法将平均距离误差减小了77.4%，均方根误差减小了78.3%，预测性能得到了显著提升。此外，为全面评估本文VFOSELM-SRP模型的预测效果，将其与其他先进的轨迹预测算法在训练时间和预测精度2个方面进行了比较，结果显示VFOSELM-SRP模型在训练时间与精度两方面均具有显著优势。

• 机器人磨削力控变速积分自适应阻抗控制

  祁若龙, 姚凤阳, 刘殿海, 朱光, 李论

  在复杂曲面磨削力控制过程中，工件曲率不确定性所带来的磨削力波动会极大地影响零件表面质量。为解决这一问题，本文结合变速积分PID（比例－积分－微分）前馈控制器和自适应控制算法，提出了一种新的机器人力控制方法。根据6维力传感器采集的接触力信号和上位机传输回的机器人末端位置信号在线修改机器人运动偏置量，对机器人末端进行精准的力控制，从而降低工况信息不确定性引起的力跟踪误差。仿真及实验数据的对比表明：该方法能够快速响应工件参数的变化，有效减小接触力的跟踪误差，缩短稳态调节时间，弥补了传统位置阻抗控制策略无法提前获取工件参数的缺陷。实验证明了本文力控制方法可以有效提高恒参数位置阻抗控制的力跟踪性能，使变曲率表面磨削粗糙度从约0.6 μm降低至近0.4 μm，提升了机器人磨削工艺性能。

• 基于在线信息体构建与维护的长期自治家庭服务机器人环境理解方法

  杨峻峰, 田国会, 邵旭阳

  家庭服务机器人长期自治是其智能化的基础。然而服务机器人在家庭环境中实现长期自治仍然存在环境理解困难、对环境变化的适应性差等问题。为此，提出了一种在线的信息体构建和维护方法，为机器人提供实时、可靠且全面的物品信息，以实现对环境的精准认知。首先，为了一体化地表征环境中物品的物理和语义信息，构建了一种可适应多种服务任务的信息表达形式：信息体。在此基础上，提出了基于物品空间特征、语义信息以及置信度的信息体更新策略，实现了针对物品实例的高精度的信息自动提取。此外，考虑了相邻信息体的语义丰富度与置信度，并结合最优观测点，提出了一种选择性的主动信息维护方法，以较低的计算量实现对环境的整体感知。最后，在模拟和真实实验中验证了方法的有效性。实验结果表明，本文方法可以准确、丰富地描述环境信息，并且实现高效、完整的信息维护，以满足长期自治的需求。

• 仿生多栖机器人研究现状与未来展望

  王健华, 梅傲然, 牟尧佳, 甘中学, 朱国牛

  仿生多栖机器人通过模仿自然界生物的结构、功能和行为，能够在不同的环境中高效执行任务，具有广阔的应用前景。本文从结构仿生、功能仿生、行为仿生和耦合仿生等4个方面阐述了仿生多栖机器人的形态学设计理论。从水、陆、空环境相互交叉的角度，将仿生多栖机器人分为水陆空仿生多栖机器人、水陆仿生多栖机器人、陆空仿生多栖机器人和水空仿生多栖机器人等4类。从结构特色、运动机理、功能实现角度概述4类仿生多栖机器人的国内外研究现状。指出现阶段仿生多栖机器人发展中存在的对生物领域实例的获取力度不够、跨领域知识推理机制不完善、系统控制方法的灵活性不足、智能水平普遍不高、能量利用效率较低等5个方面的问题。从科学和工程两个方面对仿生多栖机器人的未来进行了展望。指出生物科学、材料科学在仿生多栖机器人发展中的重要作用。提出仿生多栖机器人可与大语言模型、群体智能和数据驱动设计等技术结合发展，并优化形态学设计和驱动分布，共同推动仿生多栖机器人向着更高的适应性、自主性和智能化方向发展。