0
雷鋒網按：本文作者qqfly，上海交通大學機器人所博士生，本科畢業于清華大學機械工程系，主要研究方向機器視覺與運動規劃，會寫一些好玩的內容在微信公眾號：Nao(ID：qRobotics)。
「協作機器人」應該算是2016年機器人領域的一個重要關鍵詞，我們一起來聊一聊，最后還有一個好玩的視頻，大家可以看看。
當然，這里我不想去過多的討論什么是協作機器人，我只關心怎么做。如果對其定義不清楚的，可以查看一篇不錯的文章《What Does Collaborative Robot Mean ?》
協作機器人的研究點
協作機器人的主要目的是要讓人能與機器人協同工作。
傳統的機器人由于無法感知到人的存在，如果與人發生碰撞還是很危險的。
所以，協作機器人的一大研究點就是機械臂與人的碰撞檢測。
說到這點，就不禁讓我想到當年看 Sami Haddadin 在德國宇航中心DLR時發布的視頻。（當然，他現在跑去做了個Franka，也很厲害。）
然后下面這個是高（zuo）階（si）玩法：
視頻在這里：
當然，現在已經入坑運動規劃了，不可能再去做這個。但是，我還是好奇這么好玩的功能是怎么做出來的。
雖然各種論文里也都或多或少會提及他們的算法，但一直只看論文總感覺差點意思。
這時候應該列出一大堆論文
但是我就不。
協作機器人的實際操作過程
紙上得來終覺淺，絕知此事要躬行。所以，我決定嘗試做一個。哦，不，1/7個（單關節）。
首先，在實驗室小伙伴們的幫助下，搭了一個實驗平臺：
大概就是一個交流電機帶著一個灰鑄鐵做的連桿。控制器采用的是實時操作系統RTX，然后用EtherCAT進行通信。
經過調研，要做這種能檢測碰撞的協作機器人，基本的思路就是建立機器人動力學模型，之后對比真實力矩與動力學計算力矩，從而判斷是否碰撞。
測量力矩的話，我們就直接通過驅動器反饋的電流估計好了。傳說中的 Sensor-less Collision Detection，瞬間有種很厲害的感覺。
這個動力學就不細說了。我們可以得到上面這個動力學公式，大概就是一個質量項，一個重力項。（直驅就先不考慮摩擦力了）。參數的話，直接從SolidWorks中讀取就好了。
于是，我畫出了測量力矩與計算力矩的曲線：
嗯，誤差50%
看來，這里需要做一下參數辨識。
于是，我打開了本科畢設論文。
幸好本科做了點微小的工作，現在直接就在這1/7個機器人上用了起來。
動力學參數辨識后的效果果然不錯，誤差立馬降到了8%內。
有了精確的動力學模型，就可以開始實（zuo）驗（si）了。
首先，要測試碰撞的效果，就是用各種物品去碰運行的機器：
危險動作，請勿模仿。后果可能變得跟下面這個木棒一樣：
畫出真實力矩、計算力矩與它們的差值如下：
看來，碰撞對力矩的影響還是很明顯的。那么，我們很容易就能檢測到機械臂是否發生碰撞。
第二步，我們就是要讓機械臂在碰撞之后停止運動：
效果不錯，一張紙就能讓機械臂停止運動。
但是，我們看前面 Haddadin 的視頻，機械臂在檢測到碰撞后并不是立馬停止運行的，而是進行重力補償模型（zero-G mode）。
如上圖，Haddadin 的論文中說，檢測到碰撞后讓機械臂進入重力補償模式的方法（圖中Strategy 2）的接觸力最小，對人的影響也最小。
好吧，既然大神這么說了，我也就這樣做做看。
但是，我的動力學模型并不是非常準確，沒法做到完全的 zero-G，我這里的做法是用在碰撞后采用“重力補償+小增益PD控制”的方法，這樣應該可以達到類似效果。
嗯，效果也不錯。
不過，既然我可以將機械臂的剛度降到這么低，那豈不是可以做拖動示教（Hand Guiding）了？
所有視頻在這里：
當然，真的要在多軸機器人上實現這些功能還是比較復雜的。其中，最復雜的一個就是摩擦力了，我們并不知道摩擦力的具體模型，這樣就沒法進行辨識補償了。
我這里給大家看個極端的例子：100kg負載，86減速比（行星齒輪）。
然后，我用同樣的方法做動力學參數辨識。如果不考慮摩擦力的話，辨識結果如下圖：
機構的動力學模型完全沒法擬合出力矩曲線。說明在這種情況下，摩擦力是沒辦法忽略的。
但是，即使我想把摩擦力辨識出來，嘗試過幾種摩擦力經驗公式，也沒辦法完全消除誤差。
這就是為什么現在絕大多數協作機器人都必須加關節力矩傳感器，這樣就能跳過傳動系統，減小摩擦力的影響。
最后，奉勸大家一句：摩擦力的話，入坑需謹慎。
最最后，把 Sami Haddadin 的完整視頻放在這里：
雷峰網特約稿件，未經授權禁止轉載。詳情見轉載須知。
