Adaptive Safety-critical Control with Uncertainty Estimation for Human-robot Collaboration

要約

高度な製造業では、人間とロボットが共有作業スペースで一緒に作業できるようにするために、厳格な安全保証が必要です。
このアプリケーション分野における課題の 1 つは、人間の行動の多様性と予測不可能性であり、人間の同僚に潜在的な危険をもたらすことです。
この論文では、人間とロボットのコラボレーションのためのセーフティクリティカル制御と不確実性推定を採用することによる、新しい制御フレームワークを紹介します。
さらに、コラボレーション中に最短経路を選択するために、新しい二次ペナルティ法が提示されます。
提案されたアプローチの革新的な点は、共同作業中に人間が誤って動いた場合でも、提案されたコントローラーがロボットが安全上の制約に違反するのを防ぐことです。
これは、時変積分バリア リアプノフ関数 (TVIBLF) と適応指数制御バリア関数 (AECBF) の組み合わせによって実装され、閉ループ システムの安定性を保証しながら、経路追跡と衝突回避の間の柔軟なモード切り替えを実現します。
私たちのアプローチのパフォーマンスは、7-DOF ロボット マニピュレーターのシミュレーション研究で実証されています。
さらに、静的ターゲットと動的ターゲットを含むタスク間の比較も提供されます。

要約(オリジナル)

In advanced manufacturing, strict safety guarantees are required to allow humans and robots to work together in a shared workspace. One of the challenges in this application field is the variety and unpredictability of human behavior, leading to potential dangers for human coworkers. This paper presents a novel control framework by adopting safety-critical control and uncertainty estimation for human-robot collaboration. Additionally, to select the shortest path during collaboration, a novel quadratic penalty method is presented. The innovation of the proposed approach is that the proposed controller will prevent the robot from violating any safety constraints even in cases where humans move accidentally in a collaboration task. This is implemented by the combination of a time-varying integral barrier Lyapunov function (TVIBLF) and an adaptive exponential control barrier function (AECBF) to achieve a flexible mode switch between path tracking and collision avoidance with guaranteed closed-loop system stability. The performance of our approach is demonstrated in simulation studies on a 7-DOF robot manipulator. Additionally, a comparison between the tasks involving static and dynamic targets is provided.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google