【WRC大咖论道】美国乔治亚理工大学教授Seth Hutchinson：《移动操作—安全，合作，适应》

2024世界机器人大会以“共育新质生产力 共享智能新未来”为主题，为期三天的主论坛和26场专题论坛上，416位国内外顶尖科学家、国际组织代表、院士和企业家聚焦前沿技术、产业动向和创新成果，深入研讨人工智能与机器人技术深度融合带来的新趋势、新机遇，共同打造了一场十分精彩的机器人领域前沿观点盛宴！

在8月24日上午的主论坛上，美国乔治亚理工大学教授，IEEE机器人与自动化学会主席Seth Hutchinson以《移动操作—安全，合作，适应》为主题发表演讲。

数说2024世界机器人大会

论坛

26 家国际支持机构

3 大主题 26 场专题论坛

416 名国内外顶尖科学家、国际组织代表、院士和企业家

74 位国外嘉宾及港澳台嘉宾参会

线上线下听众达 160万 人次

展览

27 款人形机器人集中亮相

首发新品 60 余款

近 170 家参展企业 600 余件参展产品

参观人数近 25万 人次

大赛

全球 10 余个国家和地区的 7000 余支赛队

 13000 余名参赛选手

每天参赛人数 4000 余人

媒体关注

近 400 家国内外媒体

短视频平台话题播放量达 2.9亿

Seth Hutchinson（美国乔治亚理工大学教授，IEEE机器人与自动化学会主席）

以下是对话内容实录 

今天我要讲的是移动操控以及它的任务，主要是关于安全、合作和适应性。我现在所展示的，6分钟以后就会过时的，这就是因为现在的发展非常快速，这是移动机器手，为什么我选这个议题？因为它非常有代表性。它们自动的运行，无论是在工业领域还是环境与人类，在这里它们被控制的水平很高，以及各种各样的应用。

今天我感兴趣的是在家庭的运用，所以我想聚焦家庭级办公室，家庭远程操控，也就是Hello机器人，这一方面发展背后的主要驱动是软件和编程，主要是两个方面。

第一，人们真正希望一些家务由机器人来做，所以设计者和人们一起合作，包括残障人士，已经合作了几十年，现在可以看到人们需要机器人帮他们做什么，因为它是一种渐行性的变化。

第二，安全，机器人绝对不可以伤害到人类。机器人不能危害人类，包括设计的关节也是非常好的，所以不会因为转动和运行会伤害到人，它的关节进行了安全的设计。

另外对于使用者和设计者来说，这也是非常有趣的，可以在你的房子里面移动做很多的家务，它可以帮助你做很多不需要移动重物的工作，它比较小，比较轻，可以将它放到各种地方，比如说放在车里，有一些学生就是这么做的，它非常的安全，你会失去大功率的输出，我们既希望它能够有比较高的功率负载能力，也希望它同时安全。

这是一种我们总体的局势，移动机器手与人能够合作，这有可能显著提高老年人和其他有身体残障或者精神残障人士生活质量需要，需要有比较大的承载能力。它必须安全，在人醒的时候，它不会对人类产生致命的危害，但是当人睡着的时候，有可能它的误操作会让人发生致命的危险。我们需要做的研究重点就是安全、性能、抗干扰的能力要强，以及相关参数的动态评估，所以我们需要确保安全稳定。

在这方面，移动机器手可以具有耦合动力学和高自由度，可以输入应用于电机末端执行器进行执行任务，因此安全约束在操作空间中能够进行定义。

到目前为止，我们已经非常了解这一切了，并且我们拥有初测的数据和计算工具，大家都在这方面做出了很多的研究，包括李雅普诺夫函数和控制屏障功能，这方面机器人专家都非常熟悉了，它有函数正定和安全级定义，确保安全级的不变性和确保质数收敛的稳定。

我们如果有这方面的功能，能量会慢慢的减少，最后系统停机，如果你将系统中的能量提高的足够快，可以得到我们想要的结果，但是相反的来说，如果你让它停止运动，在它一个想要的位置能够停住，这种大功率快速的提升可能会让它无法精准的定位，而越过了想要停止的区位，这样可能对人体造成意外的伤害。

因此我们做出了合适的函数定义，让它在执行的过程中如果提高这方面的性能，反而会让另一方函数定义的安全性能有所偏颇，因此这是很明显的，如何去控制，同时保持安全，我们在这方面要做很多的取舍。

这是我们操控的空间动力学计算，我的手和电机之间的动作是否能够协调一致，因此我们要做微分动力学的计算来定义广义坐标，可比行列式和操作空间的坐标，同时要计算欧拉-拉格朗日方程包括去定义关节的扭矩，输入惯性的矩阵、重力、科里奥利等，最后进行总汇，来做出合适的操作空间动力学的仿射形式。

控制指数视累函数的基本方法就是禁止其为椭球体，安全级位于椭球体的外部，对视累函数求微分，直到输入出现相对度条件。替代操作空间动力学，导出保证稳定性的输入条件，要进行安全的设置，就要对微分直到输出出现相对度数为2，这里的安全控制，它的安全设置不变性，修改条件相对度为2，最优的安全控制可以表现为QP，它要受到用于执行高相对值的指数控制视累函数。K是增益的矩阵，对FKG使用极点放置，这是数学的方式去表达的。

再阐述一下应用，这是期望的输出，这取决于任务的约束，除了避免碰撞以外，我们还要避免自碰撞，而且要保持末端执行器的方向，例如运输液体容器的时候，否则我们无法解决这些问题。进行实际部署的时候，我们要防止黑客的闯入以及其它可能出现的意外，要保持与移动物体的固定关系，需要虚拟的链接，在操作过程中保持力的分布，不同相对程度条件都要纳入，对所有这些问题控制屏障函数，不一定是计算上最具吸引力的方案，但他们提供了一种通用的理论方法、性能的保障，针对特定问题的修改，可以提高效率。

Roll空间控制的逆动力学对于给定的所需任务加速度，我们可以使用微分机械臂运动学来获得所需的关节加速度，并且使用逆动态控制，我们获得所需的关节扭矩输入，这产生了任务空间和错误动态，它包括内部电机的设定、任务空间的界定，将任务与电机连接起来。

为什么我很关心这一点，为什么要做这么多工作，我们现在有另一种限制，我想要优化我的控制器，引入了辅助稳定输入，误差的动态可以写为引入李雅普诺夫函数，指定稳定的条件，因此有最早的参数，最大限度的减少与控制输入的偏差，这必须遵守系统动力学安全的方程以及指数的稳定性，这样的话我们就可以输入我们想要的，我们必须要认识到有一些约束。

在可及性方面，如果设定的过于不现实，也可能超过它的范畴，这是一个视频，这个机器人是基于任务的操控，它是椭圆无约束，激活约束，慢速基准外部安全装置的高速基准或者是进行螺旋约束，所有这些都是优化器最大化和优化它的控制约束性。

另外一方面，大家也可以看到它有更加复杂的一些轨迹规划，我们可能也不是很惊讶，但是大家也不是非常感兴趣，它在哪个地方可以来应用呢，这是我的一个博士生，机械臂现在正使用现成商业的计算机视觉工具来识别，我们也希望避免机器碰撞到他的手臂。

假设他的头是不受保护的，我们的博士生要自己防止撞到头，机械臂只会负责不会撞到他的胳膊，所以每一次机械臂都会使用更大的力，但是机械臂最重要的工作就是在这个空间循环往复，它会在关节的部位进行轨迹的优化。

我们也可以借此来定义安全，有几种方式，安全在这里代表的是这个机器臂拿的盘子上有一杯水，这个水不能洒，所以不论如何，它要保证托盘的平衡，否则的话水会洒出来。

我们看到博士生也正在跟机械臂协调，下面有一个轮子在移动，当中会有一些解读的工作，车轮上是没有扭矩控制的，所以机械臂需要有一些对于周边环境的解读，这个动态是很有趣的，尤其是在外部，它是会有一些分层的定位。

接下来我给大家说一说有趣的其它的方式，我们用类似的这种移动操控把推车在周围移动，这就是我们常见的一些推车，超市里面或者其它的地方可以使用。

我的博士生有一个双胞胎兄弟，他们的工作就是需要推车，所以我们就可以使用类似于数字孪生的方式来完成，如果你现在有双胞胎的推车，它可能左边的婴儿和右边婴儿会有不同的动作，所以要保证你的婴儿车平稳前行的时候，要让你的婴儿安稳的待着，如果你的孩子在婴儿车里面动来动去，你需要更大的扭矩来保证它的稳定性。

我们在日常当中会有各种各样的区别，在移动物体的时候会有具体的控制，它需要有一个动态的估量，而且是实时的。推车里的物体可能会发生变化，质量会发生变化，所以我们需要有一个引导系统，让它沿着所需的轨迹来行驶，并且最大程度的降低机器人施加的扭矩和压力。

所以首先要从推拉开始，我们想要做的是什么呢？我们所谓的就是最低的干预，我们希望物体能够自我移动，这是我们对推车的想法。如果这个推车是向着我们想要的方向前进，你就不需要给它施加任何的扭矩，但是如果推车偏向了，我们需要给它施加最低的扭矩，让它回到正确的扭矩上面。

我们现在在这个机械手上施加了14公斤的载荷，我们的机械手抓取的时候，在推车的把手上，你要找到合适的位置，这样才能够更好的保持平衡，并且用最低的扭矩。

我们希望在过程当中，机器臂的底座是可以做相应的移动，并且不要让推车走偏，所以我们需要非常强有力的控制器，并且要有一个系统来跟踪推车的移动，并且计算它所需的轨迹，所以我们说这是一个最小交付的框架设计。

在这页您可以看到它的一些公式，我们在这里说到了它的抓手和所需的扭矩，这边说的是我们不需要一直把手放到推车上，每一次你把手放到推车上，其实都是有惩罚的，以此来达成最小的交互或者是影响，这个其实对于机器人来说也是类似于它执行任务所遇到的一个指示。这是首先的一系列实验，就是要对推车进行质量上的估计，这是很常见的一些方式来做推车系统的建模，参数的估计等等，就是老生常谈。

其次是弯曲的轨迹，如果我们在推车的时候，把你施力的人手或者机械手放在手柄的最中心，这样才能够让推车遵循想要的指令。在推车里面可能是有十几公斤的载荷，我们在推车的时候，有的时候我们需要施加更大的力，这个力可能会有一些危险，所以车辆会停下来，然后我们再继续做。

刚才说到的这些事项的注意点，我演讲最开始提到的最关键点就是安全和稳定，我在演讲当中跟大家说到的所有内容，说到了机器人的层级，低水平的电子电机化直到高水平的自主化，世界各地都有不同的应用，但是我说到的所有内容都是包含在这些机器人的品类当中。

但是大家一定要注意，这样的一些控制架构是处于底层的，我们希望能够确保机器人达成特定的系统性能和安全性，这是不论你的大语言模型要告诉你什么，你一定要有个基础的安全保障。你需要保证它的安全性，你就需要你的大语言模型在驱动机器人的时候是有一个很好的安全网，你不希望跟你祖母一起在家里面的机器人，在不经意的时候伤害到你的祖母，但是又希望机器人能够执行我们祖母的指令。

我的祖母已经去世了，但是如果我想要机器人照顾她的话，我绝对不会把一个我不信任的机器人放在她的家里，会造成很大的混乱，甚至会给她造成危险。

所以所有的这些数字、所有这些模型背后的基准点就是安全性，我们一定要强调这一点，我们不能够完全信任人工智能的系统是好用的，就好像我们刚才说到的推车实验当中。从统计学上来说，它看起来是有用的，我们昨天其实也已经提到了，Marco的机器人一直都有很好的信任，我当时就想要问他，有没有一些很疯狂的失败的案例，他说我在演讲的时候是不会说的，我们的系统也会很注意，不会出现失效的情况，我们有一个最基本的防止失效的功能，所以我们在这里说到可以验证的保证，而且这是很重要的，所有这些可验证的保证都是基于我们之前的数字模型，我们相信它会有用。

在某种情况下，这些控制理论在某种意义上是要跟大语言模型有互动，我们需要长期的进行观察，来推理，来写下我们认为是真实的事情，然后基于此再进行学习，这就是我要跟大家分享的，非常感谢！

（本文根据录音整理）