基于导纳控制的社交机器人伴随与避障控制策略

目前社交机器人与目标人体并排行走（人体伴随与避障）时的运动控制策略的研究相对缺乏。为提升陪伴任务中用户的舒适度、机器人的运动柔顺度及其安全避障能力,本文提出了一种基于导纳控制的人体伴随与避障控制策略。首先,基于人机交互空间理论设计了交互力模型以构建人机动态交互关系,避免机器人侵犯目标人的亲密区域以提升目标人的舒适度;其次,将导纳控制模型与交互力模型结合,通过设置合理的导纳参数提升机器人运动控制的柔顺度;最后,引入行为动力学模型模拟人类的避障行为,以保障人体伴随任务的安全性。此外,提出了一组评价指标以验证伴随控制器的性能。根据仿真实验结果,在柔顺度方面,相较于PID法和虚拟弹簧模型（VSM）法,本方法下速度变化量分别降低69.6%和67.1%;在舒适度方面,机器人未给目标人带来不适;在安全性方面,本方法的避障失败率仅为10%,优于人工势场（APF）法和VSM法的40%和50%。实物实验中,机器人的柔顺度和舒适度指标均较好,避障失败率仅为5%,有效实现了安全友好的人体伴随与避障控制。     

基于改进KCF的移动机器人视觉行人跟踪系统

针对视觉跟踪机器人在跟踪目标被大面积遮挡和短暂丢失的场景下容易跟踪失败的问题,提出了一种基于改进核相关滤波(kernelized correlation filter, KCF)的移动机器人视觉行人跟踪系统。在传统KCF算法的基础上引入平均峰值相关能量(average peak correlation energy, APCE),结合APCE响应值和最大响应值判断目标丢失情况,并加入了两级重检测机制。在OTB2013数据集的目标丢失(out of view, OV)场景中,改进算法的成功率和精度分别达到0.626和0.592像素,比传统KCF算法分别提升了8.7%和10.9%,有效提高了算法在目标遮挡和短暂丢失场景下的跟踪鲁棒性。在有行人干扰的场景中进行跟踪实验,实验结果表明所提视觉行人跟踪系统能够稳定跟踪目标行人。     

基于改进弹簧模型的移动机器人柔顺跟随行人方法

针对人机共融环境下的跟随型自动搬运机器人,为了解决被跟随目标突发性运动造成机器人失灵的难题,提出了一种基于改进弹簧模型的移动机器人柔顺跟随方法.给被跟随目标的腿部和障碍物添加虚拟弹簧,完成了对机器人和被跟随目标之间相对位姿的闭环控制,从而实现躲避障碍物和自然交互任务.特别地,通过给虚拟弹簧添加动态阻尼系数,实现了移动机器人跟随目标运动的实时性和柔顺性.通过Simulink仿真对比移动机器人对被跟随目标的柔顺跟随轨迹,实现对改进弹簧模型的参数优化.采用自主开发的两轮差速移动机器人和Vicon光学运动捕捉系统,在被跟随目标做无规律、长距离运动的条件下,验证了该移动机器人跟随轨迹的平滑性和柔顺性.