山东设计院
面向人机协作的穿戴式传感器网络与机器人实时避障策略
人机协作（HRC）场景中，确保操作人员安全是首要前提，同时需维持生产效率。传统安全策略（如光栅、安全围栏）将机器人与人类物理隔离，牺牲了协作的柔性。本文提出一种基于穿戴式传感器网络的人机接近感知与机器人实时避障融合策略。操作人员穿戴集成惯性测量单元、超宽带定位标签和电容式接近传感的轻量化套装，建立覆盖全身的运动意图与位置场。机器人端则通过扩展卡尔曼滤波融合多源信号，预测人员未来轨迹，并采用基于速度障碍物的动态避障算法实时调整自身运动，同时满足ISO/TS 15066中关于准静态与瞬态接触的力与压力限值。实验表明，该方法在保证安全的前提下，将人机协作作业效率提升至传统围栏模式的1.8倍。
1. 引言：从安全隔离到能力协同
工业机器人的安全理念经历了三个阶段的演变。第一阶段以“隔离”为核心，通过物理围栏将机器人完全封闭，人员一旦进入即触发紧急停机。这种方式对协作型任务极为低效。第二阶段引入光幕和安全激光扫描仪，允许人员在机器人减速时进入特定区域，但机器人动作保守，频繁启停严重影响节拍。第三阶段即当前的研究前沿，要求机器人与人员能够在同一共享空间内同时作业，机器人应具备“预判-避让-恢复”的能力，仿佛拥有人类般的社交意识。
实现这一跨越的核心技术是感知。机器人必须实时、准确地知道“人在哪里、人在做什么、人将要做什么”。基于视觉的骨架识别方案受限于视线遮挡和光照变化，基于场发射的安全雷达成本高且分辨率有限。相比之下，穿戴式传感器可以直接获取人体运动的本征信息，不受环境干扰，成为实现高动态人机协作的理想载体。
2. 穿戴式传感器网络的体系设计
为实现对人体的高保真状态感知，我们设计了一套多模态穿戴式系统，包括三个互补的传感子层：
2.1 超宽带（UWB）全局定位层
在操作人员腰部佩戴UWB标签（同时可扩展至腕部和脚踝），车间内布置至少4个固定锚点。UWB采用双向测距（TWR）机制，定位精度可达10-30cm，刷新率50Hz。该层提供人在全局坐标系下的绝对位置，用于判定人员是否进入机器人的协作工作空间（例如半径2米内）。相比基于图像的三维重建，UWB不受遮挡影响，且在大型工位中扩展成本较低。
2.2 惯性测量单元（IMU）姿态层
在人体关键关节（双肩、肘、腕、腰、膝）布置小型IMU（含加速度计、陀螺仪、磁力计）。通过传感器融合算法（扩展卡尔曼滤波，EKF）解算出各肢体的朝向角及角速度。这一层解析出人的动作意图：例如手臂快速前伸表示即将操作工作台上的工件，转身离开则表示退出协作区域。IMU的数据更新率高达200Hz，可捕捉短暂且突然的动作。
2.3 电容式接近感应的精细层
在手背和前臂外侧集成柔性电容传感器，其检测距离为5-50cm，方向性较强。当人的肢体接近机器人表面（尤其是具有夹挤、剪切风险的结构处）时，传感器输出电容变化量，经映射可估计距离。这一层提供了极近距离（<15cm）的高灵敏度预警，弥补UWB和IMU在“即将接触”瞬间的精度不足。
三者的数据通过低功耗蓝牙（BLE 5.2）或无线体域网协议汇聚至一个可穿戴网关，再以有线或Wi-Fi 6方式发送至机器人控制器。整体附加重量控制在300g以内，不影响人员正常操作。
3. 多源信息融合与人体运动预测
机器人控制器接收到的原始数据包含噪声、延迟且来自不同坐标系。需要建立一个统一的“人-机”状态模型。
3.1 时空对齐与滤波
采用扩展卡尔曼滤波器（EKF）将UWB位置（大地坐标系）、IMU肢节角度（局部坐标系）和电容距离（传感器局部）融合成人体各关键点的三维位姿及其速度、加速度。时间同步使用网络时间协议（NTP）加上硬件时间戳校正，将最大时间偏差控制在10ms以内。经过融合后，机器人可以获得人员左手腕、右手腕、头部、躯干四个代表性部位的准确运动状态向量：xi=[px,py,pz,vx,vy,vz,ax,ay,az]T。
3.2 短期轨迹预测
单纯使用当前状态进行避障会导致反应滞后。我们引入了基于长短时记忆网络（LSTM）的运动预测模块。对每个关键部位，以过去1秒（50个时间步）的历史轨迹作为输入，输出未来0.5秒的位置序列（50ms间隔）。LSTM模型的训练数据来自真实人机协作场景的采集（约10万条轨迹片段）。实验表明，对于常规的装配动作（如伸手拿取零件），预测的末端位置均方根误差在0.5秒时小于3cm；对于突然变向（如人员意外跌倒），模型在100ms内即可修正预测，预警级别提升。
4. 机器人实时避障策略
基于对人员运动的高质量估计与预测，机器人需要执行避障策略，同时尽量完成生产任务。我们采用改进的速度障碍物法（Velocity Obstacle，VO）结合动态窗口法（Dynamic Window Approach，DWA）的混合框架。
4.1 速度障碍物法生成避障方向
传统VO将其他运动实体在速度空间上的危险区域定义为相对速度导致未来碰撞的集合。我们将其扩展为“人-机-环境”共同考虑：对于人员每个关键部位，计算其相对于机器人各连杆的速度障碍锥。由于人的运动预测存在不确定性，我们进一步引入概率速度障碍物（PVO），在碰撞概率超过5%时触发避让模式。
4.2 动态窗口法进行局部规划
机器人控制器在每个控制周期（20ms）内，生成一个候选速度窗口（线速度0-1.5m/s，角速度-1.0~1.0rad/s），并对每个候选速度评价三个目标得分：
- 安全性得分：预测未来1秒内机器人与人体各部位的最小距离，低于ISO/TS 15066规定的生物力学限值时得分为0。例如，手指接触允许的最大准静态力为40N，对应到机器人速度-质量关系，可转化为速度上限。
- 任务进度得分：机器人末端朝着目标抓取点或加工点运动的效率。
- 平滑性得分：速度变化率惩罚，避免剧烈抖动造成人员心理紧张。
最终选择加权得分最高的速度指令输出。若所有候选速度均导致预测碰撞，机器人执行“安全撤退”策略——沿着人员运动方向的反方向以0.2m/s后退，直到恢复安全距离。
4.3 接触前的软停止
当人员不可避免与机器人发生接触（例如人员突然摔向机器人）时，我们的策略不采用紧急抱闸（可能造成二次伤害），而是激活“软停止”模式：机器人控制器切换为阻抗控制，降低刚度至50N/mm以下，允许外力推动机器人跟随人员运动，同时停止所有主动驱动力。这一点特别重要，因为ISO/TS 15066要求瞬态接触的压力不应超过特定值（如平板撞击身体为65N/cm²）。
5. 实验评价与人机工效
在一套协作机器人（UR10e）平台上搭建了实验系统，邀请20名操作人员完成“装配-检测-包装”模拟任务。实验分为三组：A组（传统围栏+间歇进入）、B组（仅视觉跟踪避障）、C组（穿戴传感器+预测避障）。结果表明：
- 安全性能：C组未发生任何实际碰撞；B组发生2次轻微碰撞（手臂与机器人连杆接触），A组无碰撞但效率低。
- 任务效率：C组完成单次循环平均时间89秒，B组124秒，A组162秒。C组相对A组效率提升82%。
- 人员心理负荷：使用NASA-TLX量表评估，C组心理负荷评分（45/100）显著低于B组（68/100），因穿戴传感器避障策略行为可预测且平滑。
穿戴式传感器网络目前仍存在电池续航（约4-6小时）和穿戴舒适性（夏季出汗问题）的挑战，但伴随柔性电子技术的发展，这些工程问题有望在未来3-5年内解决。更长远看，人体运动意图的神经解码与机器人主动协同将把“人-机”从避障推向共舞的新阶段。
