想象一下，一个连续体软机器人手臂能够弯曲成一串葡萄或西兰花的形状，在提升物体时实时调整其抓握力度。与传统的刚性机器人不同，后者通常尽可能避免与环境的接触并远离人类以确保安全，这种软机器人手臂能够感知微妙的力，以模仿人类手部的顺应性进行伸展和弯曲。它的每一个动作都经过计算，以在高效完成任务的同时避免施加过大的力量。在MIT计算机科学与人工智能实验室(CSAIL)和信息与决策系统实验室(LIDS)的实验室里，这些看似简单的动作是复杂数学、精密工程和机器人能够安全与人类及 delicate 物体交互的愿景的结晶。
软机器人以其可变形的身体，承诺了一个机器与人更无缝共存的未来，它们可以协助护理工作或在工业环境中处理 delicate 物品。然而，这种灵活性恰恰使它们难以控制。微小的弯曲或扭转可能产生不可预测的力，增加了损坏或受伤的风险。这促使我们需要为软机器人开发安全的控制策略。
"受刚性机器人安全控制和形式化方法的启发，我们旨在将这些思想适应到软机器人中——建模其复杂行为并接受而非避免接触——以实现更高性能的设计(例如更大的有效载荷和精度)，而不牺牲安全性或嵌入式智能，"论文资深作者、MIT助理教授Gioele Zardini说道，他是LIDS和土木与环境系的主要研究员，也是数据、系统与社会研究所(IDSS)的附属教员。"这一愿景与其他群体的近期并行工作共享。"
安全第一
该团队开发了一个新框架，将非线性控制理论(控制涉及高度复杂动态的系统)与先进的物理建模技术和高效的实时优化相结合，产生了他们所谓的"接触感知安全"。该方法的核心是高阶控制屏障函数(HOCBFs)和高阶控制李雅普诺夫函数(HOCLFs)。HOCBFs定义了安全的操作边界，确保机器人不会施加不安全的力。HOCLFs引导机器人高效地朝向任务目标，平衡安全性与性能。
"本质上，我们正在教导机器人在与环境交互时了解自己的限制，同时仍然实现其目标，"描述该框架的新论文的主要作者、MIT机械工程系博士生Kiwan Wong说道。"该方法涉及软机器人动力学、接触模型和控制约束的一些复杂推导，但对于从业者来说，控制目标和安全屏障的指定相当简单，结果也非常具体，正如您看到机器人平稳移动、对接触做出反应并且从不造成不安全情况。"
"与传统的运动学CBFs(其中前向不变的安全集难以指定)相比，HOCBF框架简化了屏障设计，其优化公式考虑了系统动力学(例如惯性)，确保软机器人能够尽早停止以避免不安全的接触力，"伍斯特理工学院助理教授、前CSAIL博士后Wei Xiao说道。
"自软机器人出现以来，该领域强调了它们的嵌入式智能和相对于刚性机器人的固有安全性，这得益于被动的材料和结构顺应性。然而，它们的'认知'智能——尤其是安全系统——落后于刚性串联机械手，"共同主要作者Maximilian Stölzle说道，他是迪士尼研究院的研究实习生，前代尔夫特理工大学博士生和MIT LIDS及CSAIL的访问研究员。"这项工作通过将经过验证的算法适应到软机器人并针对安全接触和软连续体动力学进行定制，帮助缩小了这一差距。"
LIDS和CSAIL团队在一系列旨在挑战机器人安全性和适应性的实验中测试了该系统。在一个测试中，手臂轻柔地按压在顺应性表面上，保持精确的力而不超过限度。在另一个测试中，它追踪弯曲物体的轮廓，调整抓握以避免滑动。在另一个演示中，机器人在人类操作员旁边操作 fragile 物品，实时对意外的轻推或移动做出反应。"这些实验表明，我们的框架能够泛化到多样化的任务和目标，机器人可以在复杂场景中感知、适应和行动，同时始终尊重明确的安全限制，"Zardini说道。
当然，具有接触感知安全的软机器人可以在高风险场所真正增加价值。在医疗保健领域，它们可以协助手术，提供精确操作同时减少患者风险。在工业中，它们可能在不需要持续监督的情况下处理 fragile 商品。在家庭环境中，机器人可以帮助做家务或护理任务，与儿童或老人安全互动——这是使软机器人成为现实环境中可靠伙伴的关键一步。
"软机器人具有巨大的潜力，"共同资深作者、CSAIL主任和电气工程与计算机科学教授Daniela Rus说道。"但确保安全并通过相对简单的目标编码运动任务一直是一个核心挑战。我们想创建一个系统，其中机器人可以保持灵活和响应性，同时数学上保证它不会超过安全的力限制。"
结合软机器人模型、可微模拟和控制理论
控制策略的基础是称为分段Cosserat杆(PCS)动力学模型的可微实现，该模型预测软机器人如何变形以及力的积累位置。该模型使系统能够预测机器人的身体如何对致动以及与环境的复杂交互做出反应。"我在这项工作中最喜欢的是融合来自不同领域的新旧工具，如先进的软机器人模型、可微模拟、李雅普诺夫理论、凸优化和基于伤害严重程度的安全约束。所有这些都很好地融合到一个完全基于第一原理的实时控制器中，"共同作者Cosimo Della Santina说道，他是代尔夫特理工大学副教授。
补充这一点的是可微分离轴定理(DCSAT)，它以可微方式估计软机器人和环境中可近似为凸多边形链的障碍物之间的距离。"早期的凸多边形可微距离度量要么无法计算穿透深度——对于估计接触力至关重要——要么产生可能危及安全的非保守估计，"Wong说道。"相反，DCSAT度量返回严格保守的、因此是安全的估计，同时允许快速和可微计算。"PCS和DCSAT共同赋予机器人对其环境的预测感知，以实现更主动、安全的交互。
展望未来，该团队计划将其方法扩展到三维软机器人，并探索与基于学习策略的集成。通过将接触感知安全与自适应学习相结合，软机器人可以处理更复杂、不可预测的环境。
"这就是我们工作的令人兴奋之处，"Rus说道。"你可以看到机器人以类似人类的、谨慎的方式行为，但在这种优雅的背后是一个严格的控制框架，确保它永远不会越界。"
"软机器人通常比刚性机器人设计上更安全地交互，因为它们的身体具有顺应性和吸能特性，"未参与该研究的密歇根大学助理教授Daniel Bruder说道。"然而，随着软机器人变得更快、更强、更有能力，这可能不足以确保安全。这项工作通过提供一种限制其整个身体接触力的方法，为确保软机器人能够安全运行迈出了关键一步。"
技术细节与创新点
该控制系统的主要创新在于其数学基础和工程实现的结合。高阶控制屏障函数(HOCBFs)为软机器人定义了明确的操作边界，确保即使在复杂变形过程中也不会产生过大的接触力。同时，高阶控制李雅普诺夫函数(HOCLFs)确保机器人能够高效地完成任务目标，而不牺牲安全性。
研究人员开发的分段Cosserat杆(PCS)动力学模型的可微实现，使系统能够准确预测软机器人在各种条件下的变形行为。这一模型结合了可微分离轴定理(DCSAT)，使机器人能够实时感知与周围环境的距离和接触情况，从而做出安全的响应。
与传统刚性机器人控制不同，该系统不试图避免接触，而是积极管理接触，将接触视为实现任务的必要部分。这种"接触感知"的方法使软机器人能够更自然地与环境交互，同时保持安全性。
应用前景
这项技术的应用前景广阔，涵盖了多个领域：
医疗保健：在手术中提供精确操作，减少患者风险；协助康复治疗，为患者提供安全、舒适的物理支持。
工业制造：处理 fragile 和高价值产品，如电子元件、玻璃制品等；在需要人机协作的生产线上安全工作。
家庭服务：协助老人和儿童完成日常任务；提供安全的家庭护理和陪伴。
农业： delicate 地收获和种植作物；监测作物健康状况而不损害植物。
太空探索：在不可预测的环境中安全操作；协助宇航员完成危险任务。
未来发展方向
该研究团队已经制定了几个未来发展方向：
扩展到三维软机器人：当前系统主要针对二维软机器人，未来将扩展到更复杂的三维系统。
结合学习策略：将接触感知安全与自适应学习相结合，使机器人能够从经验中学习并处理更复杂的环境。
提高计算效率：进一步优化算法，使系统能够在更强大的硬件上运行，实现更快的响应速度。
多机器人协作：开发使多个软机器人能够安全协作的系统，共同完成复杂任务。
人机交互增强：改进机器人的感知能力，使其能够更好地理解人类意图和需求。
结论
MIT CSAIL和LIDS研究人员开发的这一软机器人控制系统代表了机器人技术的一个重要进步。通过将先进的数学理论、工程设计和实时控制相结合，该系统使软机器人能够在保持安全的同时实现复杂的变形和交互。这不仅解决了软机器人控制中的一个关键挑战，也为人机协作开辟了新的可能性。
随着技术的进一步发展和应用场景的扩展，我们可以期待看到软机器人在各个领域发挥越来越重要的作用，从医疗保健到工业制造，从家庭服务到太空探索。这项研究为实现这一未来奠定了坚实的基础，展示了数学和工程如何共同推动创新，解决现实世界的问题。
