按照操作者的意图给飞行器进行路径规划，并且增加 了其自主导航能力！

经典的触觉远程操作系统在航空机器人导航任务中严重依赖操作者的智慧和努力，从而给用户带来了很大的工作量。该研究提出了一种新型的共享控制方案，促进了多旋翼空中机器人触觉远程操作系统的自主导航能力。

该研究提出了一个隐藏的马尔可夫模型滤波器，根据来自触觉主设备的人类输入来识别操作者的意图状态，随后采用该滤波器来推导出目标位置，用于基于启发式采样的局部路径规划器。人的输入被认为是轨迹伺服控制器的指令速度，以驱动机器人沿着规划的路径前进。本文以“Haptic teleoperation of a multirotor aerial robot using path planning with human intention estimation”为题于2020年11月18日发布于《Intelligent Service Robotics》杂志上。

研究背景

自1948年研制出用于处理放射性物质的最初机械主从系统以来，半个多世纪以来，双边远程操作系统一直是一个活跃的研究课题。早期的研究支撑了远程操作系统，直到80年代末，重点是机械手远程操作系统。

在过去的几年里，移动机器人的远程操作和导航任务引起了越来越多的关注。自20世纪90年代末引入虚拟环境阻抗以来，从机械手远程操作系统取得的研究成果开始转移到移动机器人远程操作系统的研究中。

随着早期工作证明了力反馈在促进地面轮式机器人远程操作导航任务中的有效性，移动机器人的双边触觉反馈远程操作开始发展成为机器人界新的研究重点。

碰撞和障碍物规避对移动机器人远程操作系统至关重要，需要大量的操作者技能和认知负荷来控制车辆在复杂环境中的操作。基于力反馈的避障方法已被广泛采用,在这种方法中,从环境信息中获得的斥力被用来警告驾驶员碰撞的潜在危险。

然而，上述方法不能确保无碰撞导航，需要精心设计，以避免由于力反馈和飞行员的相互作用而产生的潜在不稳定性。触觉约束或虚拟夹具是另一种方法，它根据环境信息或所需的从动轨迹在主从工作空间中施加约束，以达到保证障碍和避免碰撞的性能。这些方法仍然需要操作者付出相当大的努力来控制从机的运动，以实现在环境中的导航。

除了上述的被动避障和避撞方法外，基于主动避障和避撞的共享控制远程操作方案能够将人的手动控制与机器人的自主性结合起来，同时大大降低用户的任务负荷。路径规划在机器人导航中被广泛采用来避开障碍物。

这种新颖的方法有效地辅助用户在复杂环境中对多旋翼无人飞行器（UAV）进行导航，通过应用运动规划和控制器，大大降低了操作者的工作量，同时保持了操作者在路径跟随中改变预定目标位置和设定速度参考的权限。此外，还实现了由从动车速度信息衍生出的触觉反馈作为辅助线索，为用户提供直观的车辆运动感知。

阐明了借鉴人类意图估计和路径规划提出的双边触觉远程操作方法。系统架构提出的多旋翼空中机器人远程操作系统开发的，该系统由5个模块组成，即触觉界面、人意估计模块、路径规划器、运动控制器和从属机器人。

所提出的系统将触觉界面测得的用户力作为输入传递给人的意念估计模块和运动控制器；人的意念估计模块采用用户的力来观察人的意念状态，以实现隐藏马尔可夫模型的滤波，从而得到一个差异化的意念状态估计，该估计编码了操作者的意念速度信息，并通过采用固定时间范围内的意念状态估计，最终生成意念目标位置。

根据意图估计器得出的操作者的预定目标位置，基于RRT的路径规划器按照启发式采样过程开始搜索无障碍路径；一旦生成无障碍路径，用户的输入也作为车辆运动控制器的速度设定点，使机器人车辆沿着指定路径进行操控，从动车的速度测量结果反馈给触觉接口模块，得出触觉提示，为用户提供直观的从动车运动感知。

图为该方法的体系结构

触觉接口测量人的输入作为从站的控制点，并向操作员提供从状态或远程环境的感知。在触觉遥操作系统中，两种不同的触觉接口结构被广泛应用，即阻抗和导纳配置的触觉接口。

图为导纳配置触觉操纵杆

图为X型四转子体固定架

图为车辆车身固定架状态空间分配的二维顶视图

在不同的情况下，人类的意图可能有非常不同的含义。在遥操作任务中，执行由用户指挥的一系列车辆动作，以达到一系列临时目标，从而达到最终目标位置。

提出了一种基于路径规划器的路径规划器，该算法利用人类意图估计中的启发式算法，在部署从机器人的复杂环境中，对搜索无障碍路径的采样过程进行偏差。

一旦目标位置被创建，路径规划器将开始采样过程，在搜索路径中生成RRTs，该路径将连接障碍物散布环境中的初始位置和目标位置。考虑到人类操作员使用来自于机器人上的摄像机的实时图像在遥远的位置指挥从机器人远程操作的本质，人类意图估计可能根据用户的经验和智能在环境中显示出一条无障碍的路径。因此，基于人类意图估计的启发式算法可以应用于路径规划器中，使采样过程偏向预定目标位置的方向，从而加快路径规划过程，实现最优无障碍路径。

在路径规划器生成一条无障碍路径后，实现在机器人车上的运动控制器将开始调节从机器人的运动，以跟随计划的路径在环境中导航。

规划路径的各个节点由局部环境参考框架中的坐标、方位和距离信息组成，被转换为运动控制器用来控制从机器人跟随的航路点(WPS)。

文提出的方法是在模拟器上实现的，作者在此基础上开发了空中机器人触觉遥操作系统。以验证新方法在实际应用中的可行性。在模拟环境和物理环境中进行了实验，综合评价了该新方法在从机器人车辆安全导航中的性能。

在模拟环境中首次在虚拟复杂环境中进行了一系列实验。在实验室中，采用一个重量相同、参数适当的从动器作为四转子机器人的点质量模型来模拟实际的从动响应。虚拟从动器的速度控制器也与机器人的速度控制器具有相似的性能。

图为模拟环境

在实验中，飞行员在三个实验场景中将无人机飞行到指定的目标位置，并将所有飞行数据和交互数据记录下来进行分析。在模拟环境中，三种场景的结果如图所示。

图为场景I模拟环境下的实验研究结果

图为场景二模拟环境下的实验研究结果

图为场景三模拟环境下的实验研究结果

从模拟环境中的实验研究结果可以看出，该方法可以帮助驾驶员在环境中找到无障碍路径，以达到预定的目标位置，这对于目标位置和障碍物的距离是最优的；任务过程中的连续导航和重新规划能力大大提高了在各种应用和遥操作任务中的实用性；最后，对于双侧移动机器人遥操作系统来说，主动控制和触觉感知为人们提供了更好的车辆状态感知和自主与手动控制之间的平衡。基于上述模拟环境下实验研究的观测结果，作者自信地认为，该方法可以帮助飞行员在复杂环境下进行安全、最优的遥操作任务导航。

为了进一步探讨该方法的实用性，采用了与该研究中的方法相同的多转子空中机器人和运动控制器装置进行了实验研究。

图为物理环境下的实验研究结果（场景1）

图为物理环境下的实验研究结果--场景二

图为物理环境下的实验研究结果--场景III

在物理环境下的实验研究中，可以观察到与模拟环境中的实验结果相似的性能，这三个实验都证明了新方法在遥操作任务中的安全导航能力，飞行员主动控制从动，感知车辆动态运动的触觉反馈。在物理环境下的实验研究结果再次验证了该方法的性能，并在双侧移动机器人遥操作任务中验证了该方法的实用性。

研究结论

该研究提出了一种新型的共享控制远程操作框架，采用基于RRT的局部路径规划器与基于隐藏马尔可夫模型的人类意图估计和运动控制器，协助人类操作者高效安全地导航空中机器人穿越复杂环境。

对所提出的方法的性能进行了仿真和实验研究，结果证明了其在实际应用中的有效性和可行性。用户研究结果显示，采用所提出的方案，无人机在复杂环境中导航的任务性能和用户工作量都有显著改善，其中可以观察到更高的飞行速度、更少的飞行时间和距离以及更低的飞行员工作量。可采用深度强化学习的方法，更好地估计人类的意图，加速路径规划。

参考文献：Xiaolei Hou Haptic teleoperation of a multirotor aerial robot using path planning with human intention estimation Intelligent Service Robotics (2020)