一种安全优先的移动机器人控制方法及系统

本发明涉及机器人控制领域，尤其涉及一种基于风险条件下的移动机器人的控制方法。

背景技术：

1、随着人工智能技术的进步，机器人执行多任务的需求也日益增加，然而，机器人在执行多任务的控制技术，尚有待提高，尤其是现实环境多为动态环境，环境中的不确定因素给机器人执行多任务带来诸多风险，给机器人的多任务控制以及安全路径规划提出了更高的要求。当前随着机器人在物流仓储、工厂中的不断应用，机器人动态作业需求不断提升，尤其是机器人与工作人员同环境下进行作业。但由于工作人员移动的动态变化特性，使得机器人在执行任务的过程中，对工作人员的安全造成威胁，同时也影响机器人自身的作业安全与作业效率。现有的机器人多任务控制系统并没有考虑工作人员随机移动的不确定性来处理环境中的动态风险，为机器人多任务作业提供安全的控制策略和路径规划。

2、现有研究多集中于机器人的实时避障与自动导航，但对于物流仓储和工厂的作业机器人，仅仅实现实时避障与自动导航，是无法满足需求的。第一，实时避障算法，会造成机器人不断的进行规避障碍物，而无法在规定时间内完成作业任务，导致任务失败，无法保障物流仓储和工厂的作业效率；第二，需不停的根据环境实时进行路径规划，计算成本较高，在物流仓储和工厂工作人员同环境作业场景下，不具有实际意义。目前来看，该问题尚处于研究阶段，国内外还没有理论上的算法为机器人多任务作业提供安全的控制策略和路径规划。

3、专利号为2023112051910、名称为一种动态环境下移动机器人控制方法及系统的中国专利，其依然存在着计算成本高、大环境学习效果差、所规划路径的安全性和最优性无法保障等不足，并且环境动态适应性较差，当环境发生突变，预先规划路径失效后，再次规划耗时长，难以在实际场景应用。

4、针对上述问题，本发明提出了一种安全优先的移动机器人控制方法，研发了一种不确定环境下考虑环境风险的移动机器人进行多任务作业的移动控制系统。

技术实现思路

1、本发明提供一种安全优先的移动机器人控制方法及系统，旨在考虑环境中不确定因素所带来的风险，为机器人执行多任务作业提供最优控制策略，规划安全作业路径。

2、实现本发明目的的技术解决方案为：

3、一种安全优先的移动机器人控制方法，包括步骤：

4、基于scltl构建逻辑规范任务模型，将所有任务写入逻辑规范任务模型中，构建逻辑规范任务模型的有限状态自动机；

5、观测t0时刻工作人员的状态，根据t0时刻工作人员的状态，对工作人员的移动进行模拟预测，统计模拟预测数据，预测由工作人员的移动所带来的风险；

6、考虑预测的风险设计成本函数，在搜索环境的过程中，基于成本最佳优先的原则，得到面向单任务作业的路径规划算法；

7、基于有限状态自动机，构建fsars搜索算法，通过调用所述的路径规划算法，基于安全优先搜索策略，求解机器人多任务作业的安全路径。

8、进一步地，所述逻辑规范任务模型为：

9、

10、其中，t表示布尔运算符真；prp是原子命题集；代表原子命题；x表示下一步；表示下一个状态为真；f表示未来；表示未来是真；u：表示为真直到满足。

11、进一步地，所述有限状态自动机为：

12、

13、其中，q为有限状态集，2prp为原子命题的有限集合，δ为q×2prp→q状态转移函数，q0为初始状态，qf为接受状态的有限集合。

14、进一步地，由工作人员的移动所带来的风险为：

15、

16、其中，r(v，t)表示位置v由k个工作人员移动所引起的风险值，为模拟预测值，表示在时刻t时工作人员k占v的条件概率，t0＜t≤t0+t，t为预测时间段。

17、进一步地，所述模拟预测值具体为：

18、

19、其中，nv是位置v在时刻t的访问次数，ns为模拟次数。

20、进一步地，所述成本函数为：

21、

22、其中，α，β是平衡参数，γ是尺度参数，g(v)为起始位置到现在位置v的成本函数，h(v)为从位置v到目标位置的成本估计函数，z(v)为当前状态的风险成本函数，即：

23、z(v)＝vr(v)+er(v)+fr(v)

24、其中，vr(v)为机器人在位置v处与人发生碰撞的冲突风险，er(v)为机器人从当前位置v移动到下一个位置v′的过程中与人发生碰撞的风险，fr(v)为处于位置v所对应的未来风险。

25、进一步地，所述vr(v)、er(v)、fr(v)具体为：

26、vr(v)＝r(v，t)

27、er(v)＝r(v，t+1)*r(v′，t)

28、

29、其中，r(v，t)为t时刻v所对应的碰撞风险，r(v，t+1)为t+1时刻所对应的碰撞风险，r(v′，t)为t时刻v′所对应的碰撞风险，v′为时刻t+1的位置，neighbours表示位置v的的邻居集合。

30、进一步地，fsars搜索算法中定义每个节点n包括n.q、n.s、n.path、n.value、n.p，n.q表示一个属于有限状态自动机的状态值，用于控制任务进度，n.s表示机器人的一个目标点，n.path表示从父节点到当前节点的路径，通过所述的路径规划算法确定，n.value表示当前节点的值，用于评估节点的安全性，n.p表示n的父节点。

31、进一步地，所述fsars搜索算法基于安全优先搜索原则选择n.value最小值的节点扩展，如果一个节点n是第一次扩展，它的后继节点n′都没有被访问过，采取随机策略，从中随机选择一个后继节点，所述n.value的更新为：

32、n′.value＝n′.p.value+∑v∈n′.path(vr(v)+er(v))。

33、一种实现所述安全优先的移动机器人控制方法的系统，包括有限状态自动机构建单元、风险计算单元、路径规划单元和fsars搜索单元，所述有限状态自动机构建单元基于scltl构建逻辑规范任务模型，将所有任务写入逻辑规范任务模型中，构建逻辑规范任务模型的有限状态自动机；所述风险计算单元观测t0时刻工作人员的状态，根据t0时刻工作人员的状态，对工作人员的移动进行模拟预测，统计模拟预测数据，预测由工作人员的移动所带来的风险；所述路径规划单元考虑预测的风险设计成本函数，在搜索环境的过程中，基于成本最佳优先的原则，得到面向单任务作业的路径规划算法；所述fsars搜索单元基于有限状态自动机，构建fsars搜索算法，通过调用所述的路径规划算法，基于安全优先搜索策略，求解机器人多任务作业的安全路径。

34、和既有的移动机器人控制系统相比，本发明所提出的考虑环境风险的双层有限状态自动机风险搜索方法具有以下有益效果：

35、(1)本发明提出了一种safe-a*方法，考虑环境中的动态因素，为机器人在动态复杂场景规划安全路径，使得机器人可以提前规避与环境中工作人员的冲突，代替现有的实时避障算法，从而保障工作人员的安全以及机器人作业的安全；

36、(2)本发明针对机器人的多任务作业，提出了一种安全优先的搜索方法。该方法旨在确定多任务处理时的最优安全路径，从执行多任务的全局角度，提供安全路径，并提高机器人多任务作业效率。