基于感知-运动协同的具身智能系统图像视觉伺服实时控制方法

本文提出一种面向具身智能系统的实时感知-运动协同设计方法，通过Mamdani模糊推理实现多轴伺服增益的动态解耦与自适应调节，结合多项式衰减函数速度观测器（PD-CVO）保障运动速度平滑过渡。该方法显著提升系统视觉-运动响应效率（+13.25%），减少图像特征冗余运动（-53.63%），为柔性制造场景中工具操控与环境形变的实时耦合提供了新理论框架。

　　

Highlight

本研究通过构建感知-运动映射模型，采用Mamdani模糊推理实现多轴伺服增益的动态解耦与自适应调节，有效解决了非结构化环境中运动轨迹冗余和视觉特征可见性退化问题。此外，基于多项式衰减函数（PD-CVO）的连续速度观测器设计确保了系统运动速度的平滑过渡，显著降低了速度突变导致的动态失衡风险。

Image Plane Direction Control Model

安装在机械臂末端执行器上的相机可通过六自由度运动实现任意期望位姿。相机瞬时速度旋量$v_c$与图像特征速度通过交互矩阵$L_s$关联。对于归一化图像坐标中的点特征$(x,y)$，交互矩阵$L_s$表示为：

$L_s=\left(\begin{array}{cccccc}?1/Z& 0& x/Z& xy& ?(1+x^2)& y\\ 0& ?1/Z& y/Z& 1+y^2& ?xy& ?x\end{array}\right)$

其中分量$v_x$和$v_y$分别控制图像平面内的横向与纵向运动。

Framework for This Article

所提出的基于IBVS的具身智能系统感知-运动框架如图4所示。系统首先通过相机捕获环境图像并提取特征点，随后通过计算当前与期望特征点之间的角度和距离等几何参数，应用模糊逻辑控制策略，结合适当的隶属度函数确保方向控制及运动速度的连续性与平滑性。

Experimental Results

本节通过多组对比实验验证所提方法的有效性。验证分为两部分：图像平面方向控制与连续初始速度控制测试。在图像平面方向控制方面，设置了多种初始与期望特征配置，对比分析了经典IBVS方法（C-IBVS）、自适应增益IBVS方法（A-IBVS）、基于模糊逻辑增益调节的IBVS方法（F-IBVS）及本研究所提方法的表现。

Conclusion

为将视觉伺服技术无缝集成至具身智能框架并增强系统感知-控制协同能力，本文深入研究了IBVS中图像特征轨迹运行特性及连续速度变化，通过伺服增益矩阵实现图像特征误差与速度旋量的解耦控制，结合模糊逻辑图像平面方向控制策略减少冗余运动，并借助轻量化PD-CVO保障初始速度连续性，显著提升了系统在非结构化环境中的适应性与实时性。