《Developments in the Built Environment》：iCyber-SkillBot: An HRI-Driven Platform for Skill-Based Robot in Industrial Warehouse
编辑推荐：
摘要：越来越多的仓库正在部署机器人操纵器执行越库配送、拣选和分拣操作，然而工程师训练机器人系统的能力仍受到制约，原因在于物理硬件的可用性和可访问性存在局限。尽管目前可用的CoppeliaSim、Webots和Gazebo等机器人模拟器提供了复杂的通用仿真软件，
摘要：越来越多的仓库正在部署机器人操纵器执行越库配送、拣选和分拣操作，然而工程师训练机器人系统的能力仍受到制约，原因在于物理硬件的可用性和可访问性存在局限。尽管目前可用的CoppeliaSim、Webots和Gazebo等机器人模拟器提供了复杂的通用仿真软件，但它们在提供物理示教器硬件支持、基于视觉的多模态控制以及面向仓库环境的技能习得方面仍显不足。本文提出iCyber-SkillBot作为一项设计解决方案，通过创新的同步架构和多模态控制，整合了3D仿真、物理示教器硬件、基于视觉的手势控制以及仓库相关的技能递进等概念。该解决方案的新颖性并非来自任何新算法的创新（运动学、手势识别或运动规划均为已知技术）。使iCyber-SkillBot独一无二之处在于将这些概念组合成一个专门用于仓库操作员培训的集成实时系统。主要技术贡献包括：（C1）硬件在环同步架构，协调异步输入流（延迟为12.4 ms的RS232示教器、帧率为33 ms的GUI（图形用户接口）、手势到运动延迟为87.6 ms的Kinect视觉），且无分布式进程间通信开销；（C2）统一多模态控制框架，允许在手动示教器、程序化和基于手势的控制模式之间进行平滑的任务中切换；（C3）视觉流水线与运动学求解器直接紧密耦合，实现无缝的基于手势的运动；（C4）仓库相关技能递进框架，提供从一级（轴点动）到二级（轨迹编程）或三级（手势控制）的结构化培训，对应实际越库操作员工作流程。在受控静态环境中进行的越库作业案例研究仿真证明了该平台适用于培训仓库操作员基本技能（定位、运动控制、技能递进），运动执行成功率达98.9%。未来工作需要测试向更真实的动态仓库环境的训练迁移效果，需考虑输送机时序变化、物品位置变化以及WMS（仓库管理系统）集成。
**研究背景与现存问题**
物流业因与商业世界的高度连通性成为经济命脉之一，仓库作为货物储存、管理和处理的关键设施，其运营效率直接关系到物流行业发展。工业4.0战略背景下，仓库日益依赖机器人操纵器执行越库配送、拣选和分拣作业，操作员需掌握轴级点动、点到点编程以及与输送系统和移动机器人同步的视觉引导技能。然而，由于物理硬件成本高且可及性受限，工程师难以获得实际操作训练。现有平台存在明显缺口：CoppeliaSim和Webots等纯软件仿真环境无硬件在环通信路径，操作员无法获得操作真实工业示教器的触觉与程序性经验；Gazebo/ROS（机器人操作系统）平台需大量中间件配置，缺乏技能递进框架且不支持视觉人机交互（HRI）；RoboDK等离线编程工具仅支持特定型号机器人，无物理示教器、无实时手势控制、无仓库任务验证环境。经分析，尚无现有方案同时满足工业仓库操作员训练的五项需求：（R1）特定型号机器人的运动学仿真；（R2）物理示教器硬件的硬件在环通信；（R3）视觉手势HRI作为传统控制模态的补充；（R4）从手动到程序化再到手势控制的技能递进训练；（R5）仓库专属操作场景的任务验证。正是这一五需求缺口促使研究人员开展了iCyber-SkillBot平台的开发研究。
**研究内容与结论**
研究人员设计了iCyber-SkillBot平台，以越库拣放工作台为测试环境，整合三维仿真、物理示教器、Kinect视觉手势控制和仓库技能递进四个概念。平台提出四项系统设计贡献：（C1）硬件在环同步架构，基于事件驱动状态机的数据处理器模块解决RS232示教器（12.4 ms）、GUI（33 ms）和Kinect视觉（87.6 ms）三个异步流的冲突与状态同步；（C2）统一多模态控制框架，三种控制模式共享单一状态机，任务执行中无需重新初始化即可完成模式切换；（C3）逆运动学（IK）协调控制，视觉流水线通过共享内存直接连接运动学求解器，实时引导双机器人（三菱RV2FR 5自由度（DoF）与发那科LR Mate 100i 6 DoF）协同作业；（C4）仓库环境技能递进框架，形成从一级轴点动、二级轨迹编程到三级手势控制的结构化培训路径。受控静态环境下越库任务案例研究显示，该平台适用于仓库操作员基本技能（定位、运动控制、技能递进）培训，运动执行成功率达98.9%，为工业仓库操作员技能培养提供了无需物理硬件即可开展的替代方案。
**关键技术方法**
研究人员采用以下主要技术方法：基于微控制器的物理示教器通过RS232/USB与主机通信，提供低延迟触觉控制接口；Kinect相机通过OpenNI SDK提取骨骼关节数据实现五类手势识别；基于Microsoft Foundation Class（MFC）构建GUI，OpenGL渲染3D场景，STL阅读器导入SolidWorks模型；采用Denavit-Hartenberg（DH）约定建立正运动学模型，以伪逆雅可比迭代法求解双机器人逆运动学；控制算法含MoveL线性插补、MoveP点到点运动和多轴协调运动。实验硬件配置为主机（Windows 10、Intel XEON GOLD 6138 3.70 GHz、RTX 3060 12G）、USB-RS232示教器与Kinect相机（640×480、30 fps）；八名无平台经验的工程专业学生作为受试者参与训练效果评估。
**研究结果**
**验证协议**：定义了涵盖运动控制精度、通信性能、渲染性能、视觉HRI和安全区检测五个功能维度的验证协议，运动实验重复20次、人机交互实验重复30次。
**GUI功能验证**：四种GUI控制模式（Jog XYZ、Jog Axis、Move Point/Line、COM口配置）均正确响应，双机械臂加Kinect数据场景下平均帧率33.6 fps，满足实时交互阈值。
**运动功能验证**：MoveL末端位置误差0.84±0.21 mm、轨迹均方根误差（RMSE）0.63 mm；MoveP位置误差0.91±0.26 mm，均优于2.0 mm验收阈值。
**机器人编程验证**：程序接口支持编写、编辑、存储和重载命令序列，可在3D仿真中预览每个编程动作，实现安全迭代开发。
**机器人运动验证**：存储点（Point 0、1、2、5）使机器人自主执行复杂任务，速度曲线无突变，为操作员提供运动优化诊断工具。
**人机交互验证**：安全区检测率97.8%，最大速度Z轴方向过冲1.4 mm为固定步长插补策略的已知局限；五类手势平均识别精度93.3%，紧急停止手势达100%，平均手势到运动延迟87.6 ms。
**仓库应用案例**：三名操作员在三种控制模式下各执行10次六步越库任务：程序化模式（M2）周期最短（21.6±1.8 s）、成功率最高（98.9%）；示教器模式（M1）定位精度最高（0.88±0.24 mm）；混合模式（M3）周期28.4±3.2 s，模式切换时间2.3±0.6 s。
**训练效果评估**：三种控制模式任务完成时间差异显著（F(2,14)=48.3，p<0.001），而定位误差无显著差异（p=0.091）；示教器模式每次循环需3.2±1.1次人工修正，显著高于程序化模式的0.4±0.3次，表明程序化和手势模式的生产率优势不以精度损失为代价。
**讨论总结与结论**
讨论指出平台当前六项局限性：仿真环境缺乏动态元素（输送机、自主移动机器人（AMR）交接等）、RS232通信距离与单点拓扑约束、仅支持两种机器人模型且扩展需开发者级权限等。为此规划三阶段验证路线图：第一阶段静态场景验证已完成（成功率98.9%）；第二阶段引入±50 mm物品位置变化与1–3秒可变输送间隔；第三阶段集成WMS动态任务分配、多工位流程和AMR交接模拟。训练效果与IRobotQ3D基准（编程能力提升18%）对比，首次实证表明集成式训练优于被动教学或仅示教器训练。
结论：研究人员设计并验证了一个面向仓库越库流程的信息物理系统（CPS）平台，融合三维机器人模型、可穿戴示教器、视觉技术和交互通信能力。MoveP、MoveL和多轴协调算法展示了解决运动规划、动态行为和实时错误检测问题的潜力，为现代仓库管理中协调机器人行为的实际应用奠定了坚实基础。未来工作将沿三个方向开展：（1）集成实时WMS实现动态任务分配与机器人程序自动更新；（2）扩展仿真工作区包含输送机动力学与AMR交接点；（3）开展纵向训练研究验证模拟器熟练度向物理仓库机器人性能的迁移，为平台提供教育有效性证据。
