《Chinese Journal of Mechanical Engineering》：Multi-task continuous manipulation for mobile manipulator inspired by mechanism theory: a Path Kinematic Chain (PKC) method
编辑推荐：
针对移动操作机器人在执行多任务序列时，因缺乏前瞻性而导致任务间中断的难题，本文提出了一种基于机构理论启发的新方法——路径运动学链（PKC）。该方法将任务路径建模为链式结构，并结合点族地图（PF-Map）进行可行性评估与轨迹生成，实现了高达96%的可靠性和连续操作，有效提升了机器人在动态服务任务中的任务适应性与全局预见能力。
想象一下，一个机器人助手需要完成一系列连贯的动作，比如先抓起一个杯子，然后稳稳地将水倒入另一个容器。对人类而言，这似乎是自然而然、一气呵成的过程。然而，对于移动操作机器人来说，这却是个不小的挑战。它的“手”（末端执行器）在完成第一个任务（抓取）时选择的姿态，可能会严重阻碍后续任务（倒水）的执行，导致动作中断。这是因为机器人的关节、结构限制以及任务本身的运动约束，常常使其缺乏对一连串动作整体结果的“远见”——只考虑了眼前这一步，却没有顾及后续。如何让机器人像人一样，在执行一系列任务前就能“预判”并规划出连贯、无障碍的完整动作序列，是提升其任务适应性和实际应用价值的关键瓶颈。
在机器人学领域，研究者们已经提出了能力地图、灵巧度地图等多种方法来评估机器人在工作空间中的操作能力，但它们大多侧重于评估单点姿态或单个任务的可行性。对于需要移动基座和躯干协同工作的移动操作机器人，现有方法存在明显局限：它们难以在运动学层面可靠地建模多个任务之间的关联性；在规划机器人的“落脚点”（基座位姿序列）时，也较少考虑任务间的相互影响；最重要的是，这些地图通常只关心某个关键姿态是否可达，却很少评估末端执行器沿一条连续路径的全程可操作性。换句话说，杯子或许能抓起来，但抓起来之后可能就“卡住”了，无法完成后续的连续动作。
为了突破这些局限，一篇发表在《Chinese Journal of Mechanical Engineering》上的研究带来了创新的解决方案。来自北京航空航天大学的李亦非、阮嗣普、陶勇、骆亚哲、陈殿生团队，从机构理论中汲取灵感，提出了一种名为“路径运动学链”的新方法。该研究的核心思想是，将需要连续执行的多个任务路径，在机器人根坐标系下，像搭积木一样用“运动副”连接起来，构建成一个“路径运动学链”。这个链条可以像一个整体机构那样，在“可操作度势场”的引导下，自适应地移动到机器人操作能力良好的区域。用于评估的区域来自预先构建的“点族地图”，这是一种内禀经验表示，能直观地将任务路径的可行性评估，转化为判断路径与点族区域之间的几何包含关系。通过这种方法，研究者们能够为一系列任务规划出可行的基座移动序列和末端执行器轨迹序列，从而生成一个完整的“操作候选方案”。实验表明，该方法可靠性高达96%，优于现有基线方法，并能适应不同的任务路径、机械臂结构和移动基座/躯干形态，在真实服务任务中也验证了其适用性。这项工作为移动操作机器人的多任务连续、无中断操作提供了全新的建模思路和高效的求解框架，是提升机器人任务适应性的重要一步。
研究人员开展此项研究，主要运用了以下关键技术方法：
- 1.
路径运动学链建模：受机构理论启发，将多个任务路径视为“连杆”，利用移动基座和躯干的自由度，在机器人根坐标系下通过“运动副”连接成串行链，以建模任务间的相互依赖关系，确保位置层面的连续性。
- 2.
自适应运动与基座序列求解：设计“可操作度势场”，引导PKC自适应地移动到点族地图所表示的高可操作性区域，从而求解出可行的PKC构型，即对应于各任务的基座位姿序列。
- 3.
点族地图构建与集成评估-生成：设计了具有平移完备性的“点族”，并制定“相邻规则”确保逆运动学求解的平稳性，从而构建PF-Map。该方法将任务路径的可行性评估转化为简单的几何包含关系判断，并在判定可行后，利用点族内存储的经验直接生成平滑的关节轨迹。
2.1. 多任务操作抽象
研究者首先对多任务操作进行了抽象定义。他们将一个任务定义为一串位置点组成的路径λ。核心目标是针对一系列任务路径{λ1, λ2, …, λn}，为每个任务求解一个合适的相对放置位姿（即基座相对于任务路径起始点的位姿）和对应的操作轨迹。这一系列“位姿-轨迹”对的集合，被称为一个“操作候选”。研究考虑了三种典型的机器人形态：移动基座+固定躯干、移动基座+升降机构、移动基座+升降及球面机构，它们具有不同的自由度组合。
2.2. 用于多任务建模的路径运动学链构建
为了全局、联合地评估所有任务，并保证末端执行器在连续任务间姿态层面的连续性，研究者提出了PKC概念。在机器人根坐标系{root}下，每个任务路径因其起点的位姿（pfiTroot）可以表示，而移动基座和躯干的自由度使得这些路径“连杆”之间可以存在相对运动。因此，将这些路径连杆通过运动副连接起来，就形成了一个串行的PKC，它严格保证了工具末端在位置层面的连续执行。PKC可以像机构一样改变自身构型，自适应地“落入”机器人可操作性高的区域，其最终的构型就代表了一个可行的基座序列。
2.3. 初始PKC构型选择
初始构型的选择对迭代求解器的性能有重要影响。研究者借鉴迭代最近点算法的思想，设计了一个目标函数，通过最小化膨胀任务路径点集Q与点族点集P之间的加权距离平方和，来求解初始的旋转和平移，使得两组点集的质心重合，为后续的迭代提供一个良好的起点。
2.4. 势场引导的PKC自适应运动迭代
为了使PKC落入{root}坐标系下的可行区域，研究者利用可操作度势场作用于任务路径的膨胀点集，引导路径整体平移/旋转，以进入点族内部。在每一步运动中，先计算膨胀点集上每个点所受的“力”（由点族地图中最近点的可操作度梯度决定），然后据此对点集进行平移和绕路径起点的旋转。通过不断迭代，PKC被引导至点族内部，从而获得可行的PKC最终构型，即基座序列。该方法可应对不同形态的移动基座和躯干。
3.1. 点族构建
为提升执行前任务可行性评估的能力，研究者构建了“点族地图”。PF-Map包含多个点集，每个点集称为一个“点族”，对于特定的采样步长，它具有平移完备性。在其区域内，末端执行器可以沿着任意方向，以该点族的特定姿态，平移到任何位置。与以往具有随机性的地图不同，本研究聚焦于构建“连续可达性”。为此，研究者设计了“相邻规则”，包含“基本规则”和“校正规则”，以确保采样过程中逆运动学解的平稳性，避免构型跳跃，从而保证在点族区域内沿任意方向的连续平移都是可行的。通过采样不同的初始种子构型，可以构建出多个具有不同姿态的点族，形成PF-Map。
3.2. 操作的集成评估-生成
本部分旨在将任务路径的可行性评估，转化为判断路径与点族区域的几何关系。在相邻规则的约束下，点族具有可解性，能够规避关节极限、奇异性、固定姿态约束和自碰撞等问题。点族的形状、层深和体积直观地反映了全局可操作性。如果PKC的构型被包含在某一点族区域内，那么就可以利用该点族的经验来生成操作轨迹。对于任务路径上的每个点，使用离散工作空间W中最近位置点的中间种子构型，作为轨迹计算的初始输入的一部分。因此，点族成为了连接操作评估与生成的纽带。
3.3. 可操作度势场构建
为了引导PKC逐渐落入具有操作可行性的区域，研究者构建了点族的可操作度势场。无论存在多少任务路径，只要PKC能落入一个点族的区域，就基本上可以无中断地执行。势场的构建考虑了“层深”和基于“增广雅可比矩阵”的指数这两个指标，前者反映平移辐射能力，后者融合了奇异性、关节限位和碰撞的考量。力的大小与可操作度指数成正比，方向指向可操作度更高的内部区域。
本研究通过基准实验和物理实验验证了所提方法的有效性。基准实验表明，PF-Map的可行性评估与热启动方法能够可靠地集成，PKC方法在成功率上优于传统的“分别求解基座区域并取交集”以及“虚拟运动学链”等基线方法，可靠性高达96%，且能应对任务路径复杂性、机械臂结构参数以及移动基座和躯干形态的变化。物理实验在真实移动操作机器人平台上，设置了包含拾放、开关门、倒水等动作的服务任务场景，成功验证了PKC方法在实际多任务连续执行中的可行性与实用性。
综上所述，这项研究为解决移动操作机器人多任务连续操作的瓶颈问题，提出了一套完整、创新的理论框架与算法。其核心贡献在于：第一，引入了受机构理论启发的路径运动学链，在机器人根坐标系下揭示了多任务执行连续性的本质；第二，提出了基于PKC和势场引导的自适应运动方法，能够有效求解出可行的基座序列；第三，设计了具有平移完备性的点族地图，将连续任务可行性评估转化为直观的几何判断，并集成了轨迹生成。研究者将这一过程类比为“机器人多任务操作本能”，即利用内禀经验进行预见性模拟。该方法显著提升了移动操作机器人的任务适应性和执行流畅性，为实现更智能、更自主的机器人服务提供了关键技术支撑。
