《Sustainability》：Systems Thinking for Sustainable Early-Stage Design of Autonomous Residential Robotic Systems: A Safety-by-Design Framework Evaluated Through an Automated Window-Cleaning Robot
编辑推荐：
在住宅环境中运行的自主机器人系统必须在以环境不确定性为特征的异质条件下保持安全、可靠和自适应的性能。实现这一性能具有挑战性，因为此类系统必须同时应对可变接触状态和复杂的子系统交互。传统的面向组件的工程方法往往无法捕捉内部故障、外部干扰和架构决策如何相互作用以产
在住宅环境中运行的自主机器人系统必须在以环境不确定性为特征的异质条件下保持安全、可靠和自适应的性能。实现这一性能具有挑战性，因为此类系统必须同时应对可变接触状态和复杂的子系统交互。传统的面向组件的工程方法往往无法捕捉内部故障、外部干扰和架构决策如何相互作用以产生系统级不稳定性和危险。本文提出了一种基于系统思维（Systems Thinking）的安全设计（Safety-by-Design，SbD）框架，以支持自主住宅机器人系统的可持续早期设计。该方法论通过依赖关系S = f(F,E)、I = g(S,A)和H = h(I,B)形式化了内部故障（F）、环境可变性（E）、系统行为（S）、架构（A）、不稳定性（I）、危险（H）和安全屏障（B）之间的关系。研究人员将环境可变性视为影响系统行为、架构决策和安全要求的主动设计驱动力。该框架通过一个自主窗户清洁机器人进行了概念验证性半定量分析演示，而非实验验证结果：其功能子系统被映射到概念模型，并通过半定量指数评估了故障主导、环境主导和耦合退化场景。结果表明，风险源于子系统交互而非孤立的组件故障，且自适应架构在不确定操作条件下减少了不稳定性传播。所提出的框架支持早期工程决策，从而提升鲁棒性、弹性、安全性、可维护性和可持续性。
**论文解读：基于系统思维的自主住宅机器人系统可持续早期安全设计框架**
**研究背景与问题**
自主住宅机器人在家庭环境中执行维护、清洁、监控等任务，需在环境不确定性下保持安全、可靠和自适应性能。然而，传统面向组件的工程方法难以捕捉内部故障（F）、外部干扰和架构决策如何相互作用产生系统级不稳定性（I）和危险（H）。现有方法如系统理论过程分析（STPA）、功能共振分析方法（FRAM）、危险与可操作性分析（HAZOP）和故障模式与影响分析（FMEA）虽提供定性或半形式化表示，但均未将环境可变性（E）作为独立的量化设计驱动力，也未提供轻量级数值指标用于早期架构比较。为此，该研究提出了基于系统思维（Systems Thinking, ST）的安全设计（Safety-by-Design, SbD）框架，旨在在架构固定前量化F和E对不稳定性的联合影响，支持早期工程决策，提升鲁棒性、弹性、安全性和可持续性。论文发表在《Sustainability》。
**研究内容与结论**
研究人员通过自主窗户清洁机器人案例验证框架：将物理子系统映射到概念模型，并利用半定量指标评估故障主导、环境主导和耦合退化三种场景。结果表明，风险源于子系统交互而非孤立组件故障；自适应架构在不确定条件下显著降低不稳定性传播；环境可变性应作为主动设计参数而非被动边界条件。框架支持早期工程决策，提升鲁棒性、弹性、安全性、可维护性和可持续性。
**关键技术与方法**
研究人员采用以下关键技术方法：（1）基于系统思维的因果建模，形式化F、E、系统行为（S）、架构（A）、I、H和安全屏障（B）之间的关系，定义S = f(F,E)、I = g(S,A)和H = h(I,B)；（2）半定量评估指标，包括退化指数（D
S = w
FD
F + w
ED
E + w
FED
FD
E）、不稳定性指数（I = D
S / R
A）和危险关键性指数（C
H = Sev × Occ × Exp），其中权重系数基于初步危险与可操作性分析及平台核心执行器（DC775电机）的先前实验基线数据校准；（3）三种代表性退化场景定义（故障主导、环境主导、耦合），用于对比分析刚性架构与自适应架构。
**研究结果**
**3.1 工程系统描述**
自主窗户清洁机器人由移动与驱动、结构稳定与导向、清洁与流体输送回收、传感、控制与通信、电源及集成安全等功能子系统组成，操作性能受环境可变性（E）持续影响。
**3.2 物理系统到ST框架的映射**
将机器人各子系统与概念变量对应：驱动和传动组件主要贡献F和S；传感与监测设备支持S和B；控制子系统主导A特性；外部操作条件由E表示。映射表明子系统交互导致退化传播。
**3.3 基于场景的工程评估**
- **3.3.1 故障主导退化**：假设D
F = 0.6, D
E = 0.1，退化指数D
S = 0.354。刚性架构不稳定性指数I = 0.590，自适应架构I = 0.393，危险关键性C
H = 36。结论：内部故障（F）影响依赖于架构抑制扰动传播的能力，自适应架构显著降低不稳定性。
- **3.3.2 环境主导退化**：假设D
F = 0.0, D
E = 0.7，D
S = 0.210。刚性架构I = 0.350，自适应架构I = 0.233，C
H = 60。结论：即使无显著故障，严重环境扰动可单独产生危险，自适应架构通过提升适应能力降低不稳定性。
- **3.3.3 耦合退化**：假设D
F = 0.5, D
E = 0.6，D
S = 0.550。刚性架构I = 0.917，自适应架构I = 0.611，C
H = 60。结论：F和E同时作用产生最强系统响应，自适应架构虽减少不稳定性传播但无法完全消除耦合退化效应。
**3.4 比较分析与工程解释**
对比三种场景表明，系统行为由F、E、A和B共同主导。自适应架构在所有场景下均产生更低的不稳定性指数，尤其在耦合场景中提升最大。环境可变性（E）显著影响子系统交互和退化路径，相同F水平下响应差异显著。
**讨论与结论**
**讨论总结**：研究证明自主住宅机器人系统的退化无法仅用面向组件方法解释，性能源于F、E、A、B的交互。架构在控制退化传播中起关键作用，自适应架构优于刚性架构。环境可变性应作为主动设计参数。框架具有可转移性，适用于其他安全关键自主系统。可持续性方面，通过减少不稳定性传播可降低非计划维护和组件更换，改善资源效率。未来需进行物理实验验证、权重系数校准及集成数字孪生与实时监控。
**结论翻译**：本研究提出了基于系统思维的安全设计（SbD）框架，以支持在异质环境条件下运行的自主住宅机器人系统的可持续概念设计。与传统的面向组件方法不同，该方法将内部故障（F）、环境可变性（E）、系统行为（S）、架构（A）、不稳定性（I）、危险（H）和安全屏障（B）整合到一个统一分析框架中，使退化在早期设计阶段作为系统级现象进行分析。该框架通过自主窗户清洁机器人案例进行了可行性演示，结果证实系统行为由F、E、A、B的交互而非孤立的子系统退化所主导。比较评估表明，架构在限制不稳定性传播中起核心作用，自适应架构持续降低不稳定性，证实架构鲁棒性是提升运行安全性和弹性的关键。结果还强调了在概念开发中将环境可变性视为明确设计参数的重要性。该框架提供了一种可转移的方法论，支持在不确定及安全关键条件下运行的自主机器人系统的概念设计，促进鲁棒性、可维护性、资源效率和长期可持续性。
