西南大学计信院前沿学术报告
Southwest University IT Faculty Seminar
时间：2023年2月20日（星期一）下午16:00
地点：腾讯会议 537-443-426
报告题目：仿人机器人控制设计与操作技能学习
报告人：杨辰光 华南理工大学 教授
报告人简介：
杨辰光，华南理工大学教授、博导， IET Fellow，广东省智能系统控制工程技术研究中心主任，教育部自主系统与网络控制重点实验室副主任。2010年于新加坡国立大学获博士学位。长期从事人机交互、智能控制等方向研究工作，曾开创性的提出机器人仿人变阻抗控制方法以及机器人仿人学习控制算法，作为第一作者分别获得机器人领域顶级期刊IEEE Transactions on Robotics 2012年最佳论文奖和计算智能领域顶级期刊IEEE Transactions on Neural Networks and Learning Systems 2022最佳论文奖，3次入选科睿唯安全球高被引科学家。近年来，获得自动化学会自然科学一等奖一项，省级自然科学一等奖两项，二等奖一项，作为指导教师带领学生团队获得第六届中国国际“互联网+”大学生创新创业大赛金奖（季军）。在清华大学出版社出版《机器人仿真与编程技术》和《机器人控制: 运动学、控制器设计、人机交互与应用实例》中文教材两部;在斯普林格出版《Advanced Technologies in Modern Robotic Application》并在Taylor & Francis Group (CRC Press)出版《Robot Learning Human Skills and Intelligent Control Design》英文专著两部。
内容摘要：
利用控制理论对运动神经元调控机理建模，一方面可以帮助我们深刻理解人体肌肉骨骼运动控制原理，另一方面可以辅助我们设计机器人仿人控制器。报告中将介绍我们关于神经肌肉控制自适应调节阻抗、力、参考轨迹的成果，以及在此基础上设计的仿人自适应学习控制器。我们更进一步的提出一种多层级阻抗控制与阻抗学习方法，并用于冗余自由度仿人机械臂，实现柔顺的人机交互柔性控制。在机器人上实现仿人技能，也可以通过人机示教方式将人的技能高效传递给机器人，使机器人具备人的操作柔顺性与灵活性。本报告中将介绍我们构建的一个基本的机器人学习系统，其实现运动技能在空间中的可拓展性，并保证运动技能的稳定复现。进一步地，我们基于肌电信号在技能建模和传递中加入了刚度信息，使得机器人能够使用不同刚度与不同环境进行交互，以完成变化多样的任务。进而对示教信息进行自动处理，包括运动技能分割，运动序列对齐等。
工业生产和日常生活中机器人的运动和操作离不开人的监管和控制。传统人机隔离生产方式刚性作业，无法完成复杂多变生产任务，新型人机共享控制模式将人的优势（智慧性、灵巧性）与机器人优势（高速率、高精度、顺从性）深度结合，优化人机共同作业。本报告着重从遥操作和人机协作两方面介绍人机共享控制的实际应用场景以及效果，从实时避障、神经网络优化、动态补偿以及肌电信号利用等多个方面对人-工业机器人以及人-移动机器人的新型共享控制技术进行探索与应用。
