浙江大学学报(工学版)

浙江大学学报(工学版), 2021, 55(5): 831-842 doi: 10.3785/j.issn.1008-973X.2021.05.004

机械工程

基于临场感的遥操作机器人共享控制研究综述

陈英龙,, 宋甫俊, 张军豪, 宋伟, 弓永军,

1. 大连海事大学 船舶与海洋工程学院，辽宁 大连 116026

2. 大连海事大学 辽宁省救助及打捞工程重点实验室，辽宁 大连 116026

3. 浙江大学 海洋电子与智能系统研究所，浙江 舟山 316021

Telerobotic shared control strategy based on telepresence: a review

CHEN Ying-long,, SONG Fu-jun, ZHANG Jun-hao, SONG Wei, GONG Yong-jun,

1. Naval Architecture and Ocean Engineering College, Dalian Maritime University, Dalian 116026, China

2. Key Laboratory of Rescue and Salvage Engineering Liaoning Province, Dalian Maritime University, Dalian 116026, China

3. Institute of Marine Electronics and Robotics, Zhejiang University, Zhoushan 316021, China

通讯作者: 弓永军，男，教授，博士. orcid.org/0000-0001-7665-7111. E-mail： yongjungong@163.com

收稿日期: 2020-11-2  

基金资助: 国家自然科学基金资助项目（51705452，51905067，U1908228）；工业和信息化部高科技船舶资助项目（2018ZX04001-021）；大连市科技创新基金重点学科重大资助项目（2020JJ25CY016）

Received: 2020-11-2  

Fund supported: 国家自然科学基金资助项目（51705452，51905067，U1908228）；工业和信息化部高科技船舶资助项目（2018ZX04001-021）；大连市科技创新基金重点学科重大资助项目（2020JJ25CY016）

作者简介 About authors

陈英龙（1984—），男，副教授，博士，从事流体传动及控制、机电系统高级运动控制和机器人技术研究.orcid.org/0000-0002-2149-093X.E-mail：chenyinglong@dlmu.edu.cn , E-mail：chenyinglong@dlmu.edu.cn

摘要

共享控制策略作为基于临场感的遥操作机器人的主要控制模式，能够充分利用操作者的感知、判断和决策能力，也能发挥出机器人自身的优势. 阐述遥操作机器人临场感技术；综述遥操作共享控制策略的发展现状，主要基于触觉反馈引导、运动学限制规避以及共享因子分配等，对各控制策略的原理进行介绍，并梳理和分析遥操作共享控制策略发展中的瓶颈和不足，如共享因素的单一化或僵硬化、时延问题和机器人自主判断能力有限等问题. 针对研究存在的局限性，从3个方面对未来的发展提出展望，分别为提升干预水平、加强机器人意图预测、结合机器学习, 具有一定的指导意义.

关键词： 遥操作 ; 共享控制 ; 临场感技术 ; 控制策略 ; 共享因子 ; 触觉反馈

Abstract

The shared control strategy, as the main control mode of teleoperation robots based on telepresence, can make full use of the operator's perception, judgment and decision-making ability, and utilize to the robot's own unique advantages. The telerobotic telepresence technology was introduced. The development of teleoperation shared control strategy was summarized. The principles of each control strategy were introduced mainly based on tactile feedback guidance, kinematic constraint avoidance and sharing factor assignment. The bottlenecks and shortcomings in the development of telerobotic shared control strategy were analyzed, such as the singleness or rigidity of shared factors, time delay and limited autonomous judgment ability of robots. The future research trends were proposed from three aspects in view of the limitations of the current study, namely, improving the intervention level, strengthening robot intention prediction, and combining machine learning, which have a certain guiding significance.

Keywords： teleoperation ; shared control ; telepresence technology ; control strategy ; shared factor ; tactile feedback

PDF (887KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

陈英龙, 宋甫俊, 张军豪, 宋伟, 弓永军. 基于临场感的遥操作机器人共享控制研究综述. 浙江大学学报(工学版)[J], 2021, 55(5): 831-842 doi:10.3785/j.issn.1008-973X.2021.05.004

CHEN Ying-long, SONG Fu-jun, ZHANG Jun-hao, SONG Wei, GONG Yong-jun. Telerobotic shared control strategy based on telepresence: a review. Journal of Zhejiang University(Engineering Science)[J], 2021, 55(5): 831-842 doi:10.3785/j.issn.1008-973X.2021.05.004

随着机器人技术的不断发展，在许多对人类不利的环境中执行任务时，依靠遥操作机器人既可以避免操作中的危险，又降低操作成本，提高了作业质量和效率[1]. 在过去的几十年里，关于机器人的智能自主性研究取得了不小进步. 然而，在目前可用的技术条件中，由于非结构环境的制约、人工智能和环境重构等相关限制，机器人自主化操作方式并不能保证任务安全、准确、平稳地完成，纯自主化机器人仍然具有挑战性[2]. 相反，人类在动态环境或意外情况下可以做出更加灵活和全面的反应. 对于如医疗手术、家庭服务、康复辅助等任务而言，既需要机器人的自动化，也要求训练有素的人员的专业知识，而完全自主系统一直以来受到安全、法律、成本等因素的限制[3-4]. 遥操作机器人技术允许人类扩展他们的物理能力，使人类能够实现干预操作或在对人类不利的环境中执行任务[5].

自从1954年Goertz等[6]介绍了第1套机械驱动的遥操作机器人系统以来，遥操作机器人领域取得了较大进展. 在早期遥操作系统中，传感和控制由操作者本身掌握，操作者包含在底层的控制环中，远端机械臂在操作者的直接控制之下，不具有任何自主功能. 如在最早的遥控焊接实验中，通过夹持器夹持焊枪，再附带简单的距离保持器来完成核环境、水下环境、空间环境和其他极限环境下的遥控焊接[7]. 针对从端自主焊接控制不足的问题，哈工大通过对遥控焊接任务空间从宏观到微观的分析，建立焊接遥操作的人机协作智能分配模型，提出“宏观遥控、局部自主”的控制思想，设计遥控焊接任务的控制策略——人机协作控制策略[8]. 类似的遥操作机器人研究还有医疗手术辅助机器人[9]、水下机器人（remote operated vehicle，ROV）[10]、空间机器人[11]及灾难搜救机器人等[12]，它们的基本结构都是由人类操作员通过操纵杆或替代设备如鼠标和手势指令来遥控制机器人执行任务.

虽然遥操作机器人领域已经取得了巨大进展，甚至其中一些已经商业化，得以应用于实际，但操作人员指挥从端机器人的方式并没有太大的改变. 一般来说，操作者在对从端机器人在远程环境中的行为进行视觉监控的同时，直接向从机器人发出特定的指令，称之为直接遥操作，它经常给操作者带来沉重的认知负担[13]. 除此之外，操作者与遥控机器人之间通信的时延和带宽限制一直是制约遥操作系统性能的主要因素；在使用传统的遥操作系统时，操作者的2种重要感知（视觉和力觉）被剥夺，严重影响操作者完成遥操作任务的能力[14]. 尤其是面对非结构环境、突发的事故时，人类操作者不能够及时处理问题，会降低任务成功率，甚至给用户带来人身安全隐患，也会使得操作者处于高度紧张状态，易产生精神疲劳，降低工作效率.

为了解决上述问题，科研人员进行了许多研究，大致可以归为2类：其一，结合基于视觉、触觉、肌肉神经等感知信号的人机交互技术的特殊性能，能提高遥操作机器人系统的工作效率和控制精度[15-17]；其二，针对性地研究开发人机遥操作控制模式，充分发挥人类操作者与机器人各自的优势，在缓解人类操作者疲倦的同时提高系统的灵敏度、精确度，实现人机任务合理配置[18-19]. 目前，遥操作技术研究的相关综述侧重于人机交互技术的应用和人机交互下的共享控制系统发展，对于遥操作技术和控制策略的研究现状还未有详细的总结性报道[20].

本研究概述遥操作机器人技术——临场感技术，分析其主要优势和应用特点；结合遥操作临场感技术对不同类型的遥操作机器人的共享控制策略进行总结，归纳出3个关键研究方面；着重对遥操作共享控制的未来发展进行探究，旨在为后续研究人员提供一定的参考.

1. 临场感技术

在实际应用中普适性最高的技术是临场感技术（telepresence），主要可以分为2种：力反馈技术和虚拟现实技术. 两者的作用都是为了提高人类操作者遥操作过程的临场感能力. 作为新一代遥操作机器人系统的重要组成部分，临场感的核心理念在于为人类操作者提供身临现场的浸入式感官辅助，从而显著提高遥操作机器人完成复杂作业任务的效率[21].

2006年Hokayem等[22]对临场感技术进行了相关综述. 宋爱国等[23-26]对相关领域进行了出色总结，自2013年起从4个方面对力觉临场感遥操作机器人进行了综述性分析. 综合考虑已有研究，临场感技术涵盖所有可以辅助提高人类操作者感知的方法，如触觉感知[27]、视觉感知[28]、脑机交互[29]等. 这些感知可以独立应用到机器人系统中，又可以通过互相配合提高系统多感知的能力，在环绕和避障任务的研究中很常见. 在遥操作应用中，以力反馈和虚拟现实为备受关注的研究热点.

1.1. 力反馈技术

触觉感知的研究以临场感为代表. 触觉是许多遥操作机器人系统中不可缺少的一环，尤其在精度要求、控制安全要求高的场景. 力反馈技术是典型的临场感技术，其研究与应用更是与遥操作发展息息相关. 总而言之，现今的遥操作应用都包含力反馈内容，如图1所示为市场上较大众的力反馈设备.

图 1

新窗口打开| 下载原图ZIP| 生成PPT

图 1   常见力反馈设备

Fig.1   Common force feedback devices


研究发现力反馈系统在克服时延影响方面发挥着重要的作用. 在面对低延迟时，利用波动变量和散射变换方法来解决[30-31]. 针对几秒或十多秒的通信延迟问题，Tanwani等[32]提出模型预测的解决方法，根据设置的远程环境和机器人的几何和动力学模型，得到模拟视觉和实时的力反馈. 在模型预测的基础上，Liang等[33]提出人机协同半自主遥操作控制策略，不仅提高了操作精度，还可以减少操作人员的工作量. 结合模型预测和力反馈技术，王泓澈等[34]对大时延状态的带力反馈的主从式遥操作系统的控制器进行研究，通过单自由度力反馈遥操作系统的建模和分析，采用引入模型预测的方法对反馈力进行预测，减少时延对力反馈遥操作系统的操作性与稳定性的影响. 总的来说，利用力反馈预测可以在确保系统稳定的基础上削弱时延对系统性能的影响，并且有效提高遥操作系统的透明性和可操作性[35].

因此，引入力反馈技术可以加强系统的抗干扰性. 张建军等[36]基于力反馈技术提出双边自适应阻抗控制，解决存在的机械手关节摩擦以及外部不确定干扰引起的模型不确定的问题. 甚至有的研究是将力反馈混合控制，达到提高主从异构型遥操作系统的稳定性和安全性的目的[37]. 相关的研究还包括如何减少主从两端干扰、误差影响方面研究.

显而易见，力反馈技术并不限于提升机器人操作者的临场感知能力，在降低时延以及克服外在干扰方面也扮演着重要角色，还能优化系统安全性，更好地完成遥操作任务，减轻操作者工作负担.

1.2. 虚拟现实技术

虚拟现实技术(virtual reality，VR)是改善遥操作机器人工作效率的技术，作为提升临场感的关键技术，在遥操作的研究中占有较大比重. 虚拟现实技术是目前被认可的可以彻底解决网络时延问题最有效的方法，并在遥操作应用中得到证明[38]. 虚拟现实技术根据实际性能特点可以分为2种：虚拟环境技术和虚拟夹具技术. 前者是构建一个与从端类似的三维虚拟环境，从而避免主从通讯延迟引起的消极影响；后者在从端建立虚拟约束，既解决遥操作模式下的不足之处（如可视环境狭窄、延迟易导致反馈信息缺失），又能引导人类操作者实现避障、跟踪、路径优化等任务，提高工作效率和引导精度.

虚拟环境能够在主端模拟一个与从端类似的三维虚拟环境，该环境容纳预设信息与从端反馈的传感器信息，使得全端与从端环境达到完全一致. 因此，在遥操作过程中，操作者可以直接通过人机交互设备与虚拟现实环境进行交互，能够实时产生视觉、听觉、触觉、力觉等感知，同时交互指令也可以被同步发送到从端，从而忽略时延干扰，达到真正的无时延交互的目的[39].

虚拟夹具根据构型以及引导特性进行分类，虚拟夹具可以分为刚性、柔性虚拟夹具，前者在辅助机械臂的运动中具有引导速度快、引导精度高的优点；后者则更适应于处理空间复杂问题[40]. 刚性虚拟夹具构建方法主要有：基于点结构、基于线结构[41]、基于曲面结构[42]、基于几何体结构[43]和基于点云结构[44]等，它们的特点在于夹具的构型各不相同. Rosenberg[45]最早提出应用于遥操作手术、空间维护领域的虚拟夹具技术，在虚拟空间构建类似机械刚性夹具的约束，实现基础的人机共享操作，成功解决遥操作系统中的环境交互问题. 随着相关研究的不断深入，柔性虚拟约束也被广泛研究. 科研人员利用虚拟场分别构建作业对象及环境，构建对机器人的虚拟吸引力、虚拟排斥力，并通过力反馈设备实现虚拟夹具/约束[46].

2. 基于临场感的共享控制策略研究

传统的遥操作技术本身具有一定的人机协作/协商/共享的特性，“共享”的概念既体现在遥操作控制中，又体现在人机交互的过程中. 临场感加深了这个概念层次的表现，而基于此的共享控制策略更是被誉为带有鲜明的人机共享特色的控制模式. 这2种技术均为遥操作技术的重要组成部分，两者的融合能够提升遥操作机器人系统共享效果，是目前的研究热点和趋势.

2.1. 共享控制策略的发展

遥操作机器人研发至今，其控制性能一直受时滞、环境反馈、人机交互方案低效等因素的影响. 为了解决这些限制，国外很早就对共享控制展开研究，主要是作为研究设计较为直观的机器人遥操作系统的一种方法. 共享控制的概念最早是Sheridan[47]提出的，含义是指人、自主控制系统之间进行协调，共同对远端的机器人进行控制的控制策略. Sheridan[47]将共享控制方法引入机器人领域，机器人的不同自由度分别由手动和自动方式进行控制，人机各自完成任务，能够减轻操作员的负担，提高工作效率，并确保机器人控制的安全性、可靠性和稳定性. 该概念源于“遥操作”和“机器人”两者的有机结合，也就是说，机器人既能在遥操作下运行，也能在自主控制下运行[48].

如图2所示，遥操作机器人控制方式主要为完全手动、半自主和全自主3种. 其中，完全手动控制因连续死板的低级操作而不被提倡，全自主控制由于安全隐患又不太现实. 因此，半自主控制成为当前遥操作机器人的主要控制方式和研究热点[49]. 不难看出，遥操作半自主控制与临场感之间的关系是互补的，通过虚拟现实技术和感知反馈技术，遥操作机器人系统实现了深度共享，在加深操作者浸入感的同时提高人机共享的程度.

图 2

新窗口打开| 下载原图ZIP| 生成PPT

图 2   遥操作主要技术概述

Fig.2   Overview of teleoperation techniques


根据人机任务分配大小，常用的半自主控制主要有直接控制、监督控制和共享控制，如图3所示. 在直接控制中，从端完全跟随主端运动，所有决策都由操作者完成；在共享控制与监督控制中，它们的典型特征是2个控制环节：不包含操作者的远端控制环(内环)和包含操作者的整个系统控制环(外环). 图中，实线和虚线表示控制智能分配规模的程度，实线表示连通，虚线表示部分连通. 监督控制的特点是操作者不参与底层控制，只在上层监督；共享控制通过人机共享，实现高级决策（操作者）和底层动作（机器人）相结合的控制方式. 共享控制既具备直接控制和监督控制的优势，又避开了两者的不足之处[50]，表现如下. 1）根据系统的任务环境的即时信息，操作者可以如直接控制一般，利用自身感知、决策能力，通过人的智能实现高适应性，进而提高系统的安全性，避免自主控制误判失误操作引起的隐患. 2）也能和监督控制一样，将时延排除在底层控制回路之外，从而在局部获得较高的稳定性和控制精度. 此外，在时延环节施加时延控制方法，能克服时延对遥操作系统稳定性和透明性的影响[51]. 3）引入协商操作机制，将机器人机械装置的精确控制能力与操作者的宏观决策能力集成起来，实现对机器人的高精度控制[52]. 尤其在高控制精度要求的遥操作场所，共享控制既可以利用机器人自主精细控制，又能发挥出操作者的引导判断能力.

图 3

新窗口打开| 下载原图ZIP| 生成PPT

图 3   遥操作机器人控制模式

Fig.3   Control mode of teleoperation robot


共享控制策略强调遥操作机器人系统的自主能力存在一定的局限性，故应当发挥操作人员智能水平，以达到操作者与机器人智能水平的平衡. 具体操作是将协商操作机制引入该模型之中，即从端尽可能发挥其自主规划能力. 为了保证操作执行的有效性，在从端执行具体动作之前，应向主端操作者提交即将执行的方案，且须经过主端操作者确认[53].

共享控制也可以被理解为控制状态的角色切换，如“人主机辅”或者“人辅机主”，然而共享控制的协商机制是各不相同的. 王兴华等[54]提出基于行为的自主/遥控水下机器人（autonomous underwater vehicle，AUV）共享控制方法，通过设计的基于优先级的行为组织和融合方法，实现水下机器人以“人主机辅”模式执行环境探索，继而以“人辅机主”模式执行目标观察过程的有效共享.

2.2. 基于临场感的共享控制策略的研究方法

在早期的共享控制策略中，人类操作员实际上只负责将高水平、直观的目标传递给机器人，由自主控制器将这些目标转换为运动指令，使得操作人员和自主控制器之间机器人系统的共享成为可能. 因此，如何实现人工操作者和自主控制器之间的角色划分，在很大程度上取决于任务本身、机器人系统和应用.

如图4所示为传统的基于临场感的共享控制策略框架. 图中， ${C_{\rm{T}}}$、 ${C_{\rm{H}}}$、 ${C_{\rm{C}}}$分别为任务指令、人类指令和机器人指令； ${C_{{\rm{fe}}}}$为反馈信息，既可以表示传感器反馈信息，也可以是人类操作者获取的信息.

图 4

新窗口打开| 下载原图ZIP| 生成PPT

图 4   基于临场感的共享控制框架

Fig.4   Shared control framework based on presence


共享控制涉及了2个关键问题：1）什么时候应该混合使用这2个命令，使得遥操作指令与独立控制指令有效结合；2）如何修改每个命令. 因此，共享控制策略的核心内容可以分为两部分：1）选择/设计自主计划/控制方法（任务规划）；2）选择/设计控制方案（控制策略算法）.

近年来遥操作的共享控制策略相关研究，与遥操作临场感技术——力反馈技术和虚拟现实技术紧密相关. 根据临场感技术和控制策略的实现原理，共享控制策略研究方法被分类归纳为以下3个方面：触觉反馈与引导（tactile feedback and guidance，TFG）、运动学规避限制（kinematic avoidance constraint，KAC）和共享因子分配（shared factor assignment，SFC），分析结果如表1所示.可以看出，大部分研究具有鲜明的针对性、专一性和应用性，往往都是对于某个类型遥操作机器人或者机器人系统设计或开发的一套共享控制策略算法. 然而，这三者之间其实是相辅相成的，事实上没有割裂独立，都与遥操作关键技术有联系，只是所侧重的研究方向不同. 体现出共享控制策略的研究范畴还是较大的，均涉及到上述的遥操作临场感技术.

表 1   共享控制策略研究简要汇总

Tab.1  Brief summary of research on shared control strategy

文献 应用场景 TFG KAC SFA 研究特点
[55] 轨迹规划 * 权重由操作者当前输入动作和目标物体的距离决定
[56] 椎弓根螺钉固定手术 * * 外科医生可以直接控制攻丝轴上的相互作用力/扭矩，而不会降低其他方向上的位置精度
[57] 远程操作热线工作 * * 操作者和自主运动规划器共同生成笛卡尔任务轨迹
[58] 复杂环境避障、导航 * * 考虑机器人与障碍物之间的距离，从而分别确定柔性控制器和导航控制器合适的合作权值
[59] 核电站高位重水更换 * 操作员仅控制从属机器人，而抑振任务分配给机器人系统
[60] 微创手术(MIS) * 外科医生全程控制工具的位置，并得到系统的支持，即外科医生感觉到力，但同时不阻碍或影响手术过程
[61] 六足机器人爬梯 * * 操作者和自主控制器的命令交由共享控制器中的控制权重函数进行处理
[62] 机器人避障 * * 以稳定裕度与稳定裕度变化率为输入，共享因子为输出的模糊控制器，实现变权重共享控制
[63] 空间远程操作 * * 根据操作员和自主控制模块的作用大小取加权融合
[64] 双臂协同 * * 2名操作者通过优势因子调节各操作者的控制权重
[65] 无人机飞行任务 * * 融合人主动操作和机器人自主运动的共享控制策略，使得机器人的控制权限可以在人和机器人之间平滑转移
[66] 辅助避障 * * 人的权重和机器人的权重是分别受不同因素影响的
[67] 动态工作空间搬运 * 分别研究共享控制中提高机器人自主运动能力和辅助操作者提高操作能力的方法
[68] ATRV机器人 * * 遥操作系统允许人类扩展他们的物理能力，使他们能够干预危险操作或在他们不可能存在的地方
[69] QBot机器人移动 * * 同时考虑机器人的自主性和人的干预，通过阻抗和导纳模型保证从人的操作到机器人运动的无源性
[70] 手术教学引导 * * 外科医生之间共享的控制权限是根据他们相对水平的手术技能和经验来选择的
[71] 非结构环境的探索 * * * 不仅根据给定环境上下文，而且根据用户当前行为的上下文来调节共享控制器提供的辅助水平
[72] 自由飞行太空机器人（FFSR） * * 将地面操作员的决策能力与空间机器人的自主能力有效地结合起来实现对目标更有效的捕获
[73] 微创外科手术(RMIS) * * 人工势场结合虚拟代理点，限制机器人执行机构的运动

新窗口打开| 下载CSV


2.2.1. 基于触觉反馈与引导

恰如骑马的这个比喻[74]，触觉共享控制能够给操作者提供更加直观的感知能力，使其能够更好地了解从端空间操作情况. 结合触觉反馈，当操作员远离任何物体时，只能收到关于存在不安全运动学构型的触觉反馈——关节极限和奇点；当目标在预先定义的距离内时，操作者则开始收到触觉提示，被引导做出最优姿态[75]. 换言之，触觉反馈可以近似为一个运动学约束，操作者则被提供类似动觉和振动的触觉反馈. 甚至，若这些反馈引导操作者一个抓握的姿势，则只提供动觉反馈[76].

总而言之，触觉共享控制的表现形式可以理解为在操作空间内给予从端机器人移动的指示信息（如禁区或禁行区），操作者根据机器人的指示信息改变移动指令. 如图5所示[77]为解决核环境下物体抓取的典型的触觉共享控制策略框图. 通过视觉反馈对点云（场景）进行抓握引导，同时操作者通过动觉反馈重新修正输入（重构）. 基于触觉的共享控制策略解决了多目标触觉引导问题，可以在不依赖概率估计或意图识别模型的情况下，确保平滑连续的目标抓取引导.

图 5

新窗口打开| 下载原图ZIP| 生成PPT

图 5   触觉反馈共享控制系统

Fig.5   System of haptic feedback shared control strategy


除此之外，基于触觉的共享控制策略还能通过计算位姿极限或者奇异点的代价函数代替直接提供移动的提示指令，从而计算出最佳位姿以及施加在操作者手上的力信号. 基于此，Selvaggio等[78]提出触觉引导的共享控制方法，解决在微创外科机器人执行缝合任务时，外科医生由于配置奇异点和关节限制而重新抓针的问题. 在整个触觉共享过程中被机器人告知最佳的抓取姿态/路线，操作者则最终控制机器人并做出决策选择何种抓取姿态/路线，从而考虑到其他非结构目标，避免不必要的操作，提高执行效率.

除了上述触觉共享控制的研究外，Mario等[79]将触觉引导与双边共享控制算法相结合，设计了基于触觉的人与机器人、机器人与环境的双边共享控制策略. 通过人机共享和双臂协调，在方向控制和避碰上进一步简化抓取任务的执行，使得人机的优势都能得以充分利用. 一些研究则通过融合人工力场（artificial force field，AFF)和虚拟阻抗力场（virtual impedance force field，VIF)，建立操作者、机器人及环境的交互界面. 相关研究[80]已经证明在遥操作过程中基于触觉的双边共享能够更好地应对复杂可变的操作空间，且可处理突发情况更广.

综上考虑，从控制末端执行器的操作人员的角度来说，基于触觉的共享控制策略将远程机械手转向所需的目标位姿变为一项相当简单的任务. 主要体现为：1）既解决2个位置的复杂性问题，还调节了方向；2）解决若干约束条件（例如碰撞、关节极限、奇点）下对操作人员机动灵活性的限制（操作人员可以有直接或直观的意识）；3）不仅适应于静态的工作环境，也适用于动态的有障碍的环境.

2.2.2. 基于运动学限制规避

最近，在协作机器人研究中，运动学限制规避已经被成熟地用来改善性能和进行直观的物理人机交互. 在机器人遥操作中，这种方法也是通用的. 须解决的问题是：在不提供高保真的触觉反馈条件下，能够反映从端与环境之间的实际物理接触，而且为人类操作者提供一个接口，告知其约束接近程度[81]. 因此，针对这一问题所提出的解决方案是融合虚拟现实技术的共享控制策略，分别包括基于势场、虚拟弹簧阻尼系统和虚拟约束（夹具）等[82]. 其中，虚拟约束（夹具）事实上就代表了一种相对简单而有效的遥操作共享控制，其在遥操作的应用在前述文献中都有所体现.

以往，对虚拟装置的研究大多集中在研究装置对操作者性能的影响，并且假设装置本身已经给定，或者可以有效地构造虚拟装置的环境来实现虚拟装置姿态的可靠计算——虚拟装置的研究. 随着研究的深入，虚拟装置的构建不仅于此. 比如，基于交互式虚拟夹具的共享控制被提出，核心思想是人类可以有效地使用电脑鼠标与二维图像交互[83]，实现在遥操作过程中交互式、直观、快速地定义虚拟夹具的目的. 生成的夹具简单易操作，具有高通用性，适应广泛的遥操作场景需求. Xiong等[84]利用增量势场（incremental potential field，IPF）方法生成基于组织解剖和手术工具交互作用的导引路径，完成约束优化来生成约束运动. 这类共享控制策略，同样也具有高精度、高适应性和高效率，相比较于基于触觉反馈与引导，能够更好地满足用户对机器人系统的控制要求.

面对更加复杂的情况，如避障任务，由于障碍物状态改变或紧急情况发生，要求分层共享控制来应对. 通过将人类运动意图识别与避障方法相结合，生成对应不同状况的虚拟势场，既节省了操作者的精力，也保持了操作者部分原有目标意图[85]. 结合意图识别的共享控制考虑了操作者的主观意图，是提高人机交互质量的常见方法，后续有待深入研究，不做赘述.

2.2.3. 基于共享因子

共享控制的目的是为了完成复杂任务时，操作员和机器人的任务可以得到合理分配. 典型的例子是共享视觉，将传感器采集的视觉信息和操作者视觉命令加权，输入指令共同控制机器人来完成任务[86].

早期的加权是最简单的指令相加：在遥控弧焊试验中，操作者对焊枪6个自由度处理，在机器人控制器的运动控制层上实现自由度共享,通过自由的分配实现远端的焊枪引导、定位和跟踪任务. 共享控制对自由度的处理方式有2种：自由度加权融合法和自由度分割法[87]. 总之，在设计控制策略的过程中，研究人员须考虑的是如何合理确定操作员与自主控制模块各自的权值,从而充分发挥操作员与机器控制的各自优势，即合理分配共享控制中人工参与和机器自主参与的权值.

随着研究的发展，对应不同类型的权重定义及其分配算法得到广泛研究. 在移动机器人与人类伙伴合作完成任务时，人类利用六自由度触觉装置和肌电图（electromyography，EMG）信号传感器来控制移动机器人. EMG可以改变排斥力和引力的大小，根据排斥力和引力避开障碍物，并利用移动平台的力反馈增强人对远程环境的感知[88]：

$ \left. \begin{array}{l}{K}_{{\rm{emg}}}={K}_{0}({a}_{{\rm{i}}}-{a}_{\mathrm{max}})+{K}_{0\mathrm{min}},\\ {Q}_{{\rm{at}}}=\dfrac{1}{2}({\mu }_{1}+{K}_{{\rm{emg}}}){f}_{2}(p,{p}_{{\rm{go}}}).\end{array} \right\}$

式中： ${a_{\rm{i}}}$为肌肉激活因子；amax为最大可激活值； ${Q_{{\rm{at}}}}$为引力势场函数； ${K_{{\rm{emg}}}}$为受EMG影响的比例系数；μ1为势场增益；p为位姿信息；pgo为初始位置；f2为距离；K0为激励的调节程度，K0∈（K0min，K0max）.

基于共享因子的分配算法的优势在于利用肌肉的激活直接反映人的控制意图，原理上依旧是将影响人类遥控移动机器人的运动的因素模态化，转化为可控、可分配的共享因子. 因此，从共享控制的实际应用来分析，共享因子控制是融合人与机器各自特长的有效办法. 通过结合操作者和机器人各自生成的命令来共同完成一个任务，而两者命令的结合是通过特殊的“控制权重比例”进行调节的. 这就使影响机器人主导权的“控制权重比例”的分配尤为重要. 共享因子的选择主要分为固定与动态2种分配方式. 固定的分配往往是进行大量测验得到最优权重分配，普适性较弱；动态的分配则是设定一个“权重比例函数”，并在操作过程中实时调节权重比例.

3. 研究不足及展望

3.1. 当前研究的局限性

1）共享因素的单一化或僵硬化. 当前的共享控制策略具有一个共同缺点：必须确定每种控制因子的分配，并且在任务发生时不容易甚至不允许改变，即共享因子的定义已经在任务开始前就被确定了. 然而，实际工作空间是动态的、未知的，尤其是在非结构环境下控制从端机器人时，人机之间共享因素过于单一和死板都会影响到控制权重的分配，会限制共享控制的共享程度，降低人类操作者的干预能力.

2）时延问题. 尽管基于虚拟环境技术的共享控制策略在理想状态下可以降低时延影响，但这种方法本身也依赖于环境模型（临场感的提升，如力反馈技术），一旦环境出现变化或者模型存在误差，反而易受时延的影响. 除了从硬件上提高从端接收数据指的准确率，此外，更新共享控制算法实现时延下从端的准确预测能力也是解决问题的关键[89].

3）机器人自主判断能力有限. 目前这类研究主要侧重于机器人被动反应的阶段，如阻抗控制. 这样的控制策略保证了机器人对意外力量的快速反应，但依旧存在着局限性，即人类的干预往往是有意的，其原因是机器人正在做一些错误的事情，而机器人对预设目标的行为却是最佳的. 两者的矛盾便要求机器人的主动判断，根据人类给予的有限反馈实时更新执行任务的行为/方式. 这恰恰也是提升遥操作下共享程度的重要的手段，对解决复杂任务环境或复杂人机交互问题有较大帮助.

3.2. 未来的研究发展

鉴于上述共享控制策略研究的局限性，本研究提出以下几点相对应的研究思路，研究重点分别从人类操作者控制和机器人控制两方面着手，旨在发掘出人、机器人的各自优势.

1）干预水平提升方面. 就共享因素的单一化或僵硬化问题而言，多模态共享控制策略加深了机器人的控制能力和自主程度的融合. 根据权重选择共享控制阶段，多模态共享控制策略更注重考虑干预水平和不一致性的因素，进而提出包含这些因素的权值计算方法. 在机器人路径生成任务中，Belaidi等[90]利用任务分担系数的百分比表示机器人的自主性、用户能力、环境可及性和任务难度，人机共同调节任务分担系数，实现路径生成任务合理分配和执行. 这种多模式共享策略为交互方面提供了帮助，与传统的机器人界面相比，易于学习和使用，更显得自然.

2）加强机器人意图预测方面. 在具有较大通信延迟的主从系统中，机器人根据意图预测可以自主完成关键任务而无须等待人类的命令. 机器人意图预测包括意图预测和命令仲裁2个关键部分，其研究可以被整理为2种：（a）机器人推断人的意图，再与操作者共享来执行命令仲裁. 在一个给定的任务中，意图被建模为目标指定参数用来实现人机意图融合[91-92].（b）机器人推断人的意图后自主做出命令仲裁，用于降低未知/复杂环境下机器人的遥操纵的时延[93].

3）结合机器学习方面. 通过引入机器学习提升机器人智能逐渐备受关注，这种共享控制策略既有为了实现人、机器人处理未知的控制目标而发展的[94]]，也有通过示范教学所得的模型来预测给定的操纵目标的变化状况的[95]. 这种研究思路能够较好地应对人机共享过程中部分信息丢失、意外突发的问题，优化机器人控制策略，使其与操作者的控制策略相互配合，也能够弥补操作者感官信息的不足，对提高系统的灵巧度、准确度，具有较大的研究意义.

4. 结　语

现阶段机器人自主控制并不适应大多数遥操作应用场景，而共享控制正好可以解决遥操作机器人面临一系列挑战，能够较好地应对复杂、动态环境下的高难度工作任务. 针对遥操作共享控制策略和临场感技术，介绍两者的概念和关系，以及在遥操作领域中所具备的优势和所扮演的角色；基于遥操作临场感技术对共享控制策略进行综合分析，从3个方面归纳共享控制策略的研究方向. 回顾当前共享控制策略存在的局限性，并提出进一步研究的未来展望.

本研究仅归纳了共享控制策略的研究现状，实际上还有其他人机共享的相关研究并没有考虑在内，如智能化机器人和人机交互性. 然而，为了应对更加复杂的、多变的、苛刻的作业要求，人机共享既依赖于人机交互设备的发展，也要求在机器人智能化领域的深入研究，这两者在加深共享程度方面有着较大的研究意义. 可以预见，人机共享控制的研究将会迎来飞跃发展.

参考文献

SHERIDANT B. Tele-robotics, automation, and human supervisory control [M]. Massachusetts: the MIT Press, 1992.

[本文引用: 1]

SHEN J, IBANEZ-GUZMAN J, NG T C, et al. A collaborative-shared control system with safe obstacle avoidance capability [C]// IEEE Conference on Robotics. Singapore: IEEE, 2004: 119-123.

[本文引用: 1]

GAO M, OBERLANDER J, SCHAMM T, et al. Contextual task-aware shared autonomy for assistive mobile robot teleoperation [C]// IEEE/RSJ International Conference on Intelligent Robots and Systems. Chicago: IEEE, 2014: 3311-3318.

[本文引用: 1]

YU N, WANG K, LIU J. Dexterous haptic interaction for functional rehabilitation and assessment of the upper limb [C]// IEEE International Conference on Robotics and Biomimetics. Bali: IEEE, 2015: 1351-1355.

[本文引用: 1]

HIRCHE S, BUSS M

Human-oriented control for haptic teleoperation

[J]. Proceedings of the IEEE, 2012, 100 (3): 623- 647

DOI:10.1109/JPROC.2011.2175150      [本文引用: 1]

GOERTZ R C, THOMPSON W M

Electronically controlled manipulator

[J]. Nucleonics, 1954, 12 (11): 401- 462

URL     [本文引用: 1]

RAIMONDI T. Remote handling in the joint european torus (JET) fusion experiment [C]// Proceedings of 24th Conference on Remote Systems Technology. Washington: IEEE, 1976: 188-195.

[本文引用: 1]

李海超. 焊接遥操作机器人系统及人机协作控制策略的研究[D]. 哈尔滨: 哈尔滨工业大学, 2006.

[本文引用: 1]

LI Hai-chao. Research on welding teleoperation robot system and man-machine cooperative control strategy [D]. Harbin: Harbin Institute of Technology, 2006.

[本文引用: 1]

CHUNG G B, KIM S, LEE S G, et al

An image-guided robotic surgery system for spinal fusion

[J]. International Journal of Control Automation and Systems, 2006, 4 (1): 30- 41

URL     [本文引用: 1]

YOERGER D, SLOTINE J J. Supervisory control architecture for underwater teleoperation [C]// IEEE International Conference on Robotics and Automation. Raleigh: IEEE, 1987: 2068-2073.

[本文引用: 1]

WENG C Y, YUAN Q, SUAREZ-RUIZ F, et al

A Telemanipulation-based human-robot collaboration method to teach aerospace masking skills

[J]. IEEE Transactions on Industrial Informatics, 2020, 16 (5): 3076- 3084

DOI:10.1109/TII.2019.2906063      [本文引用: 1]

XIAO J, WANG P, LU H, et al

A three-dimensional mapping and virtual reality-based human: robot interaction for collaborative space exploration

[J]. International Journal of Advanced Robotic Systems, 2020, 17 (3): 172988142092529

URL     [本文引用: 1]

KABER D B, RILEY J M, ZHOU R, et al

Effects of visual interface design, and control mode and latency on performance, telepresence and workload in a teleoperation task

[J]. Human Factors and Ergonomics Society Annual Meeting Proceedings, 2000, 44 (5): 503- 506

DOI:10.1177/154193120004400505      [本文引用: 1]

KIM W S, HANNAFORD B

Force-reflection and shared compliant control in operating telemanipulators with time delay

[J]. IEEE Transactions on Robotics and Automation, 1992, 8 (2): 176- 185

DOI:10.1109/70.134272      [本文引用: 1]

熊鹏文, 林虹, 宋爱国, 等

基于随机森林回归的手臂末端力的软测量方法

[J]. 仪器仪表学报, 2017, 38 (10): 2400- 2406

DOI:10.3969/j.issn.0254-3087.2017.10.006      [本文引用: 1]

XIONG Peng-wen, LIN Hong, SONG Ai-guo, et al

Soft measurement method of end-of-arm force based on random forest regression

[J]. Chinese Journal of Scientific Instrument, 2017, 38 (10): 2400- 2406

DOI:10.3969/j.issn.0254-3087.2017.10.006      [本文引用: 1]

SINGH H, SINGH J

Human eye tracking and related issues: a review

[J]. International Journal of Scientific and Research Publications, 2012, 2 (9): 1- 9

YU N, WANG K, LI Y, et al. A haptic shared control algorithm for flexible human assistance to semi-autonomous robots [C]// IEEE/RSJ International Conference on Intelligent Robots and Systems. Hamburg: IEEE, 2015: 5241-5246.

[本文引用: 1]

EZEH C, TRAUTMAN P, HOLLOWAY C, et al. Comparing shared control approaches for alternative interfaces: awheelchair simulator experiment [C] //IEEE International Conference on Systems, Man, and Cybernetics (SMC). Banff: IEEE, 2017: 93-98.

[本文引用: 1]

MILLIKEN L, HOLLINGER G A. Modeling user expertise for choosing levels of shared autonomy [C]// 2017 IEEE International Conference on Robotics and Automation (ICRA). Singapore: IEEE, 2017: 2285-2291.

[本文引用: 1]

戴廷飞, 刘邈, 叶阳阳, 等

人机共享控制机器人系统的应用与发展

[J]. 仪器仪表学报, 2019, 40 (3): 62- 73

URL     [本文引用: 1]

DAI Ting-fei, LIU Miao, YE Yang-yang, et al

Application and development of man-machine shared control robot system

[J]. Chinese Journal of Scientific Instrument, 2019, 40 (3): 62- 73

URL     [本文引用: 1]

YAMADA H, MUTO T

Development of a hydraulic tele-operated construction robot using virtual reality (new master-slave control method and an evaluation of a visual feedback system)

[J]. International Journal of Fluid Power, 2003, 4 (2): 35- 42

DOI:10.1080/14399776.2003.10781164      [本文引用: 1]

HOKAYEM P F, SPONG M W

Bilateral teleoperation: an historical survey

[J]. Automatica, 2006, 42 (12): 2035- 2057

DOI:10.1016/j.automatica.2006.06.027      [本文引用: 1]

宋爱国

力觉临场感遥操作机器人(1): 技术发展与现状

[J]. 南京信息工程大学学报: 自然科学版, 2013, 5 (1): 1- 19

URL     [本文引用: 1]

SONG Ai-guo

Telepresence robot (1): technology development and status quo

[J]. Journal of Nanjing University of Information Science and Technology: Natural Science Edition, 2013, 5 (1): 1- 19

URL     [本文引用: 1]

宋爱国, 柯欣, 潘礼正

力觉临场感遥操作机器人(2): 操作者的输入输出特性建模

[J]. 南京信息工程大学学报, 2013, 5 (2): 97- 105

DOI:10.3969/j.issn.1674-7070.2013.02.001     

SONG Ai-guo, KE Xin, PAN Li-zheng

Force-sensing telepresence robot (2): modeling of operator input/output characteristics

[J]. Journal of Nanjing University of Information Science and Technology, 2013, 5 (2): 97- 105

DOI:10.3969/j.issn.1674-7070.2013.02.001     

宋爱国, 马俊青

力觉临场感遥操作机器人(3): 环境的动力学描述

[J]. 南京信息工程大学学报, 2014, (2): 113- 120

DOI:10.3969/j.issn.1674-7070.2014.02.002     

SONG Ai-guo, MA Jun-qing

Force telepresence robot (3): dynamic description of environment

[J]. Journal of Nanjing University of Information Science and Technology, 2014, (2): 113- 120

DOI:10.3969/j.issn.1674-7070.2014.02.002     

宋爱国, 倪得晶

力觉临场感遥操作机器人(4): 系统的操作性能评价

[J]. 南京信息工程大学学报: 自然科学版, 2014, (3): 211- 220

DOI:10.3969/j.issn.1674-7070.2014.03.002      [本文引用: 1]

SONG Ai-guo, NI De-jing

Teleoperation robot with force telepresence (4): evaluation of system operation performance

[J]. Journal of Nanjing University of Information Science and Technology: Natural Science Edition, 2014, (3): 211- 220

DOI:10.3969/j.issn.1674-7070.2014.03.002      [本文引用: 1]

李杨. 带力觉反馈的主从式遥操作系统研究[D]. 哈尔滨: 哈尔滨工业大学, 2019.

[本文引用: 1]

LI Yang. Research on master-slave teleoperating system with force feedback [D]. Harbin: Harbin Institute of Technology, 2019.

[本文引用: 1]

YAMADA H, SUGIMOTO H, MUTO T, et al. Construction tele-robotic system with virtual reality cg presentation of virtual robot and task object using stereo vision system [C]// JFPS International Symposium on Fluid Power. Gifu: The Japan Fluid Power System Society, 2002(5), 831-836.

[本文引用: 1]

SUN F, ZHANG W, CHEN J, et al

Fused fuzzy petri nets: a shared control method for brain–computer interface systems

[J]. IEEE Transactions on Cognitive and Developmental Systems, 2019, 11 (2): 188- 199

DOI:10.1109/TCDS.2018.2818173      [本文引用: 1]

PREUSCHE C, HIRZINGER G

Haptics in tele-robotics: current and future research and applications

[J]. The Visual Computer, 2007, 23 (4): 273- 284

DOI:10.1007/s00371-007-0101-3      [本文引用: 1]

CHOPRA N, SPONG M W, LOZANO R

Synchronization of bilateral teleoperators with time delay

[J]. Automatica, 2008, 44 (8): 2142- 2148

DOI:10.1016/j.automatica.2007.12.002      [本文引用: 1]

TANWANI A K, CALINON S. A generative model for intention recognition and manipulation assistance in teleoperation [C]// IEEE/RSJ International Conference on Intelligent Robots and Systems. Vancouver: IEEE, 2017: 43-50.

[本文引用: 1]

LIANG J, YU G, GUO L L. Human-robot collaborative semi-autonomous teleoperation with force feedback [C]// 5th International Conference on Soft Computing and Machine Intelligence. Nairobi: IEEE, 2018:129-134.

[本文引用: 1]

王泓澈, 侯敬巍

遥操作机器人虚拟现实系统研究

[J]. 机电信息, 2016, (24): 28- 29

DOI:10.3969/j.issn.1671-0797.2016.24.017      [本文引用: 1]

WANG Hong-che, HOU Jing-wei

Research on virtual reality system of teleoperated robot

[J]. Mechanical and Electrical Information, 2016, (24): 28- 29

DOI:10.3969/j.issn.1671-0797.2016.24.017      [本文引用: 1]

应旻. 基于力反馈预测的遥操作双边控制技术研究[D]. 北京: 北京邮电大学, 2014.

[本文引用: 1]

YING Min. Research on teleoperation bilateral control technology based on force feedback prediction [D]. Beijing: Beijing University of Posts and Telecommunications, 2014.

[本文引用: 1]

张建军, 吴中华, 刘群坡, 等

主从机械手遥操作双边自适应阻抗控制策略

[J]. 上海交通大学学报, 2020, 54 (6): 615- 623

URL     [本文引用: 1]

ZHANG Jian-jun, WU Zhong-hua, LIU Qun-po, et al

A two-sided adaptive impedance control strategy for master and slave manipulator teleoperation

[J]. Journal of Shanghai Jiaotong University, 2020, 54 (6): 615- 623

URL     [本文引用: 1]

李铁军, 董跃巍, 杨冬

协作机器人遥操作运动学映射与导纳控制策略研究

[J]. 机械设计与制造, 2020, (3): 258- 260

DOI:10.3969/j.issn.1001-3997.2020.03.062      [本文引用: 1]

LI Tie-jun, DONG Yue-wei, YANG Dong

Kinematic mapping and admittance control strategy for collaborative robot teleoperation

[J]. Machinery Design and Manufacture, 2020, (3): 258- 260

DOI:10.3969/j.issn.1001-3997.2020.03.062      [本文引用: 1]

KUAN C P, YOUNG K Y

VR-based teleoperation for robot compliance control

[J]. Journal of Intelligent and Robotic Systems, 2001, 30 (4): 377- 398

DOI:10.1023/A:1011136822422      [本文引用: 1]

SHERMAN W R, CRAIG A B

Understanding virtual reality

[J]. Journal of Documentation, 2003, 59 (4): 483- 486

DOI:10.1108/00220410310485776      [本文引用: 1]

张韬. 基于虚拟夹具的力反馈遥操作技术研究[D]. 北京: 北京邮电大学, 2014.

[本文引用: 1]

ZHANG Tao. Research on force feedback teleoperation technology based on virtual fixture [D]. Beijing: Beijing University of Posts and Telecommunications, 2014.

[本文引用: 1]

BOWYER S A, DAVIES B L, RODRIGUEZ Y B

Active constraints/virtual fixtures: a survey

[J]. IEEE Transactions on Robotics, 2014, 30 (1): 138- 157

DOI:10.1109/TRO.2013.2283410      [本文引用: 1]

BETTINI A, MARAYONG P, LANG S, et al

Vision-assisted control for manipulation using virtual fixtures

[J]. IEEE Transactions on Robotics, 2004, 20 (6): 953- 966

DOI:10.1109/TRO.2004.829483      [本文引用: 1]

PRADA R, PAYANDEH S

On study of design and implementation of virtual fixtures

[J]. Virtual Reality, 2009, 13 (2): 117- 129

DOI:10.1007/s10055-009-0115-4      [本文引用: 1]

KOSARI S N, LENDVAY T S, HANNAFORD B, et al

Forbidden region virtual fixtures from streaming point clouds

[J]. Advanced Robotics, 2014, 28 (22): 1507- 1518

DOI:10.1080/01691864.2014.962613      [本文引用: 1]

ROSENBERG L B. Virtual fifixtures: perceptual tools for telerobotic manipulation [C]// IEEE Virtual Reality Conference. Piscataway, New York: IEEE, 1993: 76-82.

[本文引用: 1]

李骁鹏. 有力觉引导的虚拟现实辅助遥操作机器人系统研究[D]. 长春: 吉林大学, 2014.

[本文引用: 1]

LI Xiao-peng. Research on virtual reality assisted teleoperation robot system guided by strong sense [D]. Changchun: Jilin University, 2014.

[本文引用: 1]

SHERIDAN T B

Space teleoperation through time delay: review and prognosis

[J]. IEEE Transactions on Robotics and Automation, 1993, 9 (5): 592- 606

DOI:10.1109/70.258052      [本文引用: 2]

李华忠, 杨维萍, 柳长安

基于虚拟现实的空间机器人共享控制系统及其仿真

[J]. 宇航学报, 2000, 21 (3): 100- 105

DOI:10.3321/j.issn:1000-1328.2000.03.017      [本文引用: 1]

LI Hua-zhong, YANG Wei-ping, LIU Chang-an

Space robot shared control system based on virtual reality and its simulation

[J]. Journal of Astronautics, 2000, 21 (3): 100- 105

DOI:10.3321/j.issn:1000-1328.2000.03.017      [本文引用: 1]

SIROUSPOUR S

Modeling and control of cooperative teleoperation systems

[J]. IEEE Transactions on Robotics, 2005, 21 (6): 1220- 1225

DOI:10.1109/TRO.2005.852254      [本文引用: 1]

尤波, 李东洁, 邱江艳. 多控制方式适时切换遥机器人控制系统 [C]// 全国高等学校制造自动化研究会第十三届学术年会. 哈尔滨: [s.l.], 2008.

[本文引用: 1]

YOU Bo, LI Dong-jie, QIU Jiang-yan. Multi-control mode timely switching remote robot control system [C]// The 13th Annual Conference of Manufacturing Automation Research Society of National Universities. Harbin: [s.l.], 2008.

[本文引用: 1]

LI H, LIANG Y, HE T, et al. Real-time shared control of space robot teleoperation without time delay [C]// Control and Decision Conference. Taiyuan: IEEE, 2012.

[本文引用: 1]

孙华, 吴林, 李海超

基于共享控制的遥控焊接机器人系统

[J]. 机器人, 2003, 25 (Suppl. 1): 677- 679

[本文引用: 1]

SUN Hua, WU Lin, LI Hai-chao

Remote control welding robot system based on shared control

[J]. Robot, 2003, 25 (Suppl. 1): 677- 679

[本文引用: 1]

高胜, 赵杰

基于人机合作的遥操作机器人系统控制模型

[J]. 哈尔滨工业大学学报, 2006, (3): 447- 451

DOI:10.3321/j.issn:0367-6234.2006.03.033      [本文引用: 1]

GAO Sheng, ZHAO Jie

Control model of teleoperation robot system based on man-machine cooperation

[J]. Journal of Harbin Institute of Technology, 2006, (3): 447- 451

DOI:10.3321/j.issn:0367-6234.2006.03.033      [本文引用: 1]

王兴华, 田宇

一种基于行为的自主/遥控水下机器人共享控制方法

[J]. 舰船科学技术, 2020, 42 (1): 95- 100

DOI:10.3404/j.issn.1672-7649.2020.01.019      [本文引用: 1]

WANG Xing-hua, TIAN Yu

A behavior-based shared control method for autonomous/remote-controlled underwater robots

[J]. Ship Science and Technology, 2020, 42 (1): 95- 100

DOI:10.3404/j.issn.1672-7649.2020.01.019      [本文引用: 1]

ZHU Y, YANG C, WEI Q, et al

Human-robot shared control for humanoid manipulator trajectory planning

[J]. Industrial Robot: the International Journal of Robotics Research and Application, 2020, 47 (3): 395- 407

DOI:10.1108/IR-10-2019-0217      [本文引用: 1]

LAURETTI C, CORDELLA F, TAMANTINI C, et al

A surgeon-robot shared control for ergonomic pedicle screw fixation

[J]. IEEE Robotics and Automation Letters, 2020, 5 (2): 2554- 2561

DOI:10.1109/LRA.2020.2972892      [本文引用: 1]

CHEN J, BI S, XI N. A shared control scheme for teleoperation of hot line work robots [C]// 2018 IEEE International Conference on Robotics and Biomimetics (ROBIO). Kuala Lumpur: IEEE, 2018.

[本文引用: 1]

JIANG S Y, LIN C Y, HUANG K T, et al

Shared control design of a walking-assistant robot

[J]. IEEE Transactions on Control Systems Technology, 2017, 25 (6): 2143- 2150

DOI:10.1109/TCST.2016.2638879      [本文引用: 1]

SHIN H, JUNG S H, CHOI Y R, et al

Development of a shared remote-control robot for aerial work in NPPs

[J]. Nuclear Engineering and Technology, 2018, 50 (4): 613- 618

DOI:10.1016/j.net.2018.03.006      [本文引用: 1]

FRACCZAK L, SZANIEWSKI M, PODSEDKOWSKI L

Share control of surgery robot master manipulator guiding tool along the standard path

[J]. International Journal of Medical Robotics and Computer Assisted Surgery, 2019, 15 (3): 1- 10

URL     [本文引用: 1]

尤波, 陈翰南, 李佳钰, 等

一种基于变权重的六足机器人共享遥操作控制

[J]. 仪器仪表学报, 2019, 40 (8): 239- 250

URL     [本文引用: 1]

YOU Bo, CHEN Han-nan, LI Jia-yu, et al

A shared teleoperation control of hexapod robot based on variable weight

[J]. Chinese Journal of Scientific Instrument, 2019, 40 (8): 239- 250

URL     [本文引用: 1]

刘爽, 朱国栋

基于操作者表现的机器人遥操作方法

[J]. 机器人, 2018, 40 (4): 150- 160

URL     [本文引用: 1]

LIU Shuang, ZHU Guo-dong

Robot teleoperation based on operator performance

[J]. Robot, 2018, 40 (4): 150- 160

URL     [本文引用: 1]

李滋堤, 孙富春, 刘华平, 等

基于人工势场的空间遥操作共享控制

[J]. 清华大学学报: 自然科学版, 2010, 50 (10): 1728- 1732

URL     [本文引用: 1]

LI Zi-ti, SUN Fu-chun, LIU Hua-ping, et al

Space remote operation shared control based on artificial potential field

[J]. Journal of Tsinghua University: Science and Technology, 2010, 50 (10): 1728- 1732

URL     [本文引用: 1]

孙雷, 王孙安, 张进华, 等

移动服务机器人共享控制研究

[J]. 陕西科技大学学报: 自然科学版, 2015, 33 (1): 169- 174

URL     [本文引用: 1]

SUN Lei, WANG Sun-an, ZHANG Jin-hua, et al

Research on shared control of mobile service robots

[J]. Journal of Shaanxi University of Science and Technology, 2015, 33 (1): 169- 174

URL     [本文引用: 1]

于宁波, 李思宜, 赵营泉, 等

基于共享控制的人机灵巧力触觉交互系统设计与实现

[J]. 仪器仪表学报, 2017, 38 (3): 602- 611

DOI:10.3969/j.issn.0254-3087.2017.03.012      [本文引用: 1]

YU Ning-bo, LI Si-yi, ZHAO Ying-quan, et al

Design and implementation of human-computer dexterity force tactile interaction system based on shared control

[J]. Chinese Journal of Scientific Instrument, 2017, 38 (3): 602- 611

DOI:10.3969/j.issn.0254-3087.2017.03.012      [本文引用: 1]

李奕彤. 智能助行机器人的实时避障与共享控制研究[D]. 武汉: 华中科技大学, 2016.

[本文引用: 1]

LI Yi-tong. Research on real-time obstacle avoidance and shared control of intelligent walking robot [D]. Wuhan: Huazhong University of Science and Technology, 2016.

[本文引用: 1]

于振中. 移动操作机器人及其共享控制的力反馈遥操作研究[D]. 哈尔滨: 哈尔滨工业大学, 2010.

[本文引用: 1]

YU Zhen-zhong. Research on force feedback teleoperation of mobile manipulator and its shared control [D]. Harbin: Harbin Institute of Technology, 2010.

[本文引用: 1]

SHEN J, IBANEZ-GUZMAN J, NG T C, et al. A collaborative-shared control system with safe obstacle avoidance capability [C]// IEEE Conference on Robotics. Singapore: IEEE, 2004: 119-123.

[本文引用: 1]

YU N, WANG K, LI Y, et al. A haptic shared control approach to teleoperation of mobile robots [C]// IEEE International Conference on Cyber Technology in Automation. Shenyang: IEEE, 2015: 31-35.

[本文引用: 1]

NUDEHI S S, MUKHERJEE R, GHODOUSSI M

A shared-control approach to haptic interface design for minimally invasive telesurgical training

[J]. IEEE Transactions on Control Systems Technology, 2005, 13 (4): 588- 592

DOI:10.1109/TCST.2004.843131      [本文引用: 1]

CARLSON T, LEEB R, CHAVARRIAGA R, et al. Online modulation of the level of assistance in shared control systems [C]// IEEE International Conference on Systems. Seoul: IEEE, 2012: 3339-3344.

[本文引用: 1]

DONGLI W, HUAPING L, FUCHUN S, et al. Shared control teleoperation for targets acquisition [C]// Control and Decision Conference. Taiyuan: IEEE, 2012: 3649-3654.

[本文引用: 1]

梁科, 王树新, 李建民, 等

基于虚拟夹具的微创外科手术机器人运动约束研究

[J]. 天津大学学报, 2020, 53 (4): 331- 340

URL     [本文引用: 1]

LIANG Ke, WANG Shu-xin, LI Jian-min, et al

Research on motion constraint of minimally invasive surgical robot based on virtual fixture

[J]. Journal of Tianjin University, 2020, 53 (4): 331- 340

URL     [本文引用: 1]

GOODRICH K H, SCHUTTE P C, FLEMISCH F O, et al. Application of the H-mode, a design and interaction concept for highly automated vehicles, to aircraft [C]// 2006 IEEE/AIAA 25th Digital Avionics Systems Conference. Portsmouth: IEEE, 2007: 1018-1031.

[本文引用: 1]

STEELE M, GILLESPIE R B

Shared control between human and machine: using a haptic steering wheel to aid in land vehicle guidance

[J]. Human Factors and Ergonomics Society Annual Meeting Proceedings, 2001, 45 (23): 1671- 1675

DOI:10.1177/154193120104502323      [本文引用: 1]

O'MALLEY M K, GUPTA A, GEN M, et al

Shared control in haptic systems for performance enhancement and training

[J]. Journal of Dynamic Systems Measurement and Control, 2006, 128 (1): 75- 85

DOI:10.1115/1.2168160      [本文引用: 1]

ABI-FARRAJ F, PACCHIEROTTI C, ARENZ O, et al

A haptic shared-control architecture for guided multi-target robotic grasping

[J]. IEEE Transactions on Haptics, 2019, 13 (2): 270- 285

URL     [本文引用: 1]

SELVAGGIO M, AMIR M G E, MOCCIA R, et al. Haptic-guided shared control for needle grasping optimization in minimally invasive robotic surgery [C]// 2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). Macau: IEEE, 2019: 3617-3623.

[本文引用: 1]

MARIO S, FIRAS A F, CLAUDIO P, et al

Haptic-based shared-control methods for a dual-arm system

[J]. IEEE Robotics and Automation Letters, 2018, 4 (3): 4249- 4256

URL     [本文引用: 1]

SHAFIQUL I, PETER X, ABDULMOTALEB E S, et al

Artificial and virtual impedance interaction force reflection based bilateral shared control for miniature unmanned aerial vehicle

[J]. IEEE Transactions on Industrial Electronics, 2019, 66 (1): 329- 337

DOI:10.1109/TIE.2018.2793178      [本文引用: 1]

KOBAYASHI Y, MOREIRA P, LIU C, et al

Haptic feedback control in medical robots through fractional viscoelastic tissue model

[J]. Haptic Feedback Cont, 2011, (4): 6704- 6708

URL     [本文引用: 1]

唐宇存, 张建法, 武帅, 等

基于虚拟夹具的手术机器人导纳控制安全策略

[J]. 机器人, 2019, 41 (6): 842- 848

URL     [本文引用: 1]

TANG Yu-cun, ZHANG Jian-fa, WU Shuai, et al

Safety strategy for admittance control of surgical robot based on virtual fixture

[J]. Robot, 2019, 41 (6): 842- 848

URL     [本文引用: 1]

PRUKS V, LEE K H, RYU J H. Shared teleoperation for nuclear plant robotics using interactive virtual guidance generation and shared autonomy approaches [C]// 15th International Conference on Ubiquitous Robots (UR). ‏ Honolulu: IEEE, 2018: 91-95.

[本文引用: 1]

XIONG L, CHNG C B, CHUI C K, et al

Shared control of a medical robot with haptic guidance

[J]. International Journal of Computer Assisted Radiology and Surgery, 2017, 12 (1): 137- 147

DOI:10.1007/s11548-016-1425-0      [本文引用: 1]

TAO C, YAN Q, LI Y

Hierarchical shared control of cane-type walking-aid robot

[J]. Journal of Healthcare Engineering, 2017, (1): 1- 11

URL     [本文引用: 1]

SUN L, CHEN H, CHEN Y Q. A shared control architecture based on electrooculogram signal and global vision for smart assistive robots [C]// IEEE International Conference on Unmanned Systems. Beijing: IEEE, 2017: 146-149.

[本文引用: 1]

李海超, 高洪明, 吴林, 等

基于共享控制策略的遥控弧焊机器人焊缝跟踪

[J]. 焊接学报, 2006, 27 (4): 5- 8

DOI:10.3321/j.issn:0253-360X.2006.04.002      [本文引用: 1]

LI Hai-chao, GAO Hong-ming, WU Lin, et al

Welding seam tracking of remote arc welding robot based on shared control strategy

[J]. Transactions of the China Welding Institution, 2006, 27 (4): 5- 8

DOI:10.3321/j.issn:0253-360X.2006.04.002      [本文引用: 1]

LUO J, LIN Z, LI Y, et al

A teleoperation framework for mobile robots based on shared control

[J]. IEEE Robotics and Automation Letters, 2019, 5 (2): 377- 384

URL     [本文引用: 1]

倪得晶, 宋爱国, 李会军

基于虚拟现实的机器人遥操作关键技术研究

[J]. 仪器仪表学报, 2017, 38 (10): 2351- 2363

DOI:10.3969/j.issn.0254-3087.2017.10.001      [本文引用: 1]

NI De-jing, SONG Ai-guo, LI Hui-jun

Research on key technologies of robot teleoperation based on virtual reality

[J]. Chinese Journal of Scientific Instrument, 2017, 38 (10): 2351- 2363

DOI:10.3969/j.issn.0254-3087.2017.10.001      [本文引用: 1]

BELAIDI H, HENTOUT A, BENTARZI H

Human-robot shared control for path generation and execution

[J]. International Journal of Social Robotics, 2019, 4 (11): 609- 620

DOI:10.1007/s12369-019-00520-3      [本文引用: 1]

AMIRSHIRZAD N, KUMRU A, OZTOP E

Human adaptation to human-robot shared control

[J]. IEEE Transactions on Human-Machine Systems, 2019, 49 (2): 126- 136

DOI:10.1109/THMS.2018.2884719      [本文引用: 1]

D'INTINO G, ARENELLA A, OLIVARI M, et al. Experimental evaluation of a 2-DoF haptic shared control system based on pilot intent estimation [C]// 2018 IEEE International Conference on Systems, Man, and Cybernetics (SMC). Miyazaki: IEEE, 2019: 3225-3230.

[本文引用: 1]

EL-HUSSIENY H, ASSAL S F M, ABOUELSOUD A A, et al. A novel intention prediction strategy for a shared control tele-manipulation system in unknown environments [C]// IEEE International Conference on Mechatronics. Nagoya: IEEE, 2015.

[本文引用: 1]

LI Y, TEE K P, YAN R, et al

Reinforcement learning for human-robot shared control

[J]. Assembly Automation, 2019, 40 (1): 105- 117

DOI:10.1108/AA-10-2018-0153      [本文引用: 1]

XI B, WANG S, YE X, et al

A robotic shared control teleoperation method based on learning from demonstrations

[J]. International Journal of Advanced Robotic Systems, 2019, 16 (4): 172988141985742

DOI:10.1177/1729881419857428      [本文引用: 1]

/

〈 〉