AIRS 共19篇论文入选 ICRA 2021，精彩论文解读在此

ICRA（International Conference on Robotics and Automation）是机器人领域最顶级的国际会议，每年都会吸引大批全球顶尖的机器人学者参加。

据了解，今年 ICRA 有效投稿为4005篇（含 ICRA 2021和RA-L wth ICRA 2021），共有1946篇论文被接受，接受率为48.0%。其中 AIRS 入选19篇，涵盖机器人运动控制、多模态感知、多机器人协同、多自由度动力学控制等方向。以下为部分 ICRA 2021 入选论文解读。

机器人运动控制

1. 利用非对称翼对波驱 USV 的推进力增强

Thrust Enhancement of Wave-driven Unmanned Surface Vehicle by Using Asymmetric Foil

波驱 USV（WUSV）指单纯地利用波浪能量在海面上航行的无人勘测设备。在 WUSV 中，震荡翼是常用的且直接的一种波浪能吸收和转换技术，如 Wave Glider 和 Autonaut 等。然而 WUSV 相较于其他能源驱动的 USV，虽然在航行寿命上有绝对优势，但是航速却要慢上不少。本工作提供了一种利用非对称截面形状和非对称震荡机制来提升震荡翼在工作期间所产生的前向推进力。并且提供了一种利用计算流体动力学（CFD）仿真来优化非对称参数的方法。基于该方法找到的一组较优的非对称参数组建样机并进行实验验证，结果表明在相当宽泛的海洋波浪条件中，该非对称翼可以至少增强13.75%的推进力。

本文第一作者为香港中文大学（深圳）二年级硕士研究生高岩，目前他的研究方向集中在海洋机器人。本文通讯作者林天麟教授为 AIRS 智能机器人研究中心主任、香港中文大学（深圳）助理教授，他也是 IEEE 高级会员。林教授的研究方向包括多机器人系统，新型移动机器人及人机协作。

2. 无人帆船的碰撞风险评估与避让控制

Collision Risk Assessment and Obstacle Avoidance Control for Autonomous Sailing Robots

对于长航程海上航行任务，及时有效的避碰是自主帆船的关键。但作为一种动力有限，同时受到空气动力和水动力环境干扰的海洋机器人，其避障具有极大的挑战性。因此，迫切需要一种具有应急推进系统的碰撞风险预警方法。实时进行碰撞风险预警，防止发生危险。目前帆船碰撞风险评估方法有限，如基于势场的方法和确定形状的安全圈方法。在帆船碰撞风险评估中，其大小不能被忽视。同时，仅用多层安全圈进行海上碰撞危险预警是不够的。

在本研究中，我们提出了一套帆船碰撞风险评估与避让控制的方案。该方案包括：(1) 帆船安全区域（Sailboat safety zone, SSZ），其中同时考虑了帆船 OceanVoy 的内在特征和环境因素。(2) 基于 SSZ 的避让策略。我们使用横向和轴向推进系统提供应急推进。基于 SSZ 和推进系统提出了一种舵、帆、推进器协调避碰算法。

本文第一作者为香港中文大学（深圳）二年级博士研究生祁卫敏，目前她的研究方向包括无人帆船的避让控制与导航。本文通讯作者钱辉环教授为AIRS 副院长、香港中文大学（深圳）助理教授。他的研究方向包括机器人与智能系统，近期主要围绕海洋机器人、微纳机器人、智能艺术系统开展。

多模态感知

1. 基于磁传感器列阵与图神经网络的模块化自由重构机器人构型感知

Graph Convolutional Network based Configuration Detection for Freeform Modular Robot Using Magnetic Sensor Array

本文提出了一个基于图卷积神经网络的多目标磁定位系统，该系统可在复杂铁磁环境中准确进行多目标磁定位，可用于模块化自由重构机器人（FreeBOT）的接触式构型感知。

如下图 (b) 所示，一个模块化自由重构机器人可同时被多个机器人通过磁铁连接，所提出的构型感知系统可以通过检测空间磁场分布准确地定位不定数量的磁铁，进而感知模块化自由重构机器人系统构型。通过给模块化自由重构机器人装配24个磁传感器，机器人可以监测由磁铁和铁球壳产生的磁场。磁传感器被放置于离铁球壳较近的位置，以减小铁球壳带来的磁滞干扰。铁球壳表面可连接区域被划分成了84个均匀区域，如下图 (c) 所示基于图卷积网络的算法可预测其附近连接点所在区域，而后经过区域融合得到最终定位结果。该算法只需单个连接点的训练数据便可学习在铁球壳干扰下的磁铁磁场分布，并定位所有连接点的所在区域。同时，该算法可以40赫兹运行于该模块化自由重构机器人嵌入式处理器上。

本文第一作者为香港中文大学（深圳）一年级博士研究生涂宇啸，目前他的研究方向包括模块化自重构机器人和现场机器人。本文通讯作者林天麟教授为 AIRS 智能机器人研究中心主任、香港中文大学（深圳）助理教授，他也是 IEEE 高级会员。林教授的研究方向包括多机器人系统，新型移动机器人及人机协作。

2. 通过基于注意力机制的 SSD 网络实现远距离手势识别

Long-Range Hand Gesture Recognition via Attention-based SSD Network

手势识别在人机交互领域起着重要的作用。以往的研究大多只研究短距离（1-2m）的手势识别，无法与无人机等移动机器人进行长距离、安全距离的交互。因此，本文研究了远程手势识别问题。提出了一种新的基于注意力机制的SSD网络结构进行远距离手势识别。通过该模型，我们将识别距离从1米扩展到7米。此外，本文还提出了一种新的基于 USB 摄像头的手势识别数据集，在2米到7米的不同距离采集手势数据，构建了一个远距离的手势识别数据集。利用 USB 摄像头采集的远程手势数据集进行实验，结果表明，该方法在 SSD 网络上对短（1-2米）和长（5-7米）手势识别都达到了最先进的性能。收集长距离手势（LRHG）数据集，进行对比实验。实验结果表明，我们提出的基于注意力机制的手势识别方法比现有的手势识别方法具有更大的优势，在保持算法性能的前提下，能够识别实时的7米远的手势识别。

同时，我们用提出的算法开发一个可以训练手语的游戏，可以帮助手语初学者通过玩吃苹果手语打字游戏进行巩固手语的学习。

本文第一作者为香港中文大学（深圳）四年级博士研究生周立广，目前他的研究方向包括人机交互和场景理解，其导师为徐扬生院士及林天麟教授。本文通讯作者林天麟教授为 AIRS 智能机器人研究中心主任、香港中文大学（深圳）助理教授，他也是 IEEE 高级会员。林教授的研究方向包括多机器人系统，新型移动机器人及人机协作。

多机器人协同

1. Task-Space Decomposed Motion Planning Framework for Multi-Robot Loco-Manipulation

This paper introduces a novel task-space decomposed motion planning framework for multi-robot simultaneous locomotion and manipulation. When several manipulators hold an object, closed-chain kinematic constraints are formed, and it will make the motion planning problems challenging by inducing lower-dimensional singularities. Unfortunately, the constrained manifold will be even more complicated when the manipulators are equipped with mobile bases. We address the problem by introducing a dual-resolution motion planning framework which utilizes a convex task region decomposition method, with each resolution tuned to efficient computation for their respective roles. Concretely, this dual-resolution approach enables a global planner to explore the low-dimensional decomposed task-space regions toward the goal, then a local planner computes a path in high-dimensional constrained configuration space. We demonstrate the proposed method in several simulations, where the robot team transports the object toward the goal in the obstacle-rich environments.

The first author of this paper is Xiaoyu Zhang, who is currently a research assistant at AIRS and he is a member of “Multi-Agent Collaborative Manipulation” of the international joint research project between AIRS and UoE. His research interest is robot motion planning and control.

The corresponding author of this paper is Lei Yan, who is currently a postdoc at UoE in UK and he is the strand leader of “Multi-Agent Collaborative Manipulation” of the international joint research project between AIRS and UoE. His research interests include impact-aware manipulation and decentralized planing and control for multi-robot system.

（上下滑动查看中文介绍）

本文第一作者张啸宇，目前为 AIRS 的研究助理。他是 AIRS 与英国爱丁堡大学的国际联合研究项目“移动协作机器人：解决现实世界的挑战”中“多机器人协同操作”分支的组员之一。研究方向为机器人运动规划与控制。

本文通讯作者为英国爱丁堡大学的博士后研究员闫磊。他是 AIRS 与英国爱丁堡大学的国际联合研究项目“移动协作机器人：解决现实世界的挑战”中“多机器人协同操作”分支的小组长，目前他的研究领域为碰撞感知操作以及分布式多机器人规划与控制。

2. 障碍环境下模块化机器人的高效并行自组装规划算法

An Efficient Parallel Self-assembly Planning Algorithm for Modular Robots in Environments with Obstacles

模块化机器人可通过该自组装技术在开放的障碍物环境中实现远超单个机器人能力的复杂任务，例如快速搭桥、协同搬运等。高效的规划算法可以帮助多机器人快速组装到一起，且避免相互阻碍、碰撞或者误组装。目前的规划算法主要分为了串行组装和并行组装两种思路，其中随着参与的机器人数量增多，并行组装方法将体现出比串行方法高得多的效率，能够大大节省时间。然而，我们注意到目前最新的并行方法并不适用于常见的有障碍物阻挡的环境。对此，本文主要提出了一种高效的并行组装方法，可适用于障碍物环境中。

本研究提出了一种考虑周围障碍物的模块化机器人并行装配规划算法。通过该算法，机器人之间的对接动作能够避开不可移动的障碍物，从而使机器人的并行自组装能够适应复杂的环境。该算法分为四个阶段：(i) 组装树的生成；(ii) 目标结构的扩展；(iii) 机器人的任务调度；(iv) 机器人向目标移动的分布式控制。其中，主要创新点包括：(1) 通过一个虚拟的目标形状扩展方法，本规划算法可探索并适应环境中的障碍物，从而避免了自组装过程中机器人之间的碰撞与误接触；(2) 在目标形状扩展中提出了成对扩展的方法，显著提高了后续的自组装成功率。为了验证该算法的有效性和通用性，我们在一个25个不同的网格地图中实现了该算法。仿真结果表明，与现有的并行自组装规划算法相比，该算法具有更高的成功率（80%以上）。最后，通过在多物流机器人（AGVs）系统上的自组装实验，验证了该算法的可行性。本算法通过随机探索机器人所处的环境，赋予了机器人编队对障碍物环境的高适应性，为自组装算法在实际场景中的应用提供了一种切实可行的途径。

本文的第一作者为香港中文大学（深圳）理工学院三年级博士生张连鑫，其主要研究方向为多机器人自主对接技术及全向无人船系统。本文通讯作者钱辉环教授为AIRS 副院长、香港中文大学（深圳）助理教授。他的研究方向包括机器人与智能系统，近期主要围绕海洋机器人、微纳机器人、智能艺术系统开展。

多自由度动力学控制

1. 集成多种平衡策略的多功能步行

Versatile Locomotion by Integrating Ankle, Hip, Stepping, and Height Variation Strategies

Stable walking in real-world environments is a challenging task for humanoid robots, especially when considering the dynamic disturbances, e.g., caused by external perturbations that may be encountered during locomotion. In this paper, we propose an enhanced Nonlinear Model Predictive Control (NMPC) approach for robust and adaptable walking – we term it versatile locomotion, by limiting both the Center of Pressure (CoP) and Divergent Component of Motion (DCM) movements. Due to utilization of the Nonlinear Inverted Pendulum plus Flywheel model, the robot is endowed with the capabilities of CoP manipulation (if equipped with finite sized feet), step location adjustment, upper body rotation, and vertical height variation. Considering the feasibility constraints, especially the usage of relaxed CoP constraints, the NMPC scheme is established as a Quadratically Constrained Quadratic Programming problem, which is solved efficiently by Sequential Quadratic Programming with enhanced solvability. Simulation experiments demonstrate the effectiveness of our method to recruit optimal hybrid strategies in order to realize versatile locomotion, for the robot with finite-sized or point feet.

The first author of this paper is Jiatao Ding, who is currently an assistant research scientist at AIRS and he is the member of “Multi-contact motion planning” of the international joint research project between AIRS and UoE. His research interest is locomotion planning and control for humanoid robots.

The external supervisor is Professor Sethu Vijayakumar. Professor Vijayakumar is Professor of Robotics at the University of Edinburgh. He directs one of our International Collaboration Joint Project titled [Mobile Collaborative Robots: Addressing Real World Challenges] between the University of Edinburgh and AIRS. His research interest spans a broad interdisciplinary curriculum involving basic research in the fields of robotics, statistical machine learning, motor control, planning and optimization in autonomous systems and computational neuroscience.

（上下滑动查看中文介绍）

本文第一作者为 AIRS 的助理研究员丁加涛。他是 AIRS 与英国爱丁堡大学的国际联合研究项目“移动协作机器人：解决现实世界的挑战”中“多接触运动规划”分支的成员, 目前他的研究领域为人形机器人步态规划与控制。

本文的英方合作导师为 Sethu Vijayakumar 教授,他是爱丁堡大学信息学院终身教授。Sethu Vijayakumar 教授是我院国际合作项目的项目负责人之一，他的研究领域涉及机器人、统计机器学习、运动控制、自主系统规划和优化以及计算神经科学等。

2. 一种新型的、本质安全的用于 COVID-19 口咽拭子采样的刚柔耦合机械臂的设计与实现

Design and Implementation of a Novel, Intrinsically Safe Rigid-Flexible Coupling Manipulator for COVID-19 Oropharyngeal Swab Sampling

COVID-19 大流行导致了口咽拭子采样检测的需求激增，但是医务人员在采样过程中很容易被病毒感染。为了解决这个问题，我们开发了一种新颖的、本质上安全的刚柔耦合机械臂，以提高口咽拭子采样检测 COVID-19 的安全性和可靠性。本文首先研究了用于口咽拭子采样任务的合适采样区域和必要接触力，并设计了可由机器人系统执行的三个典型采样路径。然后是开展本质安全的仿生微气动执行器（刚柔耦合机械臂的关键组件）的详细设计和制造。随后开展刚柔耦合机械臂的运动学建模、运动规划和力感知控制设计。最后在口腔模型和志愿者（10人）上对刚柔耦合机械臂系统性能进行了检验验证，并开展了机器人采集和人工采集的采样质量对比实验。实验结果表明，机器人采样的有效性达到100%。

本质安全的刚柔耦合机械臂设计

基于口腔模型和志愿者开展性能验证

本文第一作者为 AIRS 研究助理章恒、王启文和池楚亮，目前章恒的研究方向包括软体机器人和医疗机器人，王启文和池楚亮的研究方向包括机器人系统的设计与控制。本文通讯作者陈勇全博士为 AIRS 无人系统研究中心主任，同时也是香港中文大学（深圳）机器人与智能制造研究院研究员。陈博士的研究方向包括机器人系统设计与控制、多智能体协同感知与控制、智能网联交通。

* 特别鸣谢论文作者提供相关图文内容

（RA-L with ICRA 2021入选论文解读将于下期推文发布，请持续关注本公众号）

相关阅读：