随着社会老龄化加剧，如何让机器人更好地服务老年人群体成为一个亟待解决的问题。据资料显示，全球约有4亿人因下肢无力而行走不便，为切实帮助这一群体，华中科技大学团队开发了一款智能跟随机器人。该机器人最大的亮点在于能够精准把握使用者意图，提供持续稳定的辅助，对干扰下出现的信息中断问题具有较强的包容性。这归功于团队自主研发的基于集员滤波的人体行走意图估计算法，以及一种基于预设性能的人体跟随控制算法。通过这两大核心技术的创新应用，该机器人在助老助残领域展现出潜力，有望帮助提高老年人和行动不便者的生活质量。

该研究最近以“Prescribed Performance Control of a Human-Following Surveillance Robot with Incomplete Observation”为题发表在在中国科技期刊卓越行动计划高起点新刊CYBORG AND BIONIC SYSTEMS上。

▍精准识别行走意图

华中科大团队开发的机器人面向下肢肌力下降的早期患者。这些患者通常还能独立行走，但需要监测以防止因潜在跌倒而导致病情恶化。必要时，该机器人还可以充当拐杖，为使用者提供支撑。

当前，已有一些下肢康复机器人能够辅助下肢肌力轻度减退的人行走，如麻省理工学院团队研发的智能拐杖机器人系统SmartCane，以及以色列学者肖瓦尔、希姆等人设计的两轮拐杖机器人RoJi。然而，现有的智能拐杖机器人在实际应用中仍面临着一些关键技术难题亟待攻克。

比如当机器人通过人机交互界面获取人的行走数据时，数据信息可能会因为各种原因暂时中断，如信号干扰导致数据传输阻断、激光测距仪扫描腿部数据时两腿交叉遮挡了激光、视觉传感器捕捉关节动作时光线变化或关节检测算法不稳定等。这些都会影响机器人对人行走意图理解的连续性和准确性。

其次，设计有效的机器人运动控制策略至关重要。只有这样，才能保证机器人与使用者紧密跟随,可以及时提供支持，同时又不会在行走过程中造成妨碍。此外，还需要想办法解决传感器检测范围有限可能导致机器人跟丢目标的问题。

针对上述难题，华中科大团队设计了一种利用具有不完全观测的集员滤波识别人行走意图的算法。即便行走信号暂时消失，该算法仍能准确识别人的行走意图，避免信号中断带来的不良影响。此外，他们还提出了一种结合规定性能的跟随控制方法。该方法利用性能包络函数的收敛特性，有效控制受控系统的暂态和稳态性能。这使得机器人能够始终保持在预设的约束范围内，在连续检测用户状态的同时，为其提供安全舒适的服务。

▍外型酷似吸尘器，融合滤波算法与控制策略

华中科大研发的这款智能跟随机器人外观酷似一台吸尘器，头上插着一根拐杖，配备有激光测距仪、工业PC和全方位移动底座。移动底座由3个装有直流电机的全向轮组成。激光测距仪扫描角度范围为±120°，最大扫描距离5600mm，用于收集人腿运动数据。

机器人跟随人时主要执行两项任务：1.应用集员滤波方法，结合观测数据，在可能出现信号缺失的情况下估计人的行走意图；2.执行预定性能控制功能。首先，通过激光测距仪测量人体姿态，再结合测量数据和意图估计算法，推断行走意图，最后实施预定性能控制，利用估计的用户意图，以安全舒适的方式跟随用户。

▍高精度运动捕捉确保人机协同稳定可靠

为验证机器人跟随性能，研究团队使用了OptiTrack平台进行实验。OptiTrack是一款高精度视觉运动捕捉系统，配备智能摄像头、处理器板和内置的高精度标记处理算法。凭借极高的检测精度，OptiTrack获取的运动数据极其接近真实情况，非常适合作为评估和验证人体行走意图估计的参考系统。实验所用OptiTrack系统包括8个高分辨率(1280×1024)低延迟(8.3ms)摄像头，识别帧率达120Hz，3D平均误差仅为0.75mm。

实验结果表明，无论是直线行走还是转弯，机器人对人体姿态的估计都十分准确。尽管行走过程中由于腿部交叉遮挡，激光测距仪扫描数据会出现周期性缺失，但经过滤波处理后的估计数据基本消除了这一影响，有助于持续、可靠地推断行走意图。将估计结果与OptiTrack获取的真实数据进行对比，误差较小，证实了估计算法的准确性。

从实验数据来看，机器人的运动轨迹与预设范围高度吻合，能够稳定地保持在目标位置。尽管实验初期机器人与人的相对位置存在偏差，但随着实验的进行，这种偏差很快消失，机器人能走到正确位置。

不过，机器人运动在某些时刻略显不流畅，尤其是实验开始阶段。这是由于机器人需要同时完成两个任务：一是与人保持特定距离，二是确保自身始终正对人的方向。为给使用者提供便利，机器人需要一直保持在人的前方。然而，当人突然改变行进方向时，机器人必须及时调整自身位置和朝向以适应这一变化，导致运动轨迹出现一定程度的不稳定和颠簸。

▍鲁棒算法破解数据缺失难题，机器人提供应用新思路

这项研究中，激光测距仪在人腿交叉时无法获取完整的腿部数据，导致运动信息出现周期性缺失。然而，研究团队所提出的意图估计算法具有鲁棒性，即便在观测数据不完整的情况下也能有效地解决问题，充分体现了该算法在处理不完整观测时的优势。这种数据缺失问题在其他研究中也屡见不鲜，例如利用视觉传感器捕捉人体深度和彩色图像，并结合关节检测算法来推断人的关节位置，进而估计行走意图。但由于深度信息缺失或关节检测算法不稳定等原因，数据丢失的情况时有发生。华中科大团队研发的这套算法为解决类似挑战提供了新的思路和参考。

在机器人跟随控制方面，该研究采用了一种基于预设性能的方法，使机器人在接近使用者时既能保持亲近，又能确保安全。实验结果证实，这一方法确实能够使机器人在跟随过程中始终与使用者保持合适的相对位置和朝向，很好地满足了用户需求。除了适用于跟随和监护下肢肌力减退人群的康复场景，这项研究对人类跟随机器人在各种协作和辅助场景中的部署具有重要的参考价值，例如旨在提高工业工人作业效率和安全性的协作机器人等。

除康复领域外，这款智能跟随机器人还在物流仓储、家庭服务、旅游休闲等多个行业具有广阔的应用前景。例如，机器人可以跟随仓库工人完成货物盘点和搬运任务，为家庭用户提供贴心的生活辅助，或者在旅游景点为游客提供向导和讲解服务。总的来说，这项研究所取得的进展不仅有助于推动康复机器人技术的实际应用，也为智能跟随机器人在更广泛场合的实际部署提供了新的参考。