在工业领域，传统机械臂的使用已经有六十多年，它们主要依靠快速、精准的位置控制来完成运行“固定轨迹”就可以实现的任务;九十年代起，行业内兴起了对力控技术的研究，学术的成果在之后逐步转化为如今市场上的协作机器人、自适应机器人等。
那么，力控机器人是如何一步步发展至今?现在市场中最优秀的力控机器人究竟能做到什么程度?未来的力控机器人又将朝什么方向发展、怎样造福于产业和社会?
在2020非夕百台自适应机器人投产下线之际，非夕邀请了学术和行业圈的大咖们共同对上述问题进行了阐述和探讨。相信借由他们的经验和见解，我们能一窥力控机器人领域的过去、现在与未来。
演讲主题：柔顺力控机器人的演进与应用
Oussama Khatib
机器人力控领域技术的核心奠基人，世界机器人研究基金会(IFRR)主席、斯坦福大学智能机器人实验室主任
(以下内容截取自Oussama Khatib教授的分享演讲，图片出自其演示材料，部分内容有信息补充)
为什么需要柔顺力控机器人?
当今时代，很多机器人技术的应用都不仅仅局限于工业场景，我们在斯坦福的工作就聚焦于许多机器人会与人和外部环境有交互的场景，包括医疗健康、生活及工作辅助、农业及可持续营养、环境保护、远程应对危险和任务等等。因此，未来的机器人对经济、生产、文化、社会的影响巨大，但它们不只局限于通信和移动，而更多地与现实的交互相关。
过往在工业领域，由于设置了结构化的环境，我们可以依靠预设编程、使机器人重复工作来完成工作任务。然而，到了非结构化的环境中，线下轨迹编程就难以发挥作用了;此时的需求是，如何将机器人编程提升到抽象化的程度，使其具备拟人的技巧，从而可以在未知的、非结构化的环境中工作。而这样的机器人，就是柔顺力控机器人。
柔顺力控机器人的历史简述
斯坦福实验室从90年代中期起，就以人的动作为原型给机器人建模，由此发现柔顺机器人是未来研究的关键;1990-95年，我们发明了第一台柔顺机器人ARTISAN;2000年，我们与德国航空航天中心DLR合作，其研发并生产出第一台柔顺机器人整机LWR(the light-weight robot)(到2003年，DLR推出了LWRⅢ);2004年，KUKA得到DLR的授权，推出了首个商用力控机器人产品(2008年，KUKA推出LB4;2013年，推出KUKA iiwa); 两年前(2018年)，Franka Emika带来了自己的柔顺机器人(Panda);2019年，Flexiv非夕发布世界首台自适应机器人(Rizon 4)，成为力控机器人领域内拥有最先进技术之一、能使机器人安全地与人和环境交互、操作、高效生产的公司。
如今，力控机器人的技术可达性已经实现，但就我们观察，人们多数仍然在使用传统的轨迹控制，这就如同使用非常古旧的方式在给电脑编程。现在，我们需要高水平的抽象编程方式使得机器人拥有类人的技能、可以产生自主的行为，来应对复杂的工作任务和环境。
如何更好地应用力控机器人?
首先，我们需要理解人的技能和行为策略。比如当人在移动物体时，我们可以从这个行为演示中获取其结构，再将结构进行细分从而理解其中的动作和力的使用，之后将这种策略编码输入机器人系统中，并让机器人来执行这种策略。人类的行为策略丰富而强大，其中包括但不限于柔顺力控、触觉感知、双手作业等等。
其次，我们也要理解与机器人交互的人本身。在斯坦福，我们在15年间持续地对人的肌肉和骨骼进行建模，使用这些模型来复现和理解人的动作，并将其可视化。在与人的交互中，大部分时候都会涉及到直接的物理接触，因此安全尤为重要，而保证安全的最重要的一个基础就是柔顺性。
另一个机器人与人可以协同工作的情景是触觉交互。对于那些危险的地方，人们可以不用亲自去，而是通过触觉来将技巧、直觉、经验应用在机器人上以完成工作任务。举个例子，户外电缆修理是非常危险的工作，而在机器人具备感知和力控的基础上，我们可以通过触觉装置操控机器人来完成对电缆的操作;那么ICU和大众医疗呢?我们可以放置一台机器人助手在ICU内，它能完成简单的任务，将病患相关的信息传输给医生，而医生可以完全远程，一边和其他专家讨论、一边通过触觉装置来和病人互动。
以上这些都要求通过一个控制端来与现实世界交互，这个控制端连接着机器人的感知、视觉、触觉、行动，同时又具备类人的技能;从感知的特征中抽象出的技巧将进一步对产生的交互进行分析和理解，周而复始，形成闭环。这个多层级的机器人控制架构就是我们将感知与行动、人与机器人连接起来的方式，它能够使得机器人实现功能自主性、成功走向户外和更复杂的环境。
Ocean One & Ocean Oneⓚ
OceanOne就是机器人在更开放环境中工作的例子。我们使用Ocean One这样一个机器人去到地中海下100多米的深处，在法国国王路易十四的沉船上探索搜寻，而人们在水上远程监控和操控它。现在，我们继续在做能使这个机器人下潜到1千米深度的项目，我们叫它Ocean Oneⓚ，这其中的技术概念同样是构建机器人的自主性、并通过触觉互动连接人与机器人，做到这些，就一定需要柔顺性和力觉控制。
圆桌论坛 · 学术圈
张小飞：非常高兴在珠三角的制造重镇佛山参加这样一次别开生面的高峰论坛。我想请四位来解读一下，目前从研究领域来看，力控机器人是怎样的一个现在和未来?
卢策吾：我就从人工智能角度讲。人工智能和力觉其实是一个紧耦合的关系，力控是对智能模块的一个底层的(东西)。力觉的基础信号有非常强的迁移能力，会开启视觉、力觉整个闭环的联合学习，使得人工智能在新的维度上有非常稳固的根基。
柳宁：从40代机器人出现开始，第一代是运动控制机器人，靠位置传感器来工作，这个产业已经做的不错;第二代就是所谓的力觉控制机器人，就是通过力控来保证(机器人)精确的感知和决策。接下来我觉得位置和力觉还要进一步地融合，不仅要有力，还要有位置，再下面一代就是卢教授他们搞的，信息技术、人工智能和机器人结合。我们可以看到，从运动控制机器人、到力控机器人、到智能机器人，这是一个清晰的技术发展路线。
张小飞：因为我们也用力传感器，柳教授您觉得为什么我们非夕的力控和平常的不太一样?
柳宁：非常关键的一个区别，就是力感知和力控制的精度。我们知道力非常复杂，它是一个六维量，而非夕机器人轻轻一拖就可以跑起来，表现非常好。传感器技术的突破恐怕是力控机器人最核心的问题，我是这样理解。
张小飞：熊蓉教授，从研究成果，主要是力控方面，到机器人的实际应用这个跨度有多大?
熊蓉：力控实际上是机器人领域一直研究的一个主题，到2012年Rethink研发了第一代人机友好协作的产品，但是这类产品我们更多看到的是展示性的、供学校研究使用，比较难用到工业中，因为精度实际上还是不够的。现在非夕力控的精度我觉得已经非常高，运动非常流畅，这样的力控精度已经能打开很大的一些新应用的市场了。
张小飞：任会长，从你的角度来看，这样代际差比较大的产品跟传统的机器人相比，在产业落地应用方面会有什么特别之处?
任玉桐：首先机器人未来发展的方向应该是三化——小型化、轻型化、柔性化，我看到非夕正在这个方向上去做;而以后我们在机器人的生产制造方面，最高的目标就是(达成)人机协作，人机协作就起码要安全，力控做得好，安全性就能有保障，从这点来说，它适用的应用也是非常广泛的。
张小飞：说到力控机器人的应用，从现在到未来，在你们脑海里能想到的是哪些领域可以有最突出的应用?
卢策吾：其实我们讲力控、智能，力控有点像人的小脑，智能有点像人的大脑，而随着机器人智能程度的提高，它们会赋能到各个行业。我们需要看的是什么样的行业更加的开放、不确定。第一个可能是工业，往下走，是比如本地生活、医用;最后我们希望是能进入家用，最难的其实是照顾老人和小孩，它需要检测人体的关节。顺便说一下，非夕的人体识别和论文引用率(在CVPR、ICCV上面)都是世界第一的。
柳宁：场景的话，首先是在制造领域。比如说在编织行业，成果要求松紧适度，但是没有一个数值定义了多少是松紧适度，这个时候就需要灵活智能。第二就是在医疗、按摩领域;还有就是我们说家庭，在家庭中很重要就是安全。所以我觉得应用场景会非常广泛。
熊蓉：我说几个具体的我接触到的。一个是工业领域的抛光打磨，像一些汽车领域的配件高端打磨还是要靠人工的，也就是人工的力控精度能够把握得更好，非夕现在这个精度就可以来完成这个领域的高端打磨;第二个就是在医疗领域，比如说微创手术、B超等方面，对机器人和人的接触要求很高;第三就是一些软性物体的操作，现在也是研究的热点，同时像护理、像疫情期间咽拭子的采集。
圆桌论坛 · 产业圈
张小飞：刚才大家也谈及了很多的应用，那我们来看一下各位所处的行业中，力控机器人如何有更充分的应用和贡献，包括现在有哪些难点呢?
孙志强：机器人产业发展从之前的自动化到信息化到现在的柔性化，对能够保证应用过程中的安全、柔性，以及在可适应的环境中进行人机之间协作的产品的需求越来越多。举个例子，丰田对许多解决方案的要求就是在短小精美的环境里面达成最高的效率，我今天看到非夕的产品信息化结构、动态柔性结构，我认为在短小精美的产业肯定用得到，像3C：通信电子、消费电子、信息电子，和3品：化妆品、药品、食品。
张小飞：沈岗博士以前领导发那科的技术部门，能不能把发那科的协作机器人和非夕的机器人做一个比较?
沈岗：发那科的那款协作机器人是当时我们走了一个捷径，将力觉传感器装到机械臂的底部来实现前端和部分手臂的力控，所以发那科协作机器人每个轴都是没有力矩控制的。我认为这种方式和轴末端使用力觉、力矩传感器的方式，整体来说各有优缺点。
张小飞：那朱总，力控技术在你们的四足机器人里到底发挥什么样的作用?
朱秋国：其实(非夕)和我们可能有共通的想法，就是要让机器人适应更复杂的环境，非夕做的是跟人之间的这种非结构化环境下的一种交互，机械狗的话就是走向室外，这中间的关键点就是力控。我们的四足机器人交互的反馈用时大概是一个毫秒。另外我觉得非夕做的很好的地方在于，它真的从核心部件做到整机，再完成上层的整个层级的控制，再融入人工智能。从控制角度来说，力控本身就带有智能的意味在里面，同时再加入人工智能，那我觉得它真的是一个非常智能化的产品。
张小飞：那接下来请世全谈一下，自适应机器人跟传统的机器人，你觉得在技术上和功能上最大的差异是什么?差异大到什么样的程度?
王世全：其实我们一直觉得我们在做一个互补性的技术。我们是非常致敬四大家族的，现有的传统的机器人在速度、精度、准确度等方面都无可比拟，我们目前则偏向接触类的工作比较多，比如精密装配、抛光打磨这一类的。我们在力控方面非常专注，一方面我们极力地提高力控的精度和稳定性，这需要很长时间的迭代，所以我们的研发周期从2016到现在持续了四年;另一方面，我们一直以来没有太强调的是，非夕使用力控的逻辑。与传统的轨迹或偏阻抗式或是精确轨迹+柔性末端的方式不同，我们从内核规划的层面用的就是力觉规划，这个让我们机器人工作的形态、逻辑(与其他工业机器人)有非常本质的区别。
所以我举制造业中的两个细节例子：第一个是抛光打磨中工艺性的提升，传统的抛光打磨需要对外壳做精确的建模、高刚度的机械臂、昂贵的视觉模块、而且末端要单独加上浮动的打磨头及加六维传感器，整体设备成本非常高。那我们的逻辑是，自适应机器人对这种不确定性直接就容忍了，直接模拟人在抛光过程中的手感，然后专注在工艺上去做突破;第二个例子是柔性化方面的提升，现在的3C行业有很多自动化程度非常高的方案，但因为它们是非标定制的生产线，换型时就需要用额外的工装治具、二次定位摄像头让新的生产线可以精准工作。而我们可以通过自适应机器人对误差的容忍度和智能可迁移性，节省掉换型换线时很多人力和设备的成本，因此我们方案的整体性价比包括柔性程度都有它独特的优势。
（转载）
