在現代工廠中，工人和機器人是兩大主要勞動力。出于安全考慮，這兩者通常被限制在金屬籠中的機器人分離開來，而這無疑限制了生產力，以及生產線的靈活性。近年來，人們開始將注意力的焦點投向移除籠子的方向上，從而使得人類和機器人可以協力構建一個人機共存的工廠。制造商有意向將人的靈活性和機器人的生產力結合起來從而打造一個柔性生產線（flexible production lines）。工業聯合機器人所具有潛力是巨大且廣泛的，例如，它們可能被放置在柔性生產線上的人機協作隊伍中，其中，機器人手臂和人類工作人員協同處理工件，自動導引運輸車（automated guided vehicles ，AGV）與人類工作人員協同合作，以保證工廠物流。在未來的工廠中，預計會有越來越多的人機交互行為發生。與在結構化和確定性環境中工作的傳統機器人不同的是，協作型機器人需要在高度非結構化和隨機環境中運行。而根本問題在于如何確保協作型機器人在動態不確定的環境中能夠高效安全地運行。在這篇文章中，我們將對機械系統控制（MSC）實驗室（http://msc.berkeley.edu/）開發的機器人安全交互系統進行介紹。
 
現有解決方案
 
　　針對這一問題，包括Kuka、Fanuc、Nachi、Yaskawa、Adept和ABB在內的機器人制造商正在努力為之提供有效的解決方案。現如今，已經發布了若干個安全的協作機器人或聯合機器人，如日本FANUC的Collaborative Robots CR系列、丹麥Universal Robots的UR5、美國Rethink Robotics的Baxter、日本Kawada的NextAge和德國Pi4_RoboticsGmbH的WorkerBot等。然而，這些產品中的大多數都比較注重本質安全性，即在機械設計、致動性和低水平運動控制方面的安全性。而在與人類的接觸中的安全性，即作為智能的關鍵所在（包括感知、認知和高水平運動規劃和控制），仍然有待探索。
 
技術挑戰
 
　　從技術上來說，設計協作型工業機器人的行為是非常具有挑戰性的。為了使協作型工業機器人更具有人類友好性，它們應該具備以下能力：收集環境數據并解釋這些數據，適應不同的任務和不同的環境，并根據工人的需求量身定做。例如，在下圖所示的人機協同組裝過程中，機器人應該能夠預測，一旦工作人員將兩個工件放在一起，他將需要工具來固定組件。那么機器人接下來要做的就應該時拿到工具并將其交給工作人員，同時避免在此過程中與工作人員碰撞。

　　想要達到這樣的行為，面臨的挑戰在于兩個方面：(1)人類行為的復雜性(2)在不以效率為代價的情況下保證實時安全的難度。人類運動的隨機特性給系統帶來了巨大的不確定性，使其難以保證安全性和效率。
 
　　機器人安全交互系統與實時非凸優化（Non-convex Optimization）
 
　　機器人安全交互系統（RSIS）是在機械系統控制實驗室開發的，它建立了一種方法來設計機器人的行為，進而保障點對點人機交互的安全和效率。
 
　　由于機器人需要同長期獲得交互行為的人進行交互，因此機器人可以很自然地模擬人類行為。人類的互動行為可能是由于思考或條件反射所致。例如，如果前方發生追尾，后方車輛的司機可能會本能地踩剎車。然而，經過一瞬間的思考，司機可能會加速切入另一條車道，進而避免發生連鎖追尾。第一種是短期的安全反應行為，第二種需要計算當前的情況，例如，是否有足夠的空間來實現車輛的完全停止，是否有足夠的空位來更換車道，以及所更換的車道是否安全。
 
　　我們已經引入了一種模擬這些行為的并行規劃和控制體系結構，包括長期和短期動作規劃器。長期規劃器（效率控制器）強調效率，解決了采樣率低的長期最優控制問題。短期規劃器（安全控制器）基于效率控制器規劃的軌跡，通過解決高采樣率的短期最優控制問題，進一步解決實時安全問題。這種并行架構也解決了不確定因素，長期規劃器根據他人最有可能做出的行為進行規劃，短期規劃器在短期內考慮他人可能做出的近乎所有行為，以確保安全。

機器人安全交互系統中的并行規劃和控制體系結構
 
　　然而，集群環境下的機器人動作規劃具有高度的非線性和非凸性，因此問題難以被實時解決。為了確保能對環境變化作出及時響應，我們開發了用于實時計算的快速算法，例如，用于長期優化的凸可行集算法（the convex feasible set algorithm，CFS）和用于短期優化的安全集算法（SSA）。這些算法通過對原始非凸問題進行凸化來實現更快的計算，其中，我們假定這些原始非凸問題具有凸目標函數，但受非凸約束。凸可行集算法（CFS）迭代求解可行域凸子集約束下的一系列子問題。解序列將會收斂到一個局部最優。它比一般的非凸優化求解器，如序列二次規劃（sequential quadratic programming，SQP）和內點算法（ITP），迭代次數更少，運行速度更快。另一方面，安全集算法（SSA）使用不變集的思想將非凸狀態空間約束轉化為凸控制空間約束。

在CFS算法中的凸化案例
 
利用并行規劃器和優化算法，機器人可以安全地與環境進行交互，并有效地完成任務。

實時動作規劃與控制
 
邁向通用智能：安全高效的機器人協作系統（SERoCS）
 
　　我們現在在機械系統控制實驗室中研究RSIS的高級版本,這是一個安全高效的機器人協作系統（SERoCS），它得到了國家科學基金會（NSF）＃1734109的支持。除了安全的人機交互（HRI）動作規劃和控制算法外，SERoCS還包括用于環境監測的強大認知算法，以及用于人機安全協作的最佳任務規劃算法。SERoCS將顯著提升聯合機器人的技能，并在操作過程中減少或避免人-機、機-機碰撞事故的發生，從而使未來的和諧的人機協作成為可能。