作者：Anton Bredenbeck, Cosimo Della Santina, Salua Hamaza
单位：代尔夫特理工大学航空航天工程学院控制与运筹学系的仿生智能实验室，荷兰代尔夫特理工大学机械工程学院的认知机器人系
论文标题：Embodying Compliant Touch on Drones for Aerial Tactile Navigation
发表信息：IEEE ROBOTICS AND AUTOMATION LETTERS, VOL.10, NO.2, FEBRUARY 2025
论文链接：https://ieeexplore.ieee.org/abstract/document/10806756
代码链接：https://github.com/BioMorphic-Intelligence-Lab/tactile-drone
主要贡献
提出了将柔顺性和三维接触力感知集成到单一物理解决方案中的方法，基于机器人手指的平行和正交旋转关节的位移来实现。
引入了基于接触的航点生成方案，利用推断出的力的大小和方向，使无人机能够在没有关于环境形状、几何结构或车辆相对姿态的先验知识的情况下，安全地接触并跟随未知环境。
研究背景
- 飞行机器人的优势与局限：
飞行机器人（Micro Aerial Vehicles, MAVs）在户外环境中表现出色，依赖于全球导航卫星系统（GNSS）和视觉进行可靠的姿态估计。
然而，在低光照或GNSS信号弱的环境中，视觉导航变得不可靠。尽管事件相机在低光照条件下显示出潜力，但其在真实世界条件下的有效性和鲁棒性尚未完全验证。
- 触觉导航的启示：
在自然界中，许多动物依赖触觉导航来感知周围环境，通过接触来估计物体的位置和自身相对于这些物体的位置，从而安全地导航。
这种触觉导航（Tactile Navigation, TN）在地面移动机器人和传统机械臂中已有应用，但在飞行机器人中的应用还较少。
- 空中操作的现状：
现有的空中操作机器人（Aerial Manipulators, AMs）主要利用末端执行器与环境进行物理交互，但这些研究大多假设已知环境的位置和形状，主要目标是在特定接触点施加期望的力，而没有利用接触力来推断环境信息以实现导航。
研究方法
设计灵感
从人类手指的运动范围和对触觉反馈的敏感性中汲取灵感，设计了一种类似人类手指的腱驱动、多关节交互工具，用于顺应性触觉导航。
通过将这种机器手指与MAV集成，利用其机械顺应性与环境安全接触，并将手指的物理变形解释为三维空间中力的大小和方向的指标。
机器手指设计
结构组成：机器手指由四个刚性连杆通过旋转关节连接而成，其中基座关节包含两个正交的旋转关节，用于侧向和前向运动。手指通过一根被动张紧的腱驱动，并且每个旋转关节都配有扭转弹簧，提供关节刚度，模仿人类手指中韧带的行为。
假设条件：在接触过程中，假设基座移动缓慢，手指与基座之间的动态耦合可以忽略不计，即系统处于准静态条件，摩擦效应也可忽略。
建模：基于欧拉-拉格朗日形式主义，建立了机器手指的动力学模型，考虑了惯性、科里奥利力、阻尼、重力、驱动和末端执行器上的外力等因素对手指行为的影响。同时，推导了末端执行器雅可比矩阵，用于描述手指的运动学关系。
末端执行器的笛卡尔刚度：虽然每个关节的刚度是恒定的，但末端执行器的笛卡尔刚度取决于手指的配置。通过调整腱的张力，可以改变手指的配置，从而获得不同的末端执行器刚度特性，以适应不同的交互任务需求。
系统识别与集成
通过将机器手指置于平衡位置，利用重力进行最小二乘法最小化，识别关节刚度参数和腱的名义张力。
关节编码器测量手指的关节角度，并将数据传输到机载计算机（树莓派4B）进行处理，软件使用ROS 2进行不同子模块之间的通信。
航点生成与控制
航点生成流程：假设已知墙体相对于车辆的大致方向，向墙体移动；安全且顺应性地与墙体建立接触；根据触觉反馈，将车辆姿态与估计的表面法线对齐；沿局部表面法线的正交方向移动；重复上述步骤，直到到达表面的末端。
力估计：基于机器手指的动力学方程，利用关节角度测量值和施加在腱上的张力，通过最小二乘法估计接触力。为了准确估计局部表面法线和当前线性顺应性压缩的比例，优先估计接触力的y分量与x分量的比值，而不是精确估计MAV的交互力。
参考位置生成：在建立接触后，根据接触力向量和世界z轴的法线方向更新末端执行器的参考位置，并沿机体y轴调整参考位置，以保持AM与墙体的正确距离。同时，根据接触力的大小，通过两点控制器调整沿y轴的移动距离，以避免机体与环境发生碰撞。
姿态参考生成：为了使机体y轴与接触力向量反向对齐，规划器根据测量到的角度逐步计算新的期望偏航角。只有当力的大小超过最小力阈值的两倍时，才会更新偏航角。
控制：规划器将参考位置和偏航角提供给低级位置控制器，该控制器以50 Hz的频率运行在PX4飞行计算机上。飞行计算机根据运动捕捉系统提供的位置反馈信息，发出电机控制命令，以实现期望的俯仰角、滚转角和偏航角，引导AM到达目标位置。
实验
实验设置
在实验中，AM从原点起飞，悬停后，规划器命令末端执行器向墙体方向移动。当无人机接近目标时，通过建立接触并根据测量到的接触力生成新的参考位置。
在AM越过墙体后，操作员手动命令其在当前位置降落。实验在不同墙体倾斜角度和形状下重复进行，以评估系统的性能。
实验结果
水平墙体：在与初始行进方向正交的墙体实验中，系统在接触后沿墙体产生侧向参考点。尽管有时估计的接触力与墙体不垂直，导致规划器生成的参考点超出墙体范围，但系统能够通过前进重新建立接触，并在七次试验中实现了平均法向误差为0.023米、方位角跟踪精度为14度的跟踪效果。
倾斜远离墙体：当墙体倾斜远离初始行进方向时，无人机需要在建立接触后沿墙体前进以避免失去接触。在五次和三次试验中，系统分别实现了平均法向跟踪误差为0.022米和0.019米、方位角跟踪精度为19度的跟踪效果。
倾斜靠近墙体：当墙体倾斜靠近初始行进方向时，无人机需要在沿墙体滑动时后退以避免碰撞。在六次和七次试验中，系统分别实现了平均法向跟踪误差为0.036米和0.096米、方位角跟踪精度为13度和6.9度的跟踪效果。
三维墙体：在更接近真实环境的三维墙体实验中，系统在接触后开始生成新的参考点。在倾斜靠近墙体的段落中，力超过了最大力阈值，系统后退。在七次试验中，系统的平均跟踪误差为11厘米，方位角跟踪精度为12度。
叠加高度命令：为了评估导航方法的多功能性，在跟随直墙的同时叠加了非干扰性的高度任务。在五次重复试验中，系统在每五秒交替一次的高低高度设定点之间切换，同时保持与直墙情况相似的墙面跟踪精度（0.03米和19度）。
结论与未来工作
- 结论：
本文提出通过从顺应性的人类手指推断触觉反馈，指导四旋翼无人机在未知轮廓上自主导航。
与现有的使用昂贵的力/力矩传感器的方法相比，该方法通过从物理关节变形中推断力的大小和方向来精确引导无人机跨越未知轮廓。
在36次飞行实验中，系统实现了厘米级精度，能够处理超过20度的环境角度偏移，并且在较低的角度偏移下表现最佳。
该方法证明了能够在具有不同方向的墙体上导航，并同时执行高度任务，为在GNSS和视觉受限场景中使用触觉感知进行无人机导航铺平了道路。
- 未来工作：
未来的工作将集中在改进机器手指的设计，使用更硬的扭转弹簧，预张紧基座弹簧，并选择摩擦更小的轴，以减少摩擦和粘滞对姿态参考的影响。
此外，还可以进一步优化力估计算法，提高在不同环境条件下的精度和鲁棒性。
