工业机器人协作与安全

可视化演示

展示协作机器人与传统机器人对比、ISO/TS 15066四种安全协作模式及逆运动学路径规划核心机制。切换模式查看不同环节。

协作机器人概述

以前的工厂舞池里，传统工业机器人是“铁笼里的独舞者”：力量惊人、轨迹固定，却对人毫不理会，谁靠近都得隔着围栏。而协作机器人就像一位“会聆听的舞伴”——它能感知人的位置、感受接触的力度，在被触碰时主动退让。舞池从“一人独舞”变成了“双人共舞”。

协作机器人（cobot）诞生于 1996 年的一项研究，核心理念是“人可以安全地待在机器旁边”而不是“人必须离机器远远的”。它并不追求更快的速度，而是追求“可控的力”与“可停的响应”。批量生产的协作机器人通常自重轻、关节圆润、速度受限，并且关节内部集成了力矩传感器。

在工程上，无论哪种协作方式，都必须回答一个问题：人和机器之间到底要留多少距离？这就引出了协作安全设计的第一块基石——安全距离公式：

$$\displaystyle d_s = v_r \cdot t_r + d_b + d_m$$

1. 机器人的速度 v_r：机器人当前的运动速度，速度越快，停下来所需的路程越长，因此需要更大的安全距离。

$$\displaystyle v_r$$

2. 系统的响应时间 t_r：从传感器检测到人靠近，到控制系统发出并真正执行制动指令的时间，包含感知延迟与控制周期。

$$\displaystyle t_r$$

3. 制动距离 d_b：急停指令发出后，机器人依靠惯性滑行到完全停止所走过的距离，这由机构质量、驱动方式决定。

$$\displaystyle d_b$$

4. 安全余量 d_m：为测量误差、负载波动、零部件磨损等不确定性额外保留的缓冲距离。

$$\displaystyle d_m$$

就像两位舞者无论跳得多投入，都要留出“一个急停就能刹住”的间距。理解了这个距离，就理解了协作机器人所有安全设计的起点。

系统架构组成

一位优秀的舞者需要三样东西：能灵活摆动的身体、能感知舞伴的感官，以及负责协调动作的大脑。协作机器人同样由三大部分组成：机械本体、传感系统和控制系统。

机械本体相当于舞者的“骨骼与肌肉”。协作机器人普遍采用轻量化材料，关节模块化设计，机身圆润避免夹伤手指。每个关节都由伺服电机、减速器和编码器组成，允许机器人做出流畅的多轴姿态。传感系统则如同舞者的“触觉与视觉”：关节力矩传感器实时测量各轴受力，外部视觉、激光雷达追踪人的位置，末端力传感器感知接触力。其中，关节力矩传感器是协作机器人的标志性硬件，它的原理可以简化为一个“弹簧测力”模型：

$$\displaystyle F = k \cdot \Delta x$$

1. 接触力 F：人与机器人接触时传感器输出的力值，是安全判断的核心输入。

$$\displaystyle F$$

2. 刚度系数 k：由弹性体材料与结构决定的常数，描述了“形变多大对应多大力”。

$$\displaystyle k$$

3. 形变量 \Delta x：受到外力后弹性体产生的微小位移，通常只有几微米到几十微米。

$$\displaystyle \Delta x$$

控制系统是舞者的“大脑”，它运行实时运动学、动力学算法，并将安全逻辑交给独立的安全控制器执行。传感信息与运动指令通过总线高速交互，确保“感觉到”到“做出反应”之间的时间足够短。骨骼、感官、大脑三位一体，协作机器人才拥有了与人类共舞的基本条件。

人机协同模式

双人舞有不同境界：有时两人同台却各跳各的，有时一人领舞一人跟随，有时真正交织出统一的舞步。人机协同也分三种模式：安全共融、任务协作和空间共享。

安全共融指人和机器人在同一区域内同时工作，但各自完成不同的任务。比如工人做装配前的检查，机械臂在旁做物料的搬运。任务协作指双方围绕同一个任务互相配合，比如工人扶住车门，机械臂拧紧螺栓。空间共享则指人与机器分时使用同一空间，人离开后机械臂进入执行，人进入时机械臂退出。这三者的选择，直接影响生产效率和安全设计复杂度。工程上常用一个指标来衡量协同带来的收益：

$$\displaystyle \eta = \frac{T_{seq} - T_{cob}}{T_{seq}} \times 100\%$$

1. 纯人工周期时间 T_{seq}：没有机器人参与时，操作者独立完成某项任务的总时间。

$$\displaystyle T_{seq}$$

2. 协作周期时间 T_{cob}：引入协作机器人后，人和机器并行/配合完成同样任务的总时间。

$$\displaystyle T_{cob}$$

3. 效率提升率 \eta：两者之差除以纯人工时间，反映协作模式带来的时间节省比例。

$$\displaystyle \eta$$

并不是所有任务都适合协作。那些“人需要频繁转身、机器人动作范围大”的场景，效率反而可能降低。选对了舞种，才能跳出好看的舞。

路径规划技术

舞步不是临场乱跳的，而是事先编排好的。路径规划就是为机械臂“编排舞步”：既要到达目标位置，又要避开障碍物。全局路径规划在已知环境地图上离线生成一条从起点到终点的可行路线，相当于编舞师提前画出走位图；局部避障则利用传感器实时修正路线，应对突然出现的人或障碍。

规划出的路径只是一串离散的点，如果机械臂直接“点对点”急停急转，动作会生硬且损伤机构。因此需要轨迹平滑插补，让位置、速度、加速度都连续变化。工程中最常用的一种平滑方法是五次多项式插值：

$$\displaystyle q(t) = q_0 + (q_1 - q_0)\left(10t^3 - 15t^4 + 6t^5\right)$$

1. 起始位置 q_0 与目标位置 q_1：插值轨迹的起点和终点。

$$\displaystyle q_0, q_1$$

2. 插值函数 10t^3 - 15t^4 + 6t^5：当 t 从 0 变化到 1 时，输出一个平滑的 0→1 曲线，且在两端的速度和加速度都为零。

$$\displaystyle 10t^3 - 15t^4 + 6t^5$$

3. 当前位置 q(t)：在时刻 t，机械臂关节所处的位置。

$$\displaystyle q(t)$$

有了平滑轨迹，机器人的动作就不再是“忽快忽慢的机械点头”，而是“行云流水的舞步”。这对人机协作尤其重要——生硬的动作会让人本能的紧张，平滑的动作才能让人安心靠近。

安全控制策略

舞伴之间的默契，体现在“知道何时收力、何时停下”。安全控制策略就是这套“默契规则”在机器人身上的实现。它包含三个层次：速度监控、力与功率限制、碰撞检测与响应。

速度监控是最基础的安全策略，核心思想是“离人越近，跑得越慢”。系统实时计算人与机器人的距离，当距离进入警示区时，把允许速度按比例降低；进入制动区时直接令机器人停止。这种关系可以用一个分段函数描述：

$$\displaystyle v_{safe} = \min\left(v_{cmd},\; \frac{v_{max}\cdot(d - d_{stop})}{d_{warn} - d_{stop}}\right)$$

1. 当前距离 d：传感器测得的操作者与机器人之间的最短距离。

$$\displaystyle d$$

2. 制动边界 d_{stop} 与警示边界 d_{warn}：当距离小于 d_{stop} 时必须停车，大于 d_{warn} 时不受限制。

$$\displaystyle d_{stop}, d_{warn}$$

3. 线性缩放项 \frac{d - d_{stop}}{d_{warn} - d_{stop}}：把警示区内的距离映射到 0~1，距离越近值越小，速度上限也越小。

$$\displaystyle \frac{d - d_{stop}}{d_{warn} - d_{stop}}$$

4. 取最小值 \min：最终速度取“指令速度”与“安全许可速度”中更小的一个，确保任何时刻都不会超速。

$$\displaystyle \min(v_{cmd}, v_{safe})$$

除了速度监控，力与功率限制会在伺服层面设定力矩上限，防止夹伤；碰撞检测则通过力矩信号的突变判断“撞到人了”，一旦触发立即停止，随后手臂会微微回退释放压力——就像舞者被踩到脚后，立刻收住动作给你让出空间。

安全标准体系

双人舞有舞池规则，协作机器人也有自己的“竞赛章程”。国际标准化组织为工业机器人协作制定了体系化的安全标准，最核心的是 ISO 10218 系列和 ISO/TS 15066。ISO 10218 分为两部分：第一部分针对机器人本体，规定急停逻辑、速度限制、力限制等基础要求；第二部分针对机器人系统和集成，规定工作单元布局、周边设备与安全验证。而 ISO/TS 15066 进一步细化了协作场景的操作要求，给出了人体不同部位的生物力学限值，比如头部、颈部允许承受的力远小于躯干。

标准的核心是风险评估。每个协作工位在上线前都必须回答：会发生什么危险、有多大概率发生、会造成多大伤害？工程中把风险等级量化为：

$$\displaystyle R = P \times S$$

1. 风险等级 R：用于判断是否需要追加安全措施的综合指标。

$$\displaystyle R$$

2. 危险事件发生概率 P：包含人的行为、机器失效、环境因素等多方面的概率评估。

$$\displaystyle P$$

3. 伤害严重度 S：一旦发生危险可能造成的人员伤害程度，从轻微擦伤到重大伤害分档评估。

$$\displaystyle S$$

当风险等级超标，就需要从工程设计上降低风险：比如加装光栅、减小速度、改变工具形状。标准不是挂在墙上的奖状，而是贯穿需求分析、方案设计、现场调试和运行维护全过程的安全底线。

编程示教方法

教会一位新舞伴跳舞，最自然的方式是拉着他的手一步步走一遍——这正是协作机器人最流行的编程方式：拖拽示教。工程师直接抓住机械臂末端，像带着舞伴走位一样做出动作，机器人实时记录关节轨迹，之后便能自动复现。这种方式直观、上手快，尤其适合装配、分拣这类路径简单的任务。

为了进一步降低门槛，图形化编程把运动指令包装成“流程图或积木块”，工程师像画流程图一样编排逻辑：什么时候夹取、什么时候放下、什么时候等待人料到位。编程完成后，还要走安全验证流程：逐条速度验证、碰撞力测试、边界距离检查，确保自动运行时不会超出安全包络。拖拽示教中“拖得越快，跟得越快”的直觉体验，背后是一个简单的比例控制关系：

$$\displaystyle v_{tcp} = k_{drag} \cdot F_{hand}$$

1. 末端执行器速度 v_{tcp}：机械臂末端（工具中心点）在示教过程中的移动速度。

$$\displaystyle v_{tcp}$$

2. 人力拖拽力 F_{hand}：操作者施加在机器人末端上的力，由力传感器读取。

$$\displaystyle F_{hand}$$

3. 比例系数 k_{drag}：决定“给多大劲跑多快”的增益参数，需要调整到既灵敏又可控。

$$\displaystyle k_{drag}$$

图形化编程的价值则在于把复杂的运动控制抽象成一个个可拼装的积木。换句话说，拖拽示教教你“身体力行”，图形编程教你“写乐谱”——两者结合，普通人也能在一天内教会机器人完成一个新的协作任务。

AI 应用场景

Python 演示

class SafetyMonitor:    """Monitor robot speed based on human-robot distance."""     def __init__(self, max_vel=2.0, d_stop=0.3, d_warn=0.8):        self.max_vel = max_vel        self.d_stop = d_stop        self.d_warn = d_warn        self.stop_count = 0     def limit_velocity(self, distance, cmd_vel):        if distance <= self.d_stop:            self.stop_count += 1            return 0.0        if distance >= self.d_warn:            return min(cmd_vel, self.max_vel)        ratio = (distance - self.d_stop) / (self.d_warn - self.d_stop)        allowed = ratio * self.max_vel        return min(cmd_vel, allowed)     def run_simulation(self, timeline):        print("time(s)  dist(m)  cmd(m/s)  safe(m/s)")        for t, d, v_cmd in timeline:            v_safe = self.limit_velocity(d, v_cmd)            status = "OK" if v_safe > 0 else "STOP"            print("{:>4.0f}   {:>6.2f}   {:>6.2f}   {:>7.2f}   {}".format(                t, d, v_cmd, v_safe, status))        print("stop_count = {}".format(self.stop_count)) if __name__ == "__main__":    monitor = SafetyMonitor()    timeline = [        (0.0, 1.20, 1.50),        (5.0, 0.90, 1.50),        (10.0, 0.62, 1.50),        (15.0, 0.28, 1.50),        (20.0, 0.70, 1.50),        (25.0, 1.05, 1.50),    ]    monitor.run_simulation(timeline)

1. def limit_velocity(self, distance, cmd_vel):安全监控核心函数，输入当前距离和控制器请求速度，输出安全速度
2. if distance <= self.d_stop:当进入红色制动区，机器人直接返回 0.0 速度
3. ratio = (distance - self.d_stop) / (self.d_warn - self.d_stop)计算工人在警示区内的相对位置，0 表示刚进警示区
4. allowed = ratio * self.max_vel把安全速度上限与距离线性绑定
5. return min(cmd_vel, allowed)用取小值确保机器人永不超速
6. monitor = SafetyMonitor()用默认参数创建监控器，最大速度 2.0 m/s
7. monitor.run_simulation(timeline)执行一段“工人靠近再离开”的时序模拟

常见误区

面试题