水下机器人手爪标定与辅助控制系统方案研究

汪小龙， 魏书恒， 高理富， 王 森， 丁仁船

(1.安徽建筑大学 电子与信息工程学院，安徽 合肥 230022；2.中国科学院合肥物质科学研究院，安徽 合肥 230031)



水下机器人手爪标定与辅助控制系统方案研究

汪小龙1， 魏书恒1， 高理富2， 王 森1， 丁仁船1

(1.安徽建筑大学 电子与信息工程学院，安徽 合肥 230022；2.中国科学院合肥物质科学研究院，安徽 合肥 230031)

目前水下机器人手爪标定与辅助控制系统主要存在手爪控制适应性不足和控制系统操作效率低下2个问题，而脑机接口技术由于具有精确灵敏、适应环境力强和控制手段多样等优点，能够为这些问题提供可行的解决途径。因此，提出一种基于脑机接口的水下机器人手爪标定与辅助控制系统方案，并以珊瑚抓取过程为实例，解释系统解决实际问题的过程。

水下机器人；脑机接口；标定

0 引 言

水下机器人是一种能够代替人在水下实施各类作业的现代设备，具有灵活、适应性强、安全稳定等优点，广泛应用在海洋科学研究、海洋灾害预报、海洋资源开发、国防军事等领域[1]。近年来，国内外对机器手爪的研究成果很多，日本konda等设计开发了番茄采摘机器人系统，可以采摘一整串番茄果实[2]；中国科学院将机器手爪应用于远程自动空气微生物采样机器人中，能够连续采样空气中微生物[3]；广东工业大学自主研发一种双爪式爬杆机器人Climbot[4]。目前水下机器人手爪的标定普遍采用指力传感器数值标定方法，而水下环境具有很强的随机性，往往会出现超出运动学模型范畴的情况，并且由于抓取目标类型多样，其质感区别很大，例如矿石、软体生物等，机器手爪无法像人手一样根据手感[5]改变抓取力度，这些因素导致目前标定系统无法准确、迅速地完成抓取任务。与此同时，水下机器人控制系统也存在一定缺陷，目前的控制方式大都采用人员手动操作上位机软件[6]，操作人员需要在面对各类情况时快速准确地进行一系列复杂的操作，但水下机器人在使用过程中需要用到的功能项很多[7]，导致操作界面中项目数目繁多[6]，并且操纵机器人自身行动已需要占用双手的工作时间，不可避免地出现操作人员因为双手限制工作时手忙脚乱、应对不及时的现象，同时人体从大脑反应再到肢体的操作也需要一定时间，这些问题使操作人员往往错过最佳操作时机，造成不必要的损失，所以如何解决上述2个问题成为水下机器人控制系统的关键。

1 方案及其关键技术

本文提出水下机器人手爪标定和水下机器人辅助控制系统方案，2套方案均利用脑机接口技术(Brain-Computer Interface，简称BCI)作为实现手段。方案中主要涉及以下4种关键技术：

(1) 运动想象与事件相关同步/去同步(event-related synchronization，ERS/ event-related desynchronization，简称ERD)。人类进行某种意识活动时，大脑中对应该意识活动的区域，其代谢、供血等生理功能会得到增加，同时脑电信号中会出现某些低频段的信号幅度降低或阻滞的现象，此现象称之为事件相关去同步(ERD)；而大脑处于未激活该意识状态时，它的相应频段的脑电信号会出现幅值增加的现象，称为事件相关同步(ERS)。而人类在进行想象肢体运动时会引起大脑的ERS/ERD现象[8]，脑电信号中的μ节律(8～12 Hz)和β节律(18～26 Hz)会发生显著变化。

2006年，文献[9]通过植入1组微电极阵到1位瘫痪者的大脑中，使瘫痪病能够通过想象手的运动控制鼠标移动、神经假肢等；天津大学从运动相关脑电中提取信息判别手的运动方向，可用于上肢主动康复训练的控制命令[10]；文献[11]提出基于运动想象的汉语音位发音系统框架，受试者被要求想象4个汉语元音和4个辅音音位的发音部位及语音发音。

(2) 视觉诱发电位(Visual evoked potentials，简称VEP)。VEP是大脑在受到外界的图形或闪光刺激等视觉刺激时，自发地对刺激反应产生特定的脑电活动变化[12-13]。根据刺激频率不同引发的电位也有不同，视觉刺激频率比较低时(小于4 Hz)称为瞬态视觉诱发电位(transient visual evoked potential，简称TVEP)；视觉刺激频率比较高时(大于4 Hz)称为稳态视觉诱发电位(steady-statevisual evoked potential，简称SSVEP)。目前视觉诱发电位在国内外应用很多，美国空军研究室设计出的BCI系统让使用者通过调节SSVEP的幅度操纵模拟飞行器；文献[14]使用一种基于SSVEP的异步BCI机器人控制系统实现机器人控制命令的远程传送，使该仿人机器人系统具有脑电控制、语音交互、游戏手柄交互、机器视觉与避障等功能。

(3) 力触觉再现技术。力觉再现技术是通过力觉再现设备将传感器获取的力觉信息转换为相应的刺激，并且施加于手指，以复现真实的感觉[15]。目前广泛使用的如外骨骼式力反馈数据手套Cyber Grasp和内骨骼式力反馈数据手套Rutgers Master IIND等。

触觉再现技术是指安装在手上的触觉再现设备，接受机械手上的触觉传感器输出的机械手与组织接触的信息，刺激人体的相应部位，从而再现机械手与组织接触的情况，该再现技术应用了微型电机技术、记忆合金技术及气压驱动技术[16]。

(4) 脑电信号预处理与特征提取算法。脑电信号极其微弱，幅度一般在5～100 μV之间，容易受周围环境中噪声(工频信号、电磁信号等)的影响，并会受到眨眼、心跳、肌肉抖动等身体反应的干扰，所以需要对其进行信号处理，提高它的信噪比，准确地在强噪声背景下提取出微弱的信号。目前常用的预处理与特征提取算法有独立分量分析、快速傅里叶变换、小波变换、共空间模式及共空间模式等，这些方法已经被国内外学者长期应用于脑机接口的研究当中[17-18]，其有效性已得到证明，能够帮助本文的标定系统和辅助控制系统得到脑电信号特征。

2 方案设计

2.1 水下机器人手爪标定系统实现步骤

系统需要在机械手爪上安装力触觉反馈系统[19]，再利用机器手爪上反馈回的信息，通过力觉再现与触觉再现系统将机器手爪与抓取目标的真实触感传递给操作人员，其感觉就像是在用自己的手与抓取物接触一般。之后根据操作人员接触抓取物后的大脑信号，重新标定机器手爪的抓取动作，在不破坏抓取物结构情况下，快速、准确地完成抓取任务。

(1) 在搭建的虚拟水下机器人手爪操作系统中，让工作人员想象自己的手加大力度抓紧物体和减少力度放开物体，同时记录下他们进行这2种意识任务时的脑电信号，这些脑电信号经预处理和特征提取后，得到2类动作对应特征，存入脑电分析系统。同时，将不同抓取动作机器人对应操作直接编入总控制系统。

(2) 机器人工作人员在工作时佩戴实时脑电采集器，时刻记录下工作人员目前的脑电信号，并提交于脑电分析系统，脑电分析系统对信号进行预处理和特征提取，提取的特征与在模拟环境中得到的特征匹配，判断应进行哪种操作。

(3) 工作时，机器手爪按预设力度抓取物体，同时力触觉反馈系统将信息反馈给工作人员，工作人员根据得到的触觉与力觉产生大脑反应进行抓紧或放松的意识任务，脑电分析系统侦测出对应动作，向总控制系统发出指令。

(4) 总控系统根据收到的指令，修正抓取力度，之后按照标定后的抓取动作重新完成抓取任务。

2.2 辅助控制系统实现步骤

将水下机器人工作过程中所需要的所有辅助功能，例如检测装置、摄像机等，在操作界面中制作出对应的视觉刺激块，不同功能对应的视觉刺激块会以不同的频率(大于4 Hz)闪烁，通过比较诱发电位信号频谱峰值与刺激块的闪烁频率是否匹配，判别注视的目标。当操作人员需要使用某个功能时，只需将目光集中在该功能对应的视觉刺激块上，辅助操作系统即可根据实时采集到的操作人脑电信号及时作出反应，而无须其他多余操作。

(1) 机器人工作人员在工作时佩戴实时脑电采集器，时刻记录下工作人员目前的脑电信号，并提交于脑电分析系统，脑电分析系统对信号进行预处理和特征提取，之后判断特征值是否达到阈值。

(2) 机器人工作人员接收到某个操作命令，或自行需要进行某辅助功能的打开、关闭。

(3) 工作人员将视线集中于操作界面中所对应的辅助功能视觉刺激块上。

(4) 脑电分析系统识别出对应刺激块的稳态视觉诱发电位，判断已达到设定的阈值，然后发出控制指令。

(5) 总控制系统得到控制指令，打开或关闭对应辅助功能。

3 应用实例

以珊瑚抓取过程为实例，解释系统解决实际问题的过程，图1所示为抓取珊瑚的实现流程。实际抓取过程中，手爪标定系统和辅助控制系统能够同时工作，使用左手作为力触觉再现系统的刺激体，不影响控制右手控制机器人行动和其他操作，视觉作为对一些辅助功能的控制手段，同样不影响左右手的使用，2套系统相辅相成，配合工作，最大限度地提高水下机器人的工作效率。

图1 珊瑚抓取过程实例

4 结束语

本文在与德国Technische Universitaet Muench的合作项目支持下，对水下机器人的手爪控制适应性不足和控制系统操作效率低下2个问题提出自己的解决方案。采用新兴的脑机接口技术，结合力触反馈与再现技术，利用人体大脑信号对机器手爪抓取动作进行标定。该方案无需多余步骤，直接由人体大脑发出指令，能够针对不同的物体，快速准确地标定抓取动作。而辅助控制方案采用脑机接口技术中的视觉刺激方法，避免与标定系统的冲突，能帮助工作人员在应对控制需求时摆脱传统手动操作的众多缺陷，大大简化操作步骤和减少操作所需时间，同时完全解放双手，方便其他工作。

[1] 张洪欣,马 龙,张丽婷,等.水下机器人在海洋观测领域的应用进展[J].遥测遥控，2015,36(5):23～27.

[2] Kondo N,Yata K,Iida M,et al. Development of an end-effector for a tomato cluster harvesting robot [J].Engineering in Agriculture, Environment and Food,2010,3(1):20～24.

[3] 占礼葵,生 甡,王 华,等.远程自动空气微生物采样机器人[J].中国粉体技术,2013,19(3):71～73.

[4] 江 励,管贻生,周雪峰,等.双爪式爬杆机器人的夹持性能分析[J].机械工程学报,2016,52(3):34～40.

[5] 郭 松,杨明杰,谭 军.手术机器人面临的一大挑战——力触觉反馈[J].中国生物医学工程学报，2013，32(4):499～503.

[6] 刘振川.海底管道检测机器人自主巡线控制系统研究[D].青岛：中国海洋大学，2015.

[7] 杨胜梅,赵秋云.水下机器人的应用现状[J].水利水电快报,2015,36(11):29～31.

[8] 乔晓艳，王春晖.异步BCI系统中运动想象诱发脑电特征识别[J].计算机工程与应用, 2015,51(7):215～219.

[9] Hochberg L R,Serruya M D，Friehs G M,et al.Neuronal ensemble control of prosthetic devices by a human with tetraplegia[J]. Nature, 2006(442):164～171.

[10] 曹玉珍，张庆学.基于运动相关脑电特征的手运动方向识别[J].天津大学学报(自然科学与工程技术版),2014,47(9):836～841.

[11] 杨晓芳,江铭虎.基于汉语音位发音想象的脑机接口研究[J].中文信息学报,2014,28(5):13～23.

[12] Shyu K, Chiu Y J, Lee P L, et al. Total Design of an FPGA-Based Brain Computer Interface Control Hospital Bed Nursing System[J]. 2013,24(3):17～23.

[13] Yan Z, Gao X R, Gao S K. Right-and-left visual field stimulation: A frequency and space mixed coding method for SSVEP based brain-computer interface[J].Science China Information Sciences, 2011, 54(12): 2492～2498.

[14] 邓志东,李修全,郑宽浩,等.一种基于SSVEP 的仿人机器人异步脑-机接口控制系统[J].机器人,2011,33(1):129～135.

[15] Wagner C R，Stylopoulos N，Jackson PG ,et al.The benefit of force feedback in surgery：Examination of blunt dissection[J]．Presence：Teleoperators and Virtual Environments 2007,16(3)：252～262．

[16] Ottermo M V，Stavdahl O，Johansen T A.Design and performance of a prototype tactile shape display for minimally invasive surgery [J].Haptics-E Journal,2008,4(4):1～13．

[17] Baltrunas L, Makcinskas T, Ricci F.Group recommendations with rank aggregation and collaborative filtering[C]//Proceedings of the fourth ACM conference on Recommender systems. ACM,2010:119～126.

[18] 沈 跃,刘 慧，谢洪波，等.基于贝叶斯相关向量机的脑电睡眠分期[J].江苏大学学报(自然科学版),2011,32(3):325～329.

[19] King C H，Culjat M O，Franco M L，et al．Tactile feedback induces reduced grasping force in robot-assisted surgery[J].IEEE Transactions on Haptics,2009,2(2):103～110．

2016-05-20；修改日期：2016-05-25

安徽省2015年第一批科技计划项目(对外科技合作项目)(1503062026)

汪小龙(1972-)，安徽无为人，博士，安徽建筑大学教授．

TP242

A

1673-5781(2016)03-0294-03