iAPF：一种改进的人工势场框架，用于实现非对称双臂操控，并具备实时避让臂部碰撞的功能

《Frontiers in Robotics and AI》：iAPF: an improved artificial potential field framework for asymmetric dual-arm manipulation with real-time inter-arm collision avoidance

This paper presents a robust vision-based motion planning framework for dual-arm manipulators with a novel three-way force equilibrium. The framework combines improved Artificial Potential Field (iAPF) for linear velocity control with Proportional-Derivative (PD) controller for angular velocity, creating a hybrid twist command. A priority-based state machine enables asymmetric manipulation. Lyapunov stability analysis proves asymptotic convergence. The method introduces computationally efficient continuous distance calculation between links and real-time vision using YOLOv8 OBB with 20 FPS accuracy. Experiments show stabilized motion planning with smoother trajectories and optimized spatial separation, preventing inter-arm collisions during industrial sorting. 中文摘要： 提出一种基于改进人工势场（iAPF）的三力平衡框架，结合视觉检测实现双臂机械臂高效稳定的协同运动规划。采用线性速度控制与PD控制器结合的混合力控策略，设计优先级状态机处理不对称操作。Lyapunov分析证明收敛性，实时计算距离和视觉检测（YOLOv8 OBB）达20 FPS。实验表明该方法有效避免双臂碰撞，优化空间分离，提升工业分拣效率。

　　本文提出了一种基于视觉的双臂机械臂运动规划框架，引入了新的三向力平衡机制并结合速度依赖的稳定策略。该框架融合了改进的Artificial Potential Field（iAPF）用于线性速度控制和Proportional-Derivative（PD）控制器用于角速度，形成了一种混合的扭曲指令，以实现精确的机械臂操作。优先级的状态机使得双臂操作具有类似人类的非对称性。Lyapunov稳定性分析证明了系统向目标配置的渐近收敛。该方法引入了一种计算高效的连续距离计算机制，基于线段配置，实现实时的碰撞监测。实验验证结合了使用YOLOv8 OBB的实时视觉系统，达到了每秒20帧的推理速度，且对螺栓/螺母的检测准确率分别为0.99和0.97。与传统APF方法的比较测试表明，该方法提供了稳定的运动规划，轨迹更平滑，空间分离更优化，有效防止了工业组件分拣过程中的双臂碰撞。

双臂机械臂在工业自动化中具有重要的应用价值，它们能够通过组件识别和操作提升效率。然而，双臂操作需要考虑如何避免碰撞，以确保系统的稳定性和高效性。在许多工业场景中，双臂机械臂能够完成比单臂更复杂的任务，如协作装配和分拣。这些任务通常需要精确的控制策略，以实现对目标对象的精准操作。因此，双臂机械臂的运动规划不仅是路径规划，还包括速度、加速度和动态考虑，以实现时间参数化的轨迹。

本文的研究涵盖了双臂机械臂运动规划的多个方面，包括碰撞检测方法、人工势场方法以及时间协调策略。这些方法旨在提高实时适应性和非对称操作能力，为研究提供了潜在的方向。在现有的研究中，几何方法如Lumelsky和Chang等人提出的算法提供了精确的碰撞检测，但缺乏连续的距离度量，限制了其在现代控制方法中的应用。此外，一些基于几何的方法虽然在计算效率上有所提升，但仍然面临非凸几何和数值不稳定性的问题。

对于双臂机械臂的运动规划，研究者们探索了多种方法，包括基于几何的方法和基于图的方法。这些方法不仅关注碰撞检测，还关注如何在双臂之间进行时间协调。在实际应用中，碰撞检测和避障控制是实现高效操作的关键。因此，本文提出了一种基于视觉的双臂机械臂运动规划框架，结合了YOLOv8 OBB模型进行实时检测，同时引入了新的三向力平衡机制，使得系统能够实现更稳定的运动和精确的非对称操作。

在本文中，我们提出了一个四部分的综合方法，包括双臂之间链接的最小距离计算、基于视觉的组件姿态估计、三向力平衡机制以及基于状态的非对称协调。这些方法共同实现了在共享空间中的碰撞避免和协调操作。通过几何分类，我们能够高效计算双臂之间链接的最小距离，包括平行、相交和斜交的配置。这些方法不仅提高了系统的稳定性，还实现了实时的碰撞监测和避障控制。

视觉系统对于双臂机械臂的运动规划至关重要，它能够提供组件的精确姿态估计，包括位置和偏转角。通过使用YOLOv8 OBB模型，我们实现了每秒20帧的推理速度，这使得双臂机械臂能够在动态环境中进行实时操作。这些视觉信息被转换为实际世界坐标，以实现精确的抓取和操作。通过使用深度相机和深度学习模型，我们能够实时检测组件，并进行姿态估计，从而实现精确的抓取和操作。

为了实现双臂机械臂的运动规划，我们引入了改进的人工势场方法，通过三向力平衡机制，包括目标吸引、障碍排斥和回归目标的力场，以实现更稳定的运动和精确的非对称操作。这种改进的方法结合了速度依赖的稳定策略，使得双臂机械臂能够在动态环境中进行实时操作。此外，我们还引入了PD控制器，以实现角速度的精确控制。

本文还介绍了实验设置，包括硬件配置和所需的帧转换。实验结果显示，该方法在实际应用中能够有效处理复杂场景，如组件分拣和目标冲突，同时保持安全的分离距离。通过结合视觉系统和运动规划，我们能够实现更高效的双臂操作，同时保持系统的稳定性。

实验结果表明，该方法在实际应用中能够有效处理复杂场景，如组件分拣和目标冲突，同时保持安全的分离距离。通过结合视觉系统和运动规划，我们能够实现更高效的双臂操作，同时保持系统的稳定性。通过实验验证，我们能够证明该方法在实际应用中的有效性，包括实时的碰撞监测和避障控制。

本文提出的框架不仅提高了双臂机械臂的运动规划能力，还通过三向力平衡机制实现了更稳定的运动和精确的非对称操作。通过结合视觉系统和运动规划，我们能够实现更高效的双臂操作，同时保持系统的稳定性。该方法通过实验验证，证明了其在实际应用中的有效性，包括实时的碰撞监测和避障控制。

未来的工作将进一步扩展该框架，以处理外部动态环境，包括实时外部障碍检测和自适应排斥力场生成。这些进展将使该框架能够在非结构化的制造环境中部署，同时保持其稳定性。潜在的应用包括工业组件的自动装配，从绝对运动到相对运动控制的转变，以及精确的对齐和匹配能力。