基于MYO手環的移動機器人交互控制系統

占 宏，孔海怡，楊辰光

（華南理工大學自動化科學與工程學院，廣州 510641）

0 引言

近年來，移動機器人技術得到快速發展并應用于多個領域，如生活服務、醫療康復、物流運送等，給人們的生活帶來了便利，大大提高了工作效率［1-3］。對于一些條件惡劣、環境復雜或者危險的場所，為了保證操作者的安全，通常需要采用遠程控制方式來操作移動機器人獨立完成相關的作業，如軍事勘探、地質科考、地震救援等［4-5］。與傳統鍵盤鼠標等接觸式遠程控制模式相比，基于人體動作識別的體感交互控制模式更加自然、直觀，更容易被用戶所接受［6-7］。體感交互控制模式有著重要的研究意義和廣闊的應用前景。

將體感識別與移動機器人控制相結合，開發了一套人機交互控制系統。利用兩個MYO 手環采集人體手臂表面肌電信號分別進行手勢識別和肌電強度估計，并將獲取的信息與移動機器人運動方向和速度控制命令相結合，通過WiFi 通信發送控制命令，實現移動機器人的遠程交互控制。人機交互控制系統對于復雜環境下的機器人遠程作業控制有著重要的意義。

1 系統整體框架

系統整體框架如圖1 所示，主要包括操作者、2 個MYO手環、移動機器人、計算機4 部分。MYO 手環內置有8 個肌電信號電極，采樣頻率為200 Hz，其能夠捕捉到操作者手臂肌肉運動時產生的表面肌電信號變化并通過自身藍牙模塊發送給計算機［8］。移動機器人底部為4 個麥克納姆輪，其旋轉軸均與機器人本體成45°且對角位置輪的軸方向相同，每個輪均由功率為90 W的電動機驅動，這一結構使得移動機器人可以按照操作者的命令向各個方向運動。此外，移動機器人前端裝有激光雷達，其掃描距離為8 m、角度分辨率為0.18°可以掃描并檢測環境中的障礙物。系統控制算法基于ROS平臺，采用C語言進行開發。

圖1 系統整體框圖

系統有兩種控制模式：

（1）柔順運動模式。移動機器人完全由操作者控制，此過程中操作者左右手手臂分別佩戴一個MYO手環，左右兩個手環所采集的表面肌電信號分別用于獲取肌電強度信息和手勢識別，其中肌電強度信息可以轉換成移動機器人的線速度命令，手勢識別結果則作為移動機器人的運動方向命令。

（2）避障模式。移動機器人在運動過程中不斷通過雷達檢測最近的障礙物與自身的距離，如果該距離小于安全距離，系統就會切換至自主避障模式，此時移動機器人就會在避障算法的控制下沿著障礙物的輪廓運動，運動線速度仍受到操作者的控制并隨其肌電強度幅值大小而變化。當移動機器人安全繞過障礙物并回到之前的運動路線時，系統將再次啟動柔順運動模式繼續運動。

2 主要功能模塊

系統主要包括手勢-命令映射的建立、肌電強度幅值提取與線速度計算、自主避障算法、模型預測控制器4 個模塊。

2.1 建立手勢-命令映射

MYO 手環將通過采集右手手臂在不同手勢動作下肌肉運動所產生的表面肌電信號傳送到計算機進行分析、處理、識別操作者的手勢，并映射到相應的手勢命令［9-10］。如圖2 所示，手勢庫中預定義了手腕左擺、手腕右擺、手指伸展、手掌握拳和手指雙擊5 種手勢，其分別對應移動機器人向左、向右、后退、前進和停止5 種控制命令。

圖2 系統手勢-命令映射

2.2 肌電強度幅值提取與線速度計算

操作者左手MYO手環所采集的表面肌電信號用來提取強度幅值并轉化為相應的線速度。原始信號中通常存在一定的干擾，需要對采集的電信號進行處理以得到質量較高的信號。假設MYO 手環在當前采樣k時刻所采集的第i 路（i=1，2，…，8）通道輸出的原始信號為Ei（k），計算8 個通道信號的幅值之和：

采用窗口大小為w的移動平均濾波法得到k時刻表面肌包絡電信號：

由文獻［11］中可知，如果定義e（*）為指數函數，μ為一非線性形狀因子，那么采樣k時刻的肌電強度幅值：

如圖3 所示為實驗過程中通過上述方法采集的表面肌電原始信號提取肌電強度幅值的過程，其中w=400，μ=-0.01。

圖3 肌電強度幅值提取

根據操作者的習慣，將肌電強度幅值的大小設置為與機器人的線速度呈線性關系。如果用ηmax、ηmin分別表示肌電強度的最大和最小幅值，vmax、vmin分別表示移動機器人最大和最小線速度，那么移動機器人的線速度v(k)和操作者肌電強度幅值ηemg(k)之間的關系可以表示為：

2.3 自主避障算法

實現自主避障可以保證移動機器人、操作者和環境的安全［12］。在柔順運動模式下，移動機器人將一直沿著操作者控制命令方向運動直到接收到新的控制命令或者被障礙物阻擋。在此情況下，采用一種改進的Bug算法即NT-Bug 算法以實現在未知環境下通過繞著障礙物的輪廓運動來避障并回到之前控制命令的運動路線上［13］。

用P代表算法的不同階段，P=0 表示柔順運動模式，P=1 表示避障模式。用Or表示移動機器人的中心；B表示最近的障礙物單元；dobs表示Or與B 的距離即機器人與障礙物的最近距離；dsafe為最小安全距離。根據人工勢場法將障礙物看作虛擬排斥勢場，B 施加于移動機器人力的方向為θobs。機器人控制命令運動方向θcom，運動路線Lcom為環繞障礙物輪廓運動的方向，θesc=或-表示逆時針或順時針方向運動。d表示Or到Lcom的距離，dσ為距離閾值。在操作者的控制命令下，移動機器人開始運動時處于柔順運動模式即P=0，當dobs＜dsafe時，運動模式切換到避障模式即P=1，此時機器人的運動方向θ=θobs+θesc；當0 ＜|d|＜dσ時表明移動機器人已經繞過障礙物并到達Lcom，此時運動模式將切換至柔順運動模式即P=0。

2.4 模型預測控制器（Model Predictive Controller，MPC）

如圖4 所示為移動機器人運動時的坐標系統示意圖，其中XrOrYr和XwOwYw分別為機器人坐標系和全局坐標系。

圖4 移動機器人坐標系統示意圖

定義移動機器人在XwOwYw中的當前位置為X=[x，y，θ]T；ω為角速度；vx、vy分別為Xr和Yr軸的速度分量。那么移動機器人的運動學模型可以表示為：

之間的變換矩陣。同理，可以得到參考位置Xr=[xr，yr，θr]T的運動學模型。定義移動機器人當前位置和參考位置的狀態差為

并在系統平衡點進行線性化可以得到動態誤差模型：

為了實現移動機器人的最優跟蹤控制，下面設計基于上述動態誤差模型的模型預測控制器［13-15］。定義采樣周期為ts，將式（6）進行離散化處理得：

定義如下代價函數：

式中：Np為預測時域Nc為控制時域且有0≤Np≤Nc，Nc≥1；R、Q均為對稱正定矩陣。最優控制輸入可以通過在相應約束條件下最小化代價函數得到，即：

為方便求解，最終將最優化控制問題轉化為如下多約束二次規劃問題來求解：

3 實驗驗證

實驗選取3 m×5 m區域并在其中設置了L 形障礙物，實際實驗環境如圖5 所示。

圖5 設定的實驗環境

實驗前預先構建了該區域的二維網格地圖，實驗過程中移動機器人運動的實時位置將被記錄在地圖上以更好地展示實驗效果。實驗NT-Bug 避障算法中設置：ηmax=80；ηmin=8；vmax=0.15 m/s；vmin=0.05 m/s；dsafe=0.55 m；θesc=。MPC 中參數設置為：Umax=-Umin=ΔUmax=-ΔUmin=［10，10，10，10，10，10］T，Xmax=-Xmin=［10，10，10，10，10，10，10，10，10］T。

實驗開始時，操作者左右手臂分別佩戴好一個MYO手環，由左右手共同控制移動機器人向前方運動，同時機器人通過雷達不斷掃描最近障礙物與自身的距離，此時系統處于柔順運動模式。當最小距離小于安全距離0.55 m時，機器人系統切換至避障模式并沿著L 形障礙物的輪廓運動。當機器人與之前運動路線距離小于0.02 m時，表明其回到控制命令運動路線上，系統又切換至柔順運動模式繼續運動。

上述實驗所得結果如圖6 所示，圖6（a）中粉色標記為實驗過程中移動機器人運動的實時位置記錄，可見機器人能夠按照操作者的命令前進，同時也自主安全地避開了L 形障礙物并回到之前的運動路線上。圖6（b）為移動機器人位置跟蹤誤差曲線，當系統達到穩定狀態后誤差小于0.01 m，表明機器人實現了對參考軌跡的跟蹤。上述實驗結果驗證了所設計移動機器人交互控制系統的有效性。

圖6 移動機器人實時實驗結果

4 結語

本文設計了一種基于表面肌電信號的移動機器人交互控制系統。利用操作者左右手手臂兩個MYO 手環采集相應的表面肌電信號，其中右手信號進行手勢識別作為移動機器人的方向控制命令，左手信號用于提取肌電強度幅值并轉換成對應的速度控制命令。在柔順運動模式下，移動機器人按照操作者的控制命令運動，當遇到障礙物時，系統切換至避障模式并采用NT-Bug避障算法實現自主障礙，MPC 控制器實現了對參考軌跡的跟蹤回到了之前的運動路線上。實驗驗證了該系統遠程交互控制的有效性，這對于移動機器人在未知復雜環境下作業如科考、救援等有著重要應用價值。