《IEEE Transactions on Systems, Man, and Cybernetics: Systems》2023年10月刊载了一项由哈尔滨工业大学机器人技术与系统国家重点实验室团队（Boyu Ma、Zongwu Xie、Bowen Zhan等）主导的创新研究，提出了一种基于实际形状的冗余机械臂避障优化方案——”ASOA-VAM”（Actual Shape-based Obstacle Avoidance Synthesized by Velocity–Acceleration Minimization）。该研究属于类型a（原创性研究），以下是学术报告：

一、作者团队与发表信息

研究由哈尔滨工业大学马博宇（博士生）、谢宗武、战博文等合作完成，通讯作者为刘杨。论文于2023年6月30日在线发表于《IEEE Transactions on Systems, Man, and Cybernetics: Systems》（第53卷第10期），并获得国家自然科学基金等多项资助。

二、学术背景与研究目标

科学领域：机器人控制与运动规划，聚焦冗余机械臂在复杂环境中的实时避障问题。
研究动机：传统避障方法（如Jacobian伪逆法、人工势场法）存在计算效率低、关节速度突变或加速度超限等缺陷，且多简化机械臂与障碍物为几何原型，难以应用于实际形状复杂的场景。
目标：提出一种兼顾实际形状精度、关节物理限制与运动连续性的优化方案，通过速度-加速度协同最小化（Velocity–Acceleration Minimization, VAM）实现安全避障。

三、研究流程与方法

1. ASOA避障策略开发

• 核心算法：采用Gilbert–Johnson–Keerthi（GJK）距离算法计算机械臂与障碍物间精确最近距离。该算法将二者建模为凸多面体集合，通过Minkowski差迭代求解最近点坐标（式10-12）。
  
• 变量控制：设计基于逃逸加速度的可变幅值避障约束（式15-17），通过虚拟避障时间τ限制临界点运动距离，确保最近距离不低于内安全阈值d₂。
  

2. VAM协同优化

• 动态优化：将速度-加速度最小化目标（式18）等价转化为二次规划问题（QP，式26），避免传统最小速度范数（Minimum Velocity Norm, MVN）或最小加速度范数（Minimum Acceleration Norm, MAN）的局限性。
  
• 多约束集成：融合末端轨迹跟踪（式6）、关节物理极限（角度/速度/加速度，式8）与避障约束，形成统一优化框架。

3. 求解器设计

• 递归神经网络（RNN）：设计具有理论收敛保证的RNN（式31），在线求解QP问题。其单层结构含n+m+1个神经元，通过投影函数处理不等式约束，避免Jacobian矩阵求逆（图3）。
  
• 收敛性证明：基于单调函数理论证明RNN全局收敛至最优解（定理2）。
  

4. 实验验证

• 对象：7自由度空间机械臂（图4，D–H参数见表I）。
  
• 仿真场景：圆形轨迹跟踪与复杂障碍避障（d₁=0.9m, d₂=0.5m），对比MVN、MAN等传统方法（表II）。
  
• 硬件验证：在中国空间站地面半物理实验系统（图11）中测试，验证工程可行性。

四、主要结果与逻辑链

1. 避障性能：

   • 在仿真中，机械臂成功避开凸多面体障碍，最小距离d_min=0.478m（图5b），溢出值|d₂−d_min|=0.022m。未启用ASOA时发生碰撞（图5e）。
     
   • 实验显示关节速度连续无突变（图5d），最终速度/加速度趋于零，优于MAN方案的非零终值问题（图9）。
     

2. 计算效率：

   • RNN在0.001秒内收敛（图6），末端位置误差＜5×10⁻⁶m（图5h）。即使初始构型奇异（θ₂(0)=0°），仍保持高精度。
     

3. 参数分析：

   • 虚拟避障时间τ∈[0.02T,0.08T]时性能最佳（τ=5s时无缓冲振荡，图7）。
     
   • 权重系数α=0.5平衡速度与加速度优化，ζ=40确保物理等效性（备注5-6）。
     

4. 工程验证：

   • 空间站模拟任务中，机械臂在d₂=0.6m限制下安全通过（d_min=0.595m），实验轨迹与仿真一致（图12）。
     

五、结论与价值

科学价值：
1. 首个将GJK算法与VAM优化结合的避障方案，实现实际形状精确建模与运动控制。
2. 通过加速度级避障策略，解决了速度级方法的关节突变问题。

应用价值：
1. 为中国空间站机械臂等复杂场景任务提供可靠控制框架。
2. 开源RNN求解器可扩展至其他高自由度机器人系统。

六、研究亮点

1. 方法创新：ASOA-VAM首次在优化框架中统一实际形状避障、多级关节限制与动态误差反馈。
   
2. 技术突破：GJK算法实现毫米级距离精度，RNN在线求解速度较传统方法提升两个数量级。
   
3. 工程意义：硬件在环实验验证了方案在微重力环境下的物理可实现性（图11-12）。
   

七、其他价值

论文提出参数选择指南（如τ、α的范围），并公开了实验数据与RNN代码（DOI:10.1109/TSMC.2023.3283266），为后续研究提供基准。