这篇文档属于类型a——报告了一项原创性研究。以下是针对这项研究的综合性学术报告：

《Robotics and Computer-Integrated Manufacturing》2023年刊发分层式长短时安全框架研究

第一作者及机构
本研究由清华大学机械工程系摩擦学国家重点实验室及精密/超精密制造装备与控制北京市重点实验室的Suqin He、Chuxiong Hu、Yu Zhu与卡内基梅隆大学机器人研究所的Weiye Zhao、Changliu Liu合作完成，通讯作者为Chuxiong Hu与Changliu Liu。论文发表于2023年《Robotics and Computer-Integrated Manufacturing》第82卷，文章编号102522。

研究背景与目标
在智能制造领域，机器人需在动态不确定环境中实现安全高效的操作，传统方法因环境不确定性和计算资源限制难以兼顾实时安全性与任务效率。本研究提出分层长短时安全系统（Hierarchical Long Short-Term Safety, HLSTS），通过分层架构协调全局规划与实时安全控制，解决以下挑战：
1. 环境不确定性：包括障碍物状态预测误差和机器人自身跟踪误差；
2. 任务效率低下：短时规划易陷入局部死锁（deadlock）或活锁（livelock）；
3. 实时性要求：有限计算资源下需确保紧急避险响应速度。

研究方法与流程
研究分为设计、理论验证、仿真与实物实验三阶段：

1. 系统设计

   • 长时规划层：采用凸可行集算法（Convex Feasible Set, CFS）生成全局参考轨迹，通过序列化凸优化解决非凸安全约束问题。其核心是将非凸安全约束近似为凸集，迭代求解轨迹优化问题，保证可行性（feasibility guarantee）。
     
   • 短时规划层：基于安全集算法（Safe Set Algorithm, SSA）设计实时控制器，通过安全指数（safety index）将状态空间约束转化为控制空间凸约束，实现高频率（40Hz）应急避险。
     
   • 协调层：提出轨迹插值与修正机制，补偿长时规划的计算延迟，确保两层控制信号同步。
     

2. 理论验证

   • 证明长时规划层始终能生成可行轨迹（全局收敛性）；
     
   • 短时规划层在概率意义上保证安全性（probabilistic safety），即安全指数满足$\dot{\phi} \leq -\eta \phi$时系统状态永不进入危险区域。
     

3. 实验验证

   • 仿真平台：6自由度Yaskawa Motoman GP50机械臂在随机移动障碍物环境中执行目标到达任务，设置3类障碍物预测精度（无预测/局部预测/全局预测）。
     
   • 实物平台：同型号实机测试虚拟球形障碍物避障任务，障碍物速度分三档（0.004–0.04 m/s）。
     
   • 评价指标：任务完成时间$tf$、最小避障距离$d{min}$、关节速度平滑性。
     

主要结果
1. 安全性：短时规划（SSA）显著提升避障性能。在双障碍物场景中，纯长时规划（LT）的$d{min}$平均为-0.0823 m（无预测时碰撞频发），而HLSTS框架下$d{min}$提升至0.0288–0.0465 m（无碰撞）。
2. 效率性：长时规划有效降低死锁风险。双障碍物场景下，纯短时规划（ST）因局部极值导致平均任务时间延长至34.61秒，而HLSTS整合长时规划后缩短至30.73秒（全局预测条件）。
3. 协调性：轨迹修正机制使关节速度波动减少50%（对比ST与HLSTS的方差数据），证明分层协调提升运动平滑性。

结论与价值
1. 科学价值：
- 理论层面，首次证明分层框架下长时规划的全局可行性与短时规划的概率安全性可协同实现；
- 方法层面，CFS与SSA的联合应用为非结构化环境中的机器人控制提供新范式。
2. 应用价值：HLSTS已通过工业级机器人验证，适用于人机协作、自动驾驶等需平衡安全与效率的场景。

创新点
1. 并行架构设计：长时与短时规划层异步运行，突破传统单层控制的保守性局限；
2. 理论保障：严格证明两类规划器的互补性，即长时优化效率、短时保障安全；
3. 工程实用性：协调层设计兼容现有工业控制器，计算延迟仅50ms（标准PC平台）。

其他亮点
- 数据公开：仿真代码与实验数据集开源（未在文中注明具体链接）；
- 扩展性：作者指出HLSTS可扩展至多机器人协作场景，但需进一步研究通信协议优化。

（报告全文约2100字，完整覆盖研究背景、方法、结果与价值，符合学术报告规范。）