基于ROS 的自主家庭陪伴機(jī)器人設(shè)計*

李建勇，趙 靜，劉雪梅，李雪霞

(西北工業(yè)大學(xué)明德學(xué)院，陜西 西安710124)

0 引言

隨著經(jīng)濟(jì)發(fā)展和社會變革，越來越多的年輕人背井離鄉(xiāng)去較遠(yuǎn)的地方工作，留下了留守兒童、空巢老人以及那些行動不便之人等[1-3]。 這些人往往得不到充分的陪伴而感到孤獨(dú)，長此以往將會對他們身體和心里造成很大影響，甚至出現(xiàn)個別自暴自棄以及自殺等情況[4-6]。雖然目前市場上已經(jīng)出現(xiàn)了形式多樣的陪伴機(jī)器人[7]，但是大部分都是兒童陪伴機(jī)器人，如科大訊飛的阿爾法蛋機(jī)器人、優(yōu)必選的悟空機(jī)器人、物靈的盧卡機(jī)器人等，而且只有少部分功能比較強(qiáng)，如本田Asimo 和軟銀Pepper 等仿人機(jī)器人。 這些機(jī)器人要么偏重于兒童早教方面，要么缺乏對老人的陪伴，要么價格比較昂貴等。針對這些問題，本文設(shè)計了一種自主家庭陪伴機(jī)器人。

1 家庭陪伴機(jī)器人總體設(shè)計

由于家庭陪伴中最需要的就是溝通和交流，而溝通和交流的主要方式是語言溝通和肢體語言，因而本文所設(shè)計的家庭陪伴機(jī)器人采用仿人型結(jié)構(gòu)，通過機(jī)器語言進(jìn)行人機(jī)自然語音交流以實(shí)現(xiàn)語言溝通，如語音聊天、語言互動、講故事和唱歌等；通過眼部表情和一雙仿人上肢進(jìn)行肢體交流，如再見、打招呼和抓取東西等；通過UI 并利用機(jī)器視覺和網(wǎng)絡(luò)等功能實(shí)現(xiàn)其他的人機(jī)互動功能。

為實(shí)現(xiàn)以上功能，家庭陪伴機(jī)器人基于ROS 架構(gòu)[8-11]進(jìn)行設(shè)計，其架構(gòu)如圖1 所示。 首先進(jìn)行機(jī)器人本體設(shè)計并在其上安裝實(shí)現(xiàn)上述功能的各種傳感器、控制器和語音交互模塊等設(shè)備，然后搭載嵌入式計算機(jī)系統(tǒng)并以其為核心構(gòu)建自主家庭陪伴機(jī)器人硬件系統(tǒng)，最后在OS系統(tǒng)上按照ROS 架構(gòu)分層設(shè)計軟件以實(shí)現(xiàn)上述功能。

圖1 家庭陪伴機(jī)器人架構(gòu)

圖2 家庭陪伴機(jī)器人實(shí)物

家庭陪伴機(jī)器人本體由頭部、上肢、軀體、下肢和移動底盤等組成，其身高140 cm，自重30 kg，其實(shí)物如圖2所示。 機(jī)器人的頭部、軀體和下肢采用一體成型塑料外殼設(shè)計，其尺寸為：240 mm×460 mm×1 200 mm。 其頭部安裝了眼睛表情屏、攝像頭和語音交互模塊等設(shè)備，軀體上安裝嵌入式計算機(jī)系統(tǒng)、觸摸屏和體感攝像頭等設(shè)備，下肢內(nèi)部走線以使移動底盤和計算機(jī)系統(tǒng)相連接。機(jī)器人上肢參照人體上肢自由度分配和機(jī)器人軀體尺寸進(jìn)行設(shè)計，包括仿人手臂和仿人機(jī)械手兩部分，其長度為450 mm。 左右仿人手臂各有5 個自由度(其中肩部3 個、肘部1 個和腕部1 個)的旋轉(zhuǎn)關(guān)節(jié)并分別由5 個直流伺服電機(jī)進(jìn)行驅(qū)動，左右仿人機(jī)械手各采用1 個直流伺服電機(jī)進(jìn)行驅(qū)動以實(shí)現(xiàn)握拳到伸掌以及相反過程的動作。 移動底盤為鋁合金材質(zhì)，采用兩輪差分驅(qū)動的輪式結(jié)構(gòu)，按照驅(qū)動輪在中間并在底板前后各安裝1 個萬向輪的布置方式使機(jī)器人重心處于中心位置，其尺寸為φ400×200 mm(H)，離地間隙35 mm，自重20 kg，最大有效載荷30 kg。

2 家庭陪伴機(jī)器人硬件系統(tǒng)設(shè)計

家庭陪伴機(jī)器人硬件系統(tǒng)由嵌入式計算機(jī)系統(tǒng)、語音交互模塊、人機(jī)交互模塊、上肢控制模塊、移動控制模塊和電源等組成，其框圖如圖3 所示。

圖3 家庭陪伴機(jī)器人硬件系統(tǒng)框圖

2.1 嵌入式計算機(jī)系統(tǒng)

由于所設(shè)計家庭陪伴機(jī)器人為自主機(jī)器， 需要計算機(jī)具有強(qiáng)大的運(yùn)算和處理能力，因而嵌入式計算機(jī)系統(tǒng)采用NVIDIA 的嵌入式平臺開發(fā)者套件Jetson TX1。 Jetson TX1 是全球首款模塊化超級計算機(jī)，以革命性的NVIDIA Maxwell GPU 架構(gòu)為基礎(chǔ)構(gòu)建，提供每秒超過一萬億次浮點(diǎn)運(yùn)算的性能，具有先進(jìn)的3D 圖形、視頻和圖像處理以及機(jī)器視覺等能力，適用于一切自主機(jī)器的AI 平臺[12]，完全滿足家庭陪伴機(jī)器人的需要。雖然Jetson TX1 接口比較豐富，但只有1 個USB 3.0 和1 個USB 2.0 接口， 因此采用USB HUB 對USB 3.0 接口進(jìn)行擴(kuò)展以滿足搭建硬件系統(tǒng)的需要。 另外由于Jetson TX1 只集成了16 GB eMMC，故采用三星120 GB 的SSD硬盤進(jìn)行擴(kuò)展。

2.2 語音交互模塊

語音交互模塊用來實(shí)現(xiàn)自然語言溝通，但由于Jetson TX1 沒有提供音頻輸入和輸出接口，因而采用迷你小音箱和360°全指向高靈敏拾音器以及外置聲卡組成語音交互模塊，并通過USB 接口與Jetson TX1 進(jìn)行語音輸入和輸出。

2.3 人機(jī)交互模塊

人機(jī)交互模塊主要用來實(shí)現(xiàn)面部識別、體感交互和人機(jī)互動等功能。 在機(jī)器人頭部安裝1 個500 萬像素的高清攝像頭，不僅可用來實(shí)現(xiàn)面部識別，還可以當(dāng)網(wǎng)絡(luò)攝像頭使用。 體感交互主要靠在機(jī)器人胸前安裝的Intel RealSense ZR300 來實(shí)現(xiàn)，其內(nèi)置3D 實(shí)感相機(jī)、魚眼鏡頭和6IMU 等設(shè)備[13]，可以使機(jī)器人進(jìn)行SLAM 來創(chuàng)建室內(nèi)3D 地圖、跟蹤家人和捕獲家中物體，以及識別家人身體手勢來進(jìn)行肢體交流。人機(jī)互動除了語音交互和體感交互之外，還由安裝在頭部的5 英寸液晶屏和胸前的10.1 英寸觸摸屏來實(shí)現(xiàn)。 5 英寸液晶屏用來顯示機(jī)器人的眼睛表情，為其設(shè)計了15 種眼睛表情，如笑、哭、生氣和睡覺等，并由主機(jī)通過串口控制液晶屏來進(jìn)行眼睛表情的變換；10.1 英寸觸摸屏采用2K 畫質(zhì)帶電容觸摸的HDR 屏以滿足Jetson TX1 對顯示器的要求，通過它能為用戶提供非常美觀的UI 操作界面。

2.4 上肢控制模塊

為了減少上肢各個關(guān)節(jié)與控制器之間的連線，各個關(guān)節(jié)都是采用ZX20D 串行總線舵機(jī)進(jìn)行設(shè)計。 左右上肢各有6 個舵機(jī)，按順序串接在一起，并連接串行舵機(jī)控制器，然后經(jīng)USB 接口與Jetson TX1 通信。 每個舵機(jī)都有固定地址，能提供最大20 kg·cm 扭矩，并支持角度回讀，通過串口指令能被Jetson TX1 精確控制來實(shí)現(xiàn)仿人的多種動作以進(jìn)行肢體交流。

2.5 移動控制模塊

移動控制模塊主要由Arduino MEGA2560、12 V 大功率直流電機(jī)、直流電機(jī)驅(qū)動器、編碼器等構(gòu)成閉環(huán)系統(tǒng)[14]，采用500 線編碼器測機(jī)器人左右輪的移動速度，通過Arduino 進(jìn)行PID 控制，使機(jī)器人不僅能精準(zhǔn)移動還能向主控制器輸出機(jī)器人左右輪移動的速度、角度和里程等信息以定位機(jī)器人，并能使用6 個成環(huán)形分布的超聲波傳感器進(jìn)行避障。 同時在底盤上安裝了RPLIDAR-A2激光雷達(dá)，結(jié)合ZR300 進(jìn)行SLAM 和自主導(dǎo)航以及配合上肢實(shí)現(xiàn)肢體交流的動作。

2.6 電源

整個家庭陪伴機(jī)器人采用裝在移動底盤內(nèi)的12 V 10 000 mAh 大電流鋰電池供電，經(jīng)12 V 轉(zhuǎn)19 V 大電流DC/DC 升壓模塊為Jetson TX1 供電，經(jīng)12 V 轉(zhuǎn)6 V 大電流DC/DC 降壓模塊為上肢控制器供電，經(jīng)12 V 轉(zhuǎn)5 V大電流DC/DC 降壓模塊為音箱、USB HUB、Arduino MEGA2560 等供電，同時分別經(jīng)12 V 穩(wěn)壓模塊為觸摸屏和電機(jī)驅(qū)動供電。

3 系統(tǒng)軟件設(shè)計

由于ROS 需要依托OS 系統(tǒng)，首先在Jetson TX1 刷機(jī)安裝Ubuntu16.04 OS 系統(tǒng)和CUDA 8.0，然后再安裝Kinetic 版本的ROS，接著按照家庭陪伴機(jī)器人的架構(gòu)，利用ROS 提供的一些共享資源結(jié)合硬件系統(tǒng)來進(jìn)行軟件分層設(shè)計。 ROS 是一個分布式框架，為用戶提供多節(jié)點(diǎn)（進(jìn)程）之間的通信服務(wù)，所有軟件功能和工具都建立在這種分布式通信機(jī)制上[8-11]。 Jetson TX1 和外圍設(shè)備之間都是采用USB 進(jìn)行連接，在OS 上安裝對應(yīng)的驅(qū)動程序和ROS 需要的庫、功能包和相關(guān)依賴包之后，其所使用的通信機(jī)制、數(shù)據(jù)封裝和解析等都已確定，故中間層（通信層和接口層）幾乎不用改動，系統(tǒng)軟件設(shè)計的重點(diǎn)在于應(yīng)用層(規(guī)劃層和交互層)的設(shè)計。 交互層是實(shí)現(xiàn)人機(jī)交互的接口，規(guī)劃層則是家庭陪伴機(jī)器人實(shí)現(xiàn)各種功能的核心，這些都是通過ROS 提供的功能包按照家庭陪伴機(jī)器人的硬件參數(shù)進(jìn)行修改并以此開發(fā)來實(shí)現(xiàn)的。 交互應(yīng)用在實(shí)現(xiàn)時可能需要幾個獨(dú)立的功能包，也可能交叉使用一些相同功能包，而功能包的模塊都是以節(jié)點(diǎn)為單位運(yùn)行，并通過不同節(jié)點(diǎn)端對端的通信連接關(guān)系來實(shí)現(xiàn)功能。

3.1 語音交互功能

語音交互是家庭陪伴機(jī)器人的必要技能，主要由語音識別、語義理解和語音合成等規(guī)劃層的節(jié)點(diǎn)來實(shí)現(xiàn)，以使機(jī)器人能用中文語言和人進(jìn)行自然語言交流，其流程如圖4 所示。 在開機(jī)之后該功能就處于等待狀態(tài)，當(dāng)通過麥克風(fēng)輸入語音關(guān)鍵詞喚醒機(jī)器人之后，首先使用在線的科大訊飛中文識別對語音進(jìn)行識別并轉(zhuǎn)成字符串文本輸出，然后調(diào)用圖靈機(jī)器人API進(jìn)行基于人工智能的在線語義分析后以文本方式回復(fù)，最后根據(jù)文本內(nèi)容調(diào)用科大訊飛的語音合成將文本轉(zhuǎn)換為語音并經(jīng)音箱輸出，同時使機(jī)器人眼睛同步變換表情或發(fā)送使機(jī)器人進(jìn)行相應(yīng)動作的命令。 用戶通過圖靈機(jī)器人API 提供的智能工具、休閑娛樂和生活服務(wù)等技能滿足語音聊天、兒童娛樂和老人生活等方面的需求。

圖4 語音交互流程

3.2 肢體交互功能

肢體交互主要靠仿人上肢做出類人的肢體動作來實(shí)現(xiàn)，并能結(jié)合語音和眼部表情以和人進(jìn)行交互，采用ROS 提供的MoveIt! 功能包進(jìn)行設(shè)計，其結(jié)構(gòu)框圖如圖5所示。首先根據(jù)機(jī)器人模型和視覺傳感器獲取的環(huán)境信息以及機(jī)器人的初始狀態(tài)等進(jìn)行規(guī)劃場景，然后通過運(yùn)動學(xué)求解和坐標(biāo)變換得到左右仿人上肢姿態(tài)和每個關(guān)節(jié)舵機(jī)轉(zhuǎn)動角度之間的關(guān)系，最后經(jīng)運(yùn)動規(guī)劃通過仿人上肢舵機(jī)控制器控制每個關(guān)節(jié)的舵機(jī)轉(zhuǎn)到相應(yīng)的角度來實(shí)現(xiàn)肢體動作。 在動作過程中，通過舵機(jī)反饋的轉(zhuǎn)動角度以及3D 實(shí)感相機(jī)檢測周圍環(huán)境的變化以避免碰撞。

圖5 肢體交互結(jié)構(gòu)框圖

3.3 自主移動功能

自主移動使機(jī)器人不僅能夠在家里移動過程中避開各種障礙物，還能自動移動到主人面前并能跟隨主人。 移動控制模塊中控制器使用ros_arduino_bridge作為一個ROS 節(jié)點(diǎn)，首先要把自主移動節(jié)點(diǎn)發(fā)送的移動方向、線速度和角速度等參數(shù)消息進(jìn)行解析，得到機(jī)器人左右輪需要移動的線速度、角速度和位移等參數(shù)；然后與編碼器和IMU 所測得機(jī)器人左右輪實(shí)際移動線速度、角速度和位移等姿態(tài)參數(shù)進(jìn)行計算，得到機(jī)器人移動的速度和方向等誤差，通過PID 算法對左右輪電機(jī)轉(zhuǎn)速進(jìn)行精確控制，使機(jī)器人按路徑規(guī)劃的軌跡進(jìn)行移動以及通過超聲波傳感器避障，并把機(jī)器人的線速度、角速度和位移等姿態(tài)參數(shù)向里程節(jié)點(diǎn)發(fā)布消息； 最后經(jīng)自主導(dǎo)航節(jié)點(diǎn)調(diào)用的rgbdslam和move_base 等功能包進(jìn)行室內(nèi)三維地圖創(chuàng)建和自主導(dǎo)航。

3.4 UI 設(shè)計

家庭陪伴機(jī)器人除了與人進(jìn)行語音交互和肢體交互之外，還可以通過為觸摸屏開發(fā)的UI 與人實(shí)現(xiàn)互動，如兒童學(xué)習(xí)、兒童娛樂、老人娛樂和經(jīng)人臉識別的身份驗證等其他功能，其主界面如圖6 所示。 界面采用卡片式布局和子母界面設(shè)計，把這些功能的交互層接口節(jié)點(diǎn)封裝成圖標(biāo)形式進(jìn)行操作，不僅美觀而且操作簡單，便于兒童和老人使用。

圖6 UI 主界面

4 機(jī)器人實(shí)物調(diào)試

在家庭陪伴機(jī)器人實(shí)物搭建完畢之后，主要對機(jī)器人進(jìn)行校準(zhǔn)以及對語音交互和肢體交互等人機(jī)交互功能進(jìn)行測試，其他功能已在軟件系統(tǒng)開發(fā)過程中進(jìn)行了測試。

4.1 機(jī)器人校準(zhǔn)

機(jī)器人校準(zhǔn)主要包括對移動底盤校準(zhǔn)和對仿人上肢運(yùn)動校準(zhǔn)以及對視覺傳感器標(biāo)定等，以保證機(jī)器人運(yùn)動的準(zhǔn)確度和精度。 對移動底盤進(jìn)行多次測量校準(zhǔn)，使其直線移動線速度誤差在2 mm/s 之內(nèi)，最大直線移動速度為1.2 m/s，原地旋轉(zhuǎn)一圈角度誤差低于2°且轉(zhuǎn)動朝向角偏離不超過2°。 仿人上肢運(yùn)動校準(zhǔn)主要是確定左右仿人上肢各關(guān)節(jié)轉(zhuǎn)動范圍，為肢體交互中的運(yùn)功規(guī)劃提供約束條件以避免碰撞，以圖1 中各關(guān)節(jié)位姿為初始位姿(即0°)，各關(guān)節(jié)的動作及對應(yīng)轉(zhuǎn)動角度范圍如表1所示。 視覺傳感器標(biāo)定采用ROS 官方提供的camera_calibration 功能包通過打印的棋盤格標(biāo)定靶分別對頭部攝像頭和胸部ZR300 實(shí)感相機(jī)進(jìn)行了標(biāo)定并消除了圖像畸變現(xiàn)象。

表1 仿人上肢各關(guān)節(jié)動作及轉(zhuǎn)動范圍

4.2 人機(jī)交互功能測試

人機(jī)交互功能測試按照家庭陪伴機(jī)器人的主要功能分別對語音喚醒、語音聊天、肢體交流、語音控制機(jī)器人移動和UI 互動等進(jìn)行10 次測試，測試結(jié)果如表2 所示。在使用語音對機(jī)器人進(jìn)行喚醒、控制機(jī)器人移動、為兒童講故事和為老人播天氣預(yù)報等較短語音交互時，機(jī)器人都能正確識別和語義理解，然而在與機(jī)器人進(jìn)行自然語言的語音聊天過程中，對較長的對話只有1 次理解錯誤，其他9 次都能給出比較滿意的回答，偶有因普通話不標(biāo)準(zhǔn)造成語音識別通不過需要重復(fù)才通過的情況，就語音交互整體而言成功率基本在90%左右，滿足實(shí)際需要。

表2 人機(jī)交互測試結(jié)果

在進(jìn)行語音交互過程中，都能順利觸發(fā)眼睛表情和仿人上肢進(jìn)行肢體交互，測試過程如圖7 所示。 圖7(a)為機(jī)器人打招呼，在人和機(jī)器人語音打招呼過程中，其右上臂向上抬起，右肘彎曲使小臂抬起，右手呈半握狀，通過小臂前后晃動實(shí)現(xiàn)打招呼，同時眼睛變換成微笑表情以及在觸摸屏?xí)@出語音圖標(biāo)和相應(yīng)的一些文字；圖7(b)和圖7(c)為和人說再見的肢體互動，與打招呼的區(qū)別在于右手指完全伸直和左右晃動小臂以及顯示文字不同；圖7(d)為機(jī)器人握球互動實(shí)驗，驗證機(jī)器人的抓取能力。 另外其他測試項目都是通過UI進(jìn)行操作，在10 次測試過程中都能順利完成。 通過這些測試，表明家庭陪伴機(jī)器人基本實(shí)現(xiàn)其主要功能，達(dá)到設(shè)計要求。

圖7 肢體交互測試過程

5 結(jié)束語

經(jīng)實(shí)物測試，本文基于ROS 框架設(shè)計的一種自主家庭陪伴機(jī)器人不僅實(shí)現(xiàn)了能和人進(jìn)行自然語音交流，還能肢體交流以及通過UI 交互，達(dá)到設(shè)計要求，驗證了該家庭陪伴機(jī)器人設(shè)計方案合理，能滿足日常家庭的陪伴工作。 但目前肢體交流和眼睛表情互動樣式有些少，同時UI 為兒童學(xué)習(xí)娛樂和老人娛樂提供內(nèi)容比較少，下一步將會在此基礎(chǔ)上繼續(xù)開發(fā)更多樣式和提供更多資源， 爭取做到使仿人機(jī)械手的每個手指能單獨(dú)動作，從而使該機(jī)器人具有自己獨(dú)特的性能以勝任更多家庭方面的工作。