Изилдөө, insansı бир robotun эки koluyla бир tepsiyi kavrayıp үстүндө serbest duran nesneleri düşürmeden же devirmeden uzaktan taşıması sırasında ortaya çıkan бир ишенимlik problemini ele alıyor. Бул жердеки “nonprehensile transportation”, taşınan nesnelerin robot tarafından бир бир kavranmadığı; sürtünme, yerçekimi жана atalet kuvvetleri колдонуу менен бир tepsi же taşıyıcı yüzey үстүндө dengede tutulduğu taşıma biçimini ifade ediyor. Бул görevde robotun eklem жана изилдөө alanı sınırları менен tepsideki nesnelerin kaymama жана devrilmeme шарттары ошол эле anda sağlanmak zorunda.

Изилдөөчүлөр бул çatışan gereksinimleri бир гана ири optimizasyon problemine koymak ордуна Multiple-Constraint Safety-Critical Control Framework (MC-SCCF) аттуу үч катмарлуу бир архитектура oluşturuyor. Üst катмар, robot изилдөө alanının sınırına yaklaşırken operatörün hız komutunu ишенимli түрдө filtreliyor. Orta катмар, tepsi üzerindeki nesnelerin kaymasını жана devrilmesini önleyecek жайгашуу–yönelim bağlantılı referans hareketini Модель Predictive Control (MPC) менен oluşturuyor. Alt катмар болсо QP негизиндеги ters кинымдуулукatik kullanarak çift kol koordinasyonu, eklem sınırları, tekillikten kaçınma, öz-çarpışma önleme жана bel düzenlemesini бирге yönetiyor.

Изилдөө alanı erişilebilirliğini реалдуу убакыттагы баалооk үчүн ар бир kol үчүн мурунden түзүлгөн ayrık erişilebilirlik haritaları, толук bağlı бир sinir ağıyla sürekli жана türevlenebilir бир vekil modele dönüştürüldü. Бир milyon rastgele çift-kol максат pozu үстүндө сунушталган erişilebilirlik karar механизмиnın genel doğruluğu %97,86, precision мааниси %97,60 жана орточо sorgu мөөнөтү 60 µs катары bildirildi. Ayrıntılı изилдөө alanı sınırı aramasında 10.000 test үчүн орточо mesafe sapması 2,26 cm, орточо hesaplama мөөнөтү болсо 1,18 ms oldu.

Fiziksel deneylerde 10 колдонуучу, çift kollu insansı robotla tepsi üzerindeki 14 nesneyi бир engelin аркылуу geçirerek максат аймакye taşımaya çalıştı. Ар бир katılımcı үч kontrol modunu төрт жолу kullandı жана жалпы 120 данымдуулукe реалдууleştirildi. Сунушталган MC-SCCF жана standart doğrusal CBF modu %100 тапшырма ийгиликsına ulaşırken ишенимli hız фильтри olmayan No-SVF modu %82,5 ийгилик gösterdi. MC-SCCF'nin орточо тапшырма мөөнөтү 76,8 saniye iken standart CBF'да 103 saniyeydi. No-SVF modunda жалпы nesne kayması 121 mm; standart CBF'да 57,8 mm; MC-SCCF'да 60,9 mm oldu.

Бул жыйынтыктар MC-SCCF'nin test edilen sabit негизиндеги insansı robot жана белгилүү taşıma görevi астында ишенимlik менен изилдөө akıcılığı арасында ийгиликтүү бир denge kurabildiğini көрсөтөт. Ошентсе да изилдөө гана 10 katılımcı, бир robot платформасы жана бир негизги тапшырма düzeni kullanıyor; mobil taban, yürüyüş, бүткүл-vücut denge kontrolü жана модель ичинде ачык iletişim кечигүүsi doğrulanmamıştır. Жыйынтыктар бүткүл insansı robot platformlarına же бүткүл teleoperasyon görevlerine түздөн-түз genelleнымдуулукez.

Түркия жагынан ыкма; tehlikeli madde taşıma, uzaktan endüstriyel müdahale, afet sahası robotları же insanın түздөн-түз yaklaşmasının riskli болгону orтолукlardaki robotik manipülasyon изилдөөları үчүн teknik açıdan incelenebilir. Бирок изилдөө Türkiye'deki бир талаа, işletme же robot платформасыnda yapılmamıştır. Yerel колдонмода robot кинымдуулукatiği үчүн erişilebilirlik haritalarının yeniden oluşturulması, kullanılacak nesnelerin sürtünme жана geometrik parametrelerinin yeniden belirlenmesi жана реалдуу iletişim кечигүүleriyle талаа ырастооsı керек.

Kavramasız taşıma эмне үчүн klasik robot taşımadan дагы zor?

Klasik kavramada nesne parmaklar же бир mekanik tutucu tarafından fiziksel катары sıkıştırılır. Kavramasız taşımada болсо nesne çoğu zaman гана бир tepsinin же düz yüzeyin үстүндө durur. Демек nesne менен robot арасында onu түздөн-түз sabitleyen mekanik бир bağlantı bulunmaz.

Robot hızlandığında nesne үстүндө atalet kuvveti oluşur. Yanal ivme өтө yüksekse nesne kayabilir. Tepsi fazla yatırılır же açısal ivme kontrolsüz değişirse nesne devrilebilir. Ошондуктан robotun жайгашуусу, hızı, doğrusal ivmesi, tepsi yönelimi жана açısal ivmesi birbirinden көз карандысыз kontrol değişkenleri değildir.

Aynı anda insansı robotun kendi fiziksel sınırları да vardır: kol eklemleri sınıra ulaşmamalı, эки kol birbirine же gövdeye çarpmamalı, robot tekil кинымдуулукatik duruma girmemeli жана эки uç efektör tepsiyi taşırken birbirine ылайык sabit pozunu корголгонdır.

Эмне үчүн бүткүл kısıtlar бир optimizasyon problemine konmamış?

Изилдөөnın негизги iddiası, изилдөө alanı sınırı менен nesne dinamiğinin түздөн-түз ошол эле seviyede çatıştırılmasının sorun yaratabileceğidir. Robot sınırına birden ulaştığında klasik sert sınır колдонмоsı hızda же ivmede keskin değişime эмне үчүн болушу мүмкүн. Robotun kendisi korunurken tepsinin üzerindeki nesne бул ani hareket nedeniyle kayabilir же devrilebilir.

Ошондуктан MC-SCCF kısıtları fiziksel rollerine ылайык үч катмарa ayırıyor:

Өркүндөтүлгөн CBF эмне үчүн klasik doğrusal CBF'den ар түрдүү?

Control Barrier Function (CBF), системасыn izin verilen ишенимli kümenin dışına çıkmasını engellemek үчүн kontrol girdisini sınırlayan matematiksel бир ишенимlik механизмиdır. Изилдөөда ишенимli küme:

\[ C=\{x\in\mathbb{R}^n \mid h(x)\geq0\} \]

катары tanımlanıyor. Бул жерде \(h(x)\), nesnenin учурдагы hareket doğrultusunda yaklaşmakta болгону изилдөө alanı sınırına kalan mesafedir.

Негизги bariyer koşulu:

\[ \dot{h}(x)\geq-\alpha(h(x)) \]

түрүндө. Klasik doğrusal ыкмада \(\alpha(h)=\gamma h\) seçilir. Бул yapı sınır жакынında ишенимlidir; бирок robot жогорку hızla sınıra yaklaşırken kısıt etkinleştiği anda жогорку ivme tepesi oluşturabilir. \(\gamma\) küçültülürse бул tepki yumuşar бирок robot sınırdan өтө дагы erken yavaşlamaya başlar.

Изилдөөда сунушталган parça-bazlı fonksiyon:

\[ \alpha(h)= \begin{cases} \sqrt{2a_{\max}(h-0.5h_t)}, & h\geq h_t\\ \gamma h, & 0\leq h<h_t \end{cases} \]

жана эки parçanın kesintisiz bağlanması үчүн:

\[ \gamma=\sqrt{\frac{a_{\max}}{h_t}} \]

koşulu kullanılıyor.

\(a_{\max}\), izin verilen maksimum yavaşlama ivmesi; \(h_t\) болсо sabit yavaşlama davranışından doğrusal CBF аймакsine geçiş mesafesidir. Изилдөөчүлөрın ispatına ылайык bariyer etkin болгону sürece yavaşlama ivmesinin көлөмү \(a_{\max}\)'ı aşmıyor.

İki aşamalı yavaşlama ne anlama geliyor?

Система sınırdan görece uzaktayken sabit ivme sınırlı yavaşlama uygulanıyor. Sınırın өтө жакынına gelindiğinde doğrusal CBF аймакsine geçiliyor жана hız üstel түрдө sıfıra yaklaşıyor. Ошентип robotun sınırda ani durması ордуна kontrollü түрдө yavaşlaması amaçlanıyor.

Жогорку başlangıç hızı үчүн булакta verilen teorik fren mesafesi:

\[ D_{dec}= \frac{\|\dot{x}\|^2}{2a_{\max}}+ \frac{1}{2}h_t \]

катары tanımlanıyor. Başlangıç hızı \(\sqrt{a_{\max}h_t}\) eşiğinin altındaysa гана üstel жакынsama аймакsi kullanılıyor:

\[ D_{dec}= \|\dot{x}\| \sqrt{\frac{h_t}{a_{\max}}} \]

Бул formüller гана hareket doğrultusunun sabit kaldığı varsayım астында verilen fren mesafesi ilişkileridir.

Robot sınırın nerede болгонун кантип biliyor?

Çift kollu insansı robotlarda бир kolun erişebildiği бир noktanın эки kol tarafından ошол эле anda erişilebilir olması garanti değildir. İki kolun максат pozları birbirine bağlıdır жана bel konfigürasyonu эки kolun erişilebilirliğini ошол эле anda değiştirir.

Изилдөөчүлөр бул nedenle ар бир kol үчүн үч boyutlu бир ayrık erişilebilirlik haritası oluşturdu. Konum uzayı 5 cm kenar uzunluğuna sahip voxel'lere ayrıldı. Ар бир voxel жайгашуунунда 40 ар түрдүү dönme ekseni жана 18 ар түрдүү açı колдонуу менен 720 yönelim sorgulandı.

Ар бир kol үчүн başlangıçta 68.921 uzaysal örnek bulundu. Sıfır erişilebilirliğe sahip noktalar çıkarıldıktan кийин sol kol үчүн 30.757, sağ kol үчүн 30.753 geçerli örnek kaldı. Bunlar %70 eğitim жана %30 ырастоо катары bölündü.

Erişilebilirlik sinir ağı кантип kurulmuş?

Diferansiyellenebilir vekil модель үч boyutlu uç-efektör жайгашуунунu girdi катары alıp sürekli бир erişilebilirlik puanı üreten толук bağlı sinir ağıdır.

11. sayfadaki Сүрөт 3, реалдуу ayrık erişilebilirlik yüzeyi менен ağın sürekli болжолуni ар түрдүү kesitlerde üst üste көрсөтөт. Булак, gösterilen kesitlerde шайкештик катасыnın 0,15'ten кичинекей болгонун belirtiyor.

Bel eklemi erişilebilirlikte кантип kullanılıyor?

Vekil модель türevlenebilir болгону үчүн максат жайгашуунун кайсы yönde дагы erişilebilir hale geldiğini gösteren \(\nabla\hat{R}(P)\) gradyanı hesaplanabiliyor. Изилдөөчүлөр бул gradyanı sanal бир çekim kuvveti сыяктуу kullanarak bel konfigürasyonunu iteratif түрдө güncelliyor.

Sol жана sağ kolun erişilebilirlik gradyanları ilgili bel Jacobian'ları аркылуу bel eklemine aktarılıyor. İterasyon жакынsadığında elde edilen bel konfigürasyonu реалдуу ayrık erişilebilirlik haritasında yeniden sorgulanıyor. Ошентип sinir ağı son “реалдуу erişilebilirlik kararı” ордуна hızlı бир arama yönlendiricisi катары kullanılıyor.

Predicted Stopping Pose эмне үчүн эсептелет?

Изилдөө alanı sınırının толук mesafesini ар бир kontrol çevriminde aramak gereksiz hesaplama yaratabilir. Ошондуктан robot мурун учурдагы hızından ишенимli түрдө fren yaparsa ulaşacağı Predicted Stopping Pose (PSP) жайгашуунунu hesaplıyor.

PSP hâlâ erişilebilirse sınır araması yapılmıyor. PSP erişilemezse учурдагы жайгашуу менен болжолу durma noktası arasındaki doğrultuda bisection araması başlatılıyor жана изилдөө alanı sınırı болжол менен катары bulunuyor.

Tepside өтө сандагы nesne кантип бир modele indirgeniyor?

Orta катмарда изилдөөчүлөрın дагы мурун geliştirdiği sanal nesne ыкмасы kullanılıyor. Tepsideki реалдуу nesneler арасында en кичинекей taban boyutu, en ири yükseklik жана en төмөн sürtünme katсаны seçiliyor. Бул parametrelerle реалдуу nesnelerden дагы kararsız olacak түрдө бир “virtual offset object” oluşturuluyor.

Mantık şudur: en olumsuz өзгөчөлүктөрдү taşıyan бул sanal nesne kaymıyor жана devrilmiyorsa tepsideki реалдуу nesnelerin да ишенимli kalması максатlenir.

Sanal nesne ошол эле anda sürtünme konisi жана Zero Moment Point (ZMP) kısıtını sağlamalıdır. Булак бул эки koşulu referans nesnenin izin verilen açısal ivmesine indirger:

\[ \|\dot{\Omega}\| \leq \min \left( \frac{\|\ddot{x}-g\|}{\|P_A\|}\sin\theta_0,\, \frac{\|\ddot{x}-g\|d} {2J_{\max}+\|P_A\|\sqrt{d^2+h^2}} \right) \]

Бул жерде \(d\) sanal nesnenin taban kenarı, \(h\) yüksekliği, \(\mu\) minimum sürtünme katсаны, \(\theta_0=\arctan\mu\), \(P_A\) sanal ofset uzaklığı жана \(J_{\max}\) maksimum atalet momentidir.

MPC эмне үчүн беш integratör kullanıyor?

İnsan operatörün el hareketinden келген komut жогорку mertebeden düzgünlük taşımayabilir. Buna karşılık tepsinin yönelimi doğrusal ivmeye, açısal ivmesi болсо жайгашуунун дагы жогорку türevlerine bağlıdır.

Ошондуктан orta катмарdaki MPC'nin durum vektörü жайгашуу, hız, ivme, üçüncü türev жана dördüncü türeve kadar genişletilmiş; kontrol girdisi болсо жайгашуунун beşinci türevi катары seçilmiştir. Amaç гана максат жайгашуусу izlemek эмес, nesneyi devirebilecek жогорку mertebeden ani değişimleri да sınırlamaktır.

Alt катмар robotun кайсы ишенимlik шарттарыnı koruyor?

Alt катмар, каралган tepsi hareketini robot eklem hızlarına айландыратken беш негизги koşulu ele alıyor:

• Tepsinin жайгашуу жана yönelimini izleme,
• İki uç efektörün birbirine ылайык sabit pozunu koruma,
• Manipulability маанисиni ишенимli alt sınırın үстүндө tutarak tekillikten kaçınma,
• Eklem fiziksel sınırlarını koruma,
• Yapay potansiyel alan менен öz-çarpışmayı önleme.

Manipulability үчүн колдонулган ишенимlik koşulu:

\[ \dot{M}(q) \geq -\lambda_M \left( M(q)-M_{\min} \right) \]

түрүндө. Ошентип \(M(q)\) маанисиnin belirlenen ишенимlik eşiğinin altına geçmemesi көздөлөт.

Изилдөө колдогон жыйынтыктар

• Diferansiyellenebilir erişilebilirlik vekil modeli çift-kol максат pozu sorgularında жогорку doğruluk жана өтө төмөн hesaplama мөөнөтү sağlamıştır.
• Сунушталган изилдөө alanı sınırı araması орточо milisaniye düzeyinde çalışmıştır.
• İvme sınırlı parça-bazlı CBF, simülasyonda klasik doğrusal CBF'nin “erken жана konservatif frenleme / жогорку ivme” ödünleşimini azaltmıştır.
• MC-SCCF, fiziksel teleoperasyon deneylerinde %100 тапшырма ийгиликsı sağlamıştır.
• MC-SCCF, standart doğrusal CBF'ye ылайык дагы kısa орточо тапшырма мөөнөтүne ulaşmıştır.
• Güvenli hız фильтри колдонулган эки modda nesne kayması No-SVF moduna ылайык belirgin түрдө дагы төмөн маалымдалган.
• Alt катмар kontrolörü deney sırasında жогорку hassasiyetli çift-kol göreli poz жана yörünge takibi sağlamıştır.

Изилдөөнүн desteklemediği же test etmediği жыйынтыктар

• MC-SCCF'nin бүткүл insansı robotlarda ошол эле ийгиликyı sağlayacağı gösterilmemiştir.
• Mobil taban hareketi же yürüyen бүткүл-vücut insansı robotla бирге ырастоо yapılmamıştır.
• İletişim кечигүүsinin kontrol modeli ичинде ачык түрдө telafi edildiği gösterilmemiştir.
• 10 kişilik колдонуучу изилдөөsı geniş operatör popülasyonunun temsilî örneklemi değildir.
• Үч mod arasındaki davranışsal айырмаların istatistiksel anlamlılığı үчүн p-мааниси же etki көлөмү raporlanmamıştır.
• Vekil erişilebilirlik modeli robotlar арасында түздөн-түз taşınabilir değildir; robot кинымдуулукatiği değiştiğinde harita жана modelin yeniden oluşturulması керек.
• Nesnelerin толукamen hiç kaymadığı gösterilmemiştir; изилдөө kaymayı ölçmüş жана azaltmıştır.
• Ар башка yüzey sürtünmeleri, өтө дагы ağır yükler же өтө дагы karmaşık динамикалык sahnelerde ошол эле жыйынтыктар doğrulanmamıştır.

Изилдөөнүн ыкмасы жана жыйынтыктары

Erişilebilirlik belirleme testi

Сунушталган erişilebilirlik algoritması, реалдуу маани катары kabul edilen кеңири bel konfigürasyonu taramasıyla karşılaştırıldı. Tepsi genişliği 25–80 cm арасында değişen жана rastgele yönelimlere sahip 1.000.000 максат tepsi pozu, bel tabanı merжолуli 1,5 m yarıçaplı uzay ичинде üretildi.

Бул matristen булакta hesaplanan precision %97,60, genel doğruluk болсо %97,86'dır.

Hız айырмасы ne kadar?

Сунушталган ыкма son erişilebilirlik kararını гана sinir ağı болжолуnden vermiyor; vekil модель bel aramasını yönlendiriyor жана karar реалдуу ayrık erişilebilirlik haritasındaki en жакын komşu sorgusuyla толукamlanıyor.

Изилдөө alanı sınırı testi

10.000 rastgele başlangıç жайгашуусу жана hareket yönüyle реалдууleştirilen sınır aramasında predictive stopping pose pruning devre dışı bırakılmış жана түздөн-түз bisection performansı текшерилген.

Булак, sınır sapmasının ири ölçüde 5 cm'lik ayrık erişilebilirlik haritası çözünürlüğüyle sınırlı болгонун belirtiyor жана mühendislik колдонмоsında аныктоо edilen sınırdan 4,5 cm ишенимlik payı çıkarılmasını öneriyor.

CBF simülasyonu

Robot 0,5–0,9 m/s başlangıç hızlarında изилдөө alanı sınırına туура hareket ettirilmiştir. Булактаки Сүрөт 7'да klasik doğrusal CBF'lerde hız arttıkça maksimum eğim açısı жана fren mesafesi artarken өркүндөтүлгөн CBF'да maksimum eğim açısının hıza bağımlılığı belirgin түрдө azaltılmıştır.

Сүрөт 7'deki çizgi noktaları булак metninde сандык таблица катары verilmediğinden бул görselden göz kararı kesin ara маанилер türetilmemiştir.

Fiziksel robot платформасы

Deneylerde özel өркүндөтүлгөн çift kollu insansı robot kullanıldı. Robotun эки kolu да жети serbestlik dereceli SRS antropomorfik manipülatördür жана robot paletli бир mobil taban üzerindedir. Бирок deney sırasında mobil taban hareket ettirilmemiştir.

Operatör, CyberSystem el kumandasıyla bileğinin үч boyutlu жайгашуунунu системаe gönderdi. İnsan hareketi robotun дагы geniş изилдөө alanına aktarılırken жайгашууsal hareket 4 kat ölçeklendirildi. Ayak pedalı clutch görevi görerek operatörün kolunu yeniden rahat бир pozisyona almasına izin verdi.

Реалдуу taşıma görevi

24. sayfadaki Сүрөт 9, robotun tepsiyi ilk жайгашууdan kaldırıp giderek yükselttiğini, önündeki fiziksel engeli aştığını, ardından tepsiyi indirerek максат noktaya bıraktığını сегиз ardжарык fotoğrafla көрсөтөт.

Tepsi 560 × 375 × 80 mm boyutlarındaydı. Üzerine vazo, su şişesi, ahşap blok жана cam eşya сыяктуу жалпы 14 nesne rastgele yerleştirildi. Nesnelerin yüksekliği 100–235 mm arasındaydı.

Deneyde nesnelerin жайгашуусу kontrol döngüsüne geri beslenmedi. Üstten bakan ayrı kamera üzerlerindeki işaretleri гана deney кийинsı/жыйынтык analizi үчүн izledi; nesnelerin kayma mesafesi бул yolla ölçüldü. Демек система nesne kaymasını kamera аркылуу реалдуу убакыттагы kapalı çevrim düzelten бир kontrol системасы değildir.

İnsan deneyi кантип yapıldı?

Изилдөөya 10 kişi katıldı. Dokuzu erkek, biri kadın; төрт katılımcının дагы мурун teleoperasyon deneyimi vardı. Ар бир katılımcıya görevden мурун болжол менен 40 dakika система tanıtımı жана alıştırma yapıldı.

Ар бир kişi үч kontrol modunun ар бир birini төрт жолу kullandı:

1. No-SVF: Üst катмар ишенимli hız фильтри yok; sert изилдөө alanı sınırları kullanılıyor.
2. CBF: Standart doğrusal CBF, γ=1,5.
3. MC-SCCF: Сунушталган ivme sınırlı өркүндөтүлгөн CBF жана бүткүл үч катмарлуу алкак.

Toplam deney саны 10 × 3 × 4 = 120 данымдуулукe oldu.

Тапшырма ийгиликsı

No-SVF ийгиликsızlıklarının булакta ters кинымдуулукatik çözümü bulunamaması sonucu acil durma менен nesne kayması/devrilmesine bağlı болгону belirtilmiştir. Güvenli hız фильтри bulunan эки modda бул deney düzeneğinde тапшырма ийгиликsı %100 olmuştur.

Güvenlik менен hız арасында кантип бир айырма oluştu?

Standart CBF en төмөн nesne kaymasını sağlamasına rağmen en uzun тапшырма мөөнөтүne, en жогорку filtre колдонулушуna жана en fazla duraklamaya sahipti. Изилдөөчүлөр bunu doğrusal CBF'nin operatör komutunu дагы erken жана дагы sık bastırmasıyla ilişkilendiriyor.

MC-SCCF'nin nesne kayması standart CBF'den 3,1 mm дагы жогорку olmasına karşın тапшырма мөөнөтү 26,2 saniye дагы kısaydı. Бул эки айырма булак маалыматтарыnden түздөн-түз hesaplanabilir; бирок изилдөө bunlar үчүн istatistiksel anlamlılık testi vermemektedir.

Operatörler кайсы modu дагы rahat buldu?

Öznel баалооler 1–7 arası Likert ölçeğiyle yapıldı жана бүткүл ölçütlerde жогорку puan дагы olumlu deneyimi ifade etti.

No-SVF түздөн-түз operatör komutunu uyguladığı үчүн en жогорку sezgisellik puanını aldı. Buna karşılık MC-SCCF тапшырма kolaylığı, төмөн bilişsel yük жана gelecek тапшырма ишенимдиnde en жогорку орточоları verdi. Standart CBF'nin sezgisellik puanı en төмөн kaldı.

Бул маанилер katılımcıların betimsel öznel баалооleridir; булак modlar arası istatistiksel anlamlılık testi raporlamamaktadır.

Alt seviye kontrol ne kadar hassastı?

Булактын Сүрөт 12'sinde seçilmiş бир MC-SCCF deney koşusunun болжол менен 80 saniyelik kontrol değişkenleri gösteriliyor. Turuncu/kırmızı düşey аймакler operatörün durakladığı döнымдуулукleri temsil ediyor.

Бул performans маанилери бүткүл 120 данымдуулукenin dağılımını temsil eden toplu бир istatistik таблицаsu değildir; булак бул график үчүн MC-SCCF modundaki seçilmiş бир deney koşusunu kullandığını belirtmektedir.

Изилдөөнүн негизги чектөөлөрı

• Robotun paletli mobil tabanı fiziksel deney sırasında hareket ettirilmemiştir.
• Yürüyüş жана бүткүл-vücut denge kontrolü MC-SCCF менен бирге doğrulanmamıştır.
• Çift-kol erişilebilirlik modeli robotun оригиналдуу кинымдуулукatiğine bağlıdır.
• Robot değiştirildiğinde erişilebilirlik haritasının жана vekil modelin yeniden oluşturulması керек.
• 5 cm voxel çözünürlüğü изилдөө alanı sınırı hassasiyetini sınırlamaktadır.
• İletişim жана kontrol кечигүүleri тапшырма dinamiğinin ачык бир parçası катары modellenmemiştir.
• Kullanıcı изилдөөsı 10 katılımcı менен sınırlıdır.
• Mod салыштыруулары үчүн çıkarımsal istatistiksel anlamlılık testleri raporlanmamıştır.
• Whole-body humanoid системаларда дагы жогорку DoF жана дагы ири QP problemleri үчүн ölçeklenebilirlik ayrıca araştırılmalıdır.

Булак жана ыкма жөнүндө эскертүү

Özgün изилдөө: Humanoid Robot Teleoperation for Nonprehensile Transportation: A Multiple-Constraint Safety-Critical Control Framework.

Авторлор жана sıraları: Xinyang Fan; Fenglei Ni.

Sorumlu yazar: Fenglei Ni. Булакта eş birinci же eş katkı beyanı жок.

Kurum: State Key Laboratory of Robotics and Systems, Harbin Institute of Technology, Harbin, China.

Журнал: Machines. Басма: MDPI. Cilt: 14. Макала: 637. Yayın tarihi: 1 Haziran 2026. DOI: 10.3390/machines14060637. Resmî bağlantı: https://doi.org/10.3390/machines14060637

Булак түрү жана рецензияланганk durumu: Hakem баалооsinden geçmiş изилдөө макалаsidir. Изилдөө 16 Nisan 2026'да alınmış, 19 Mayıs 2026'да revize edilmiş жана 28 Mayıs 2026'да kabul edilmiştir.

Лицензия: Creative Commons Attribution (CC BY) ачык erişim lisansı.

Каржылоо: National Natural Science Foundation of China, Basic Science Center Program for “Space Robot Intelligent Manipulation”, Grant No. T2388101.

Etik: İnsan katılımcılı teleoperasyon protokolü Harbin Institute of Technology Medical Ethics Committee tarafından HIT-2025013 numarasıyla onaylanmış; бардык katılımcılardan bilgilendirilmiş onam alınmıştır.

Маалымат жеткиликтүүлүгү: Изилдөөнүн оригиналдуу katkılarının жана маалыматтарыn макала ичинде bulunduğu, ek soruların sorumlu yazara yöneltilebileceği belirtilmiştir.

Кызыкчылыктардын кагылышы: Авторлор çıkar çatışması болбогонун beyan etmektedir.

Автордук салымдар: Каржылоо edinimi, metodoloji жана gözden geçirme/düzenleme Fenglei Ni; yazılım жана ilk taslak Xinyang Fan tarafından реалдууleştirilmiştir.

Бул Verianla metnindeki kontrol архитектурасы, CBF denklemleri, erişilebilirlik modeli, simülasyon шарттары, fiziksel robot deneyleri, колдонуучу жыйынтыктарı жана чектөөлөр гана incelenen изилдөөya dayanmaktadır. Сырткы bibliyoграфик kontrol гана жарыялоо идентификациясыnin doğrulanması үчүн kullanılmış; dışarıdan жаңы deneysel performans же bilimsel жыйынтык eklenmemiştir.

Булакта ыкма adı bazı жыйынтык paragraflarında жана Таблица 7'да “MS-SCCF” катары yazılmıştır; макаланын başlık, кыскача мазмун, ыкма жана негизги tanımlarındaki ыкма adı “MC-SCCF” olduğundan Verianla metninde негизги teknik ad MC-SCCF катары korunmuştur. Бул ар түрдүүlık булак ички yazım tutarsızlığıdır.

Булактын kısaltmalar bölümünde CBF yanlışlıkla “Directory of open access journals” түрүндө açılmıştır. Изилдөөнүн teori, formüller, ыкма жана булак literatürü CBF'yi ачык түрдө “Control Barrier Function” anlamında kullanmaktadır. Булак катасы görünür түрдө эскертүү edilmiş жана teknik açıklamada туура kavram колдонулган.

Булакта изилдөө alanı sınırı ырастооsındaki бир ички bölüm referansı “Section 5.1” катары görünmektedir; erişilebilirlik belirleme algoritması болсо esasen Bölüm 3.3.1'да açıklanmaktadır. Бул editoryal referans uyuşmazlığı sessizce düzeltilmiş бир bilimsel жыйынтык сыяктуу sunulmamıştır.

İnsan deneyi гана 10 katılımcı жана бир негизги taşıma senaryosuyla реалдууleştirilmiştir. Изилдөө modların орточо, standart sapma жана тапшырма metriklerini raporlamakla бирге modlar arasındaki айырмаlar үчүн p-мааниси же башка бир çıkarımsal anlamlılık analizi vermemektedir. Ошондуктан колдонуучу deneyimi жыйынтыктарı изилдөө örneklemi жана тапшырма düzeni sınırları ичинде жоромолlanmalıdır.