无处不在,搜你所想

       以大型空间站、大型空间太阳能发电站、大型空间望远镜等为代表的空间大型结构，是未来空间任务的主要发展方向之一。然而，由于尺度大，空间大型结构不能被火箭或航天器直接带入太空。因此，需要将其分解成多个模块化单元，由运载火箭送入太空，之后再进行在轨组装。而在轨组装是在轨服务（OOS）的一个重要分支，旨在充分利用空间机器人完成空间结构自主组装。在Space: Science & Technology (《空间科学与技术》（英文）)新发表的文章中，同济大学汤奇荣教授研究团队和中国空间技术研究院李德伦研究员等总结了近几十年来太空机器人技术及其在在轨组装技术方面的研究进展，重点阐释了在轨组装的规划、控制方法以及地面实验的现状及发展趋势。

本文隶属于SPACE期刊Space Robot (《空间机器人》) 特刊

Examples of on-orbit assembly       

首先，作者介绍了空间机器人在轨组装的总体研究情况，重点回顾了几十年来国内外对在轨服务技术的研究和实践。目前，空间在轨组装技术已经从人工操作阶段逐渐往自主工作阶段发展，工作方式从简单的辅助航天员操作往自主组装和维护转变，任务场景也从单一的小型物体变成了复杂的大型结构。但是，空间在轨组装技术还不够成熟，更没有达到广泛应用的程度。而且，随着组装过程中物体尺寸变大、柔性振动变强、组装精度变高等特点愈发显著，多机器人协同完成高精度操作的研究亟待深入。

Heterogeneous space robots assemble large space structures on orbit.

   然后，作者综述了空间在轨组装涉及的四种关键技术的发展情况。

针对在轨组装的序列规划，虚拟现实技术提供了如何放置不同零件的一种思路，通过人们与组装过程的虚拟交互，能够更有效地规划组装顺序。另一方面，传统的组装规划方法存在受人为因素影响大的缺点，同时组装结构的日益复杂和组装评价标准的多样化也给组装顺序规划带来了困难。因此，人工智能方法也得到相应发展来弥补这一不足，事实证明智能方法的确能提高组装序列规划的效率和可靠性。

      针对在轨组装的运动规划，其本质是将航天器从状态空间中的一个点移动到另一个点。即航天器在笛卡尔坐标系中的平移和旋转，作者重点讨论了传统的Dijkstra、A* 等算法，以遗传算法、蚁群算法、粒子群算法等为代表的仿生优化算法，以及基于深度学习、强化学习的规划算法的发展。

       针对空间机器人组装任务，作者总结了传统智能算法、机器视觉和神经网络方法等在组装空间桁架结构、空间机器人多任务场景中的应用，并指出空间多机器人协同组装方法正朝着智能化、分布式、强适应性的方向发展。

       针对在轨组装的振动抑制和柔顺控制，太空中的微重力是引起大型结构振动的主要因素；另一方面，在组装过程中存在直接接触，会产生一定的力（力矩），因此也需要进行柔顺控制。目前的柔顺控制方式可以主要分为主动柔顺控制和被动柔顺控制两大类。被动柔顺控制完全依赖于材料特性，不可控且不确定性高。而主动柔顺控制是指通过传感器获取接触力信息，将该信息作为反馈输入给控制器，对机械臂进行反馈控制，以减小接触力，达到柔顺效果。主动柔顺控制包括传统的力-位混合控制、阻抗控制等方法。

       接着，作者介绍了在轨组装的地面演示验证试验的发展情况。地面与太空的最大区别在于是否存在重力，因此如何模拟零微重力条件是地面演示验证的关键。目前，常用的地面试验方法有五种，即气浮法、水浮法、重力补偿法、抛物线法和自由落体法。各国航天局或空间机构均创建了实验室来搭建和集成气浮实验平台和重力补偿实验平台等，目的是完成地面的“天地一致性”实验。

       最后，作者总结了在轨组装面临的三大机遇和挑战：

       第一，在轨组装会更加依赖多机器人的协作，脑控、音控、眼控等智能交互能力将进一步提升；

       第二，在轨组装的自主和智能程度会更高，需要具备更强的自主决策、故障诊断、自我修复、自主规划以及自主学习能力；

       第三，空间机器人的能力向多样化发展，不仅需要具备长距离传输和移动功能，还需要具备完成夹持、旋转、拉拔、切割、连接等高精度、大柔性作业的能力乃至机器人系统重构、任务重构、载荷重构等功能。