Мобильный манипулятор

В качестве мобильной базы могут использоваться как классические автоматизированные транспортные системы, так и автономные мобильные роботы. Преимуществом последних является возможность свободной автономной навигации, что позволяет поддерживать манипулятор при возникновении проблем (объект вне досягаемости, невозможность манипуляции с текущей позиции, изменение положения обрабатываемых деталей и др.), а не просто перемещать его между фиксированными позициями.

Манёвренность платформы играет ключевую роль. В отличие от АГВ, мобильный робот может динамически перемещаться к назначенным позициям. Классическая дифференциальная кинематика ограничивает манёвры особенно рядом с рабочими станциями, из-за чего приходится прибегать к маневрированию. Всё большее распространение получают всенаправленные приводы.

Если мобильный манипулятор должен эффективно перемещать объекты, он должен быть оснащён подходящими полками или площадками для размещения. Подобные конструкции также позволяют менять охват объекта без использования второй руки (например, чтобы открыть бутылку пива, её приходится сначала поставить, сменить хват и затем налить). Более крупные платформы делают работу робота в принципе эффективнее, но усложняют его навигацию.

Использоваться может как промышленный робот, так и специально разработанная рука. В последние годы благодаря коммерческому выходу небольших и лёгких роботизированных рук, необходимость в самостоятельной разработке собственных манипуляторов значительно снизилась. Типичное количество степеней свободы роботизированных рук зависит от сложности задач: 4—5 используются для простых операций (например, перекладки на плоскости), 6 — для стандартных задач манипуляции, а 7 — для работы в сложных и загромождённых средах, где требуется обход препятствий^[1].

Эндэффектор подбирается в зависимости от объекта манипулирования. Антропоморфные хвататели с несколькими подвижными пальцами вышли за рамки исключительно исследовательских проектов и применяются коммерчески в сервисной робототехнике и на производстве (например, решения от INSPIRE-ROBOTS и SCHUNK)^[2]. Для работы с хрупкими объектами и предметами произвольной формы используются различные типы мягких и универсальных захватов, включая пневматические, вакуумные и адгезивные^[3][4].

Для манипулирования объектами мобильному манипулятору почти всегда требуется система компьютерного зрения. Даже если выполняются лишь заранее запрограммированные движения, необходимо учитывать расхождение между текущим и изначальным положением платформы. Для выполнения задач, требующих замены человеческого труда, робот должен справляться и с неупорядоченными деталями (hand bin picking), и с переменными позициями объектов. Для распознавания блестящих и металлических деталей при роботизированной выемке применяются технологии структурированного света и активного стереозрения. Структурированный свет позволяет формировать плотные облака точек, а активное стереозрение эффективно справляется с отражающими поверхностями, избегая засветов^[5][6]. Для компенсации дрейфа и вибраций платформы во время движения манипулятора используются методы визуального оперирования (Visual Servoing). Из-за отсутствия стандартных библиотек для динамической коррекции траектории применяются индивидуальные разработки, такие как интеграция пользовательских узлов в среде ROS или создание специализированных программных архитектур^[7].

Управление мобильными роботами и манипуляторами отдельно развивается давно. При объединении же двух систем резко возрастает количество возможных ошибок, что требует внедрения дополнительного координирующего управления. Последнее должно самостоятельно находить пути решения, если задание из текущей позиции недостижимо, но может быть выполнено при ином расположении. В этом помогает управление всей системой как замкнутой кинематической цепью, что, однако, усложняется избыточностью. Передовым методом синхронизации движений платформы и манипулятора является управление всем телом (Whole-Body Control, WBC). Для минимизации ошибок при динамических операциях применяются гибридные системы, объединяющие модельно-прогностическое управление (MPC) и обучение с подкреплением (RL). В таких архитектурах MPC отвечает за точное планирование и соблюдение ограничений, а RL-политика выступает в роли адаптивного механизма обратной связи, компенсирующего неточности модели и повышающего общую устойчивость^[8][9]. Для разрешения кинематической избыточности используются методы оптимизации положения суставов с целью повышения энергоэффективности, движение в нуль-пространстве для обхода препятствий без нарушения основной траектории, а также взвешенное псевдообращение для избегания кинематических сингулярностей^[10]. Совместное планирование навигации и манипуляции (Simultaneous Navigation and Manipulation, SNAM) позволяет мобильной платформе и руке двигаться одновременно, заменяя последовательный подход^[11]. Для реализации SNAM применяются специализированные кинематические контроллеры, карты достижимости (Capability maps) для предварительного расчёта оптимальных позиций базы, алгоритмы с адаптивной размерностью и методы искусственного интеллекта, генерирующие совместные бесколлизионные траектории^[12].

В принципе, для мобильных манипуляторов возможно переиспользование охранных систем для стационарных манипуляторов и автономных транспортных средств. Однако при совместной работе с людьми или другими транспортными средствами к системе безопасности предъявляются новые, повышенные требования из-за множества потенциально опасных ситуаций. Специализированные международные стандарты для мобильных манипуляторов не определены, поэтому их безопасность регулируется комбинацией стандартов для промышленных роботов, коллаборативных систем и мобильных платформ, включая ISO 10218-1:2025, ISO 10218-2:2025 и ISO 3691-4^[13].

Самая известная и яркая задача для мобильных манипуляторов, широко демонстрируемая в научных проектах и медиа, — «принести пиво». Такие задачи хотя и имеют ограниченный экономический смысл, но представляют значительный научный интерес.

В 2025 году были представлены коммерческие сервисные роботы, ориентированные на бытовое и общественное использование. Например, компания Fourier представила компактного гуманоидного робота GR-3, предназначенного для помощи в домах, школах и больницах; его корпус покрыт сенсорной кожей для безопасного взаимодействия с людьми. Другим примером стал первый двуногий сервисный робот от Keenon Robotics — X-Men F1, способный выполнять задачи по обслуживанию, такие как подача напитков или демонстрация продуктов^[26].

В 2026 году были представлены новые модели мобильных манипуляторов для домашнего использования, способные выполнять сложные неструктурированные задачи: CLOiD от LG Electronics (складывание белья, загрузка и разгрузка посудомоечной машины, подача еды), Onero H1 от SwitchBot (уборка пылесосом, сортировка вещей на полках) и Panther от UniX AI (распаковка продуктов)^[27].^[28]

С ростом численности пожилых и нуждающихся в опеке людей растёт спрос на специалиста по уходу. По прогнозам, к 2050 году доля нуждающихся в уходе к числу занятых утроится^[29]. В связи с этим, особенно в Японии, интенсивно ведутся исследования в области роботизированной поддержки ухода за людьми.

Современные разработки также нацелены на эту область. Например, представленный в 2025 году гуманоидный робот Fourier GR-3 позиционируется для использования в больницах, а его корпус с сенсорной кожей обеспечивает безопасное взаимодействие с людьми. В том же году был анонсирован сервисный робот Keenon X-Men F1, одной из функций которого является помощь в медицинских учреждениях.

Ведутся разработки по использованию мобильных манипуляторов для комплектации тяжёлых и негабаритных деталей. Цель — минимизация ошибок, приводящих к значительным издержкам, а также снятие тяжёлых и опасных задач с людей, что особенно важно при стареющем коллективе. Рост объёмов заказов в сфере электронной коммерции выступает главным драйвером развития сегмента штучного отбора^[30]. В 2025—2026 годах это направление получило развитие с появлением серийных коммерческих решений, нацеленных на автоматизацию складских операций и автономную разгрузку грузовиков. Одним из примеров является робот Stretch от Boston Dynamics, специально разработанный для разгрузки трейлеров и контейнеров. Он оснащён одним манипулятором с вакуумным захватом, способен перемещать коробки весом до 23 кг и используется такими компаниями, как DHL, Gap и H&M. На рынке также представлены другие серийные решения для автономной разгрузки грузовиков, в частности Pickle Robot, специализирующийся на непаллетированных грузах^[31]. Другим решением стал представленный в марте 2025 года промышленный мобильный манипулятор Mech от компании Dexterity. Эта модель оснащена двумя руками, каждая из которых способна поднимать до 30 кг^[32]. Управляемый с помощью искусственного интеллекта и 16 камер, Mech может автономно передвигаться по складу, формировать палеты, а также загружать и разгружать трейлеры^[33].

Мобильные робототехнические системы применяются для обслуживания городской и промышленной инфраструктуры. Для инспекции мостов используются роботы, оснащённые LiDAR и камерами высокого разрешения, а для обследования туннелей — системами SLAM LiDAR. Кроме того, мобильные системы задействуются для инспекции и обслуживания электросетей, в том числе для проведения работ на линиях под напряжением, с использованием тепловых камер и акустических датчиков^[34].