一、方向简介

机器人行为安全研究聚焦机器人在开放环境、自主作业和人机协同过程中的安全行为约束与风险控制问题，旨在提升机器人系统运行的可靠性、可验证性和可控性。该方向重点研究机器人在感知误差、环境不确定、任务冲突和系统异常等条件下的安全决策机制，包括行为规划安全、运动控制安全、人机交互安全、异常状态识别、故障诊断与应急处置等内容。通过融合控制理论、形式化验证、强化学习、安全规则建模与可解释人工智能方法，构建覆盖“感知—决策—执行—反馈”的行为安全保障体系。相关研究可服务于巡检机器人、服务机器人、工业机器人和无人系统等应用场景，有助于降低失控、碰撞、误操作和协同失效等风险，为机器人在复杂现实环境中的规模化应用提供基础保障。

二、研究内容与成果

机器人跌倒检测

针对机器人在运行过程中可能出现的姿态失衡、侧翻和倒地等异常情况，开展基于视觉感知与骨架序列分析的跌倒检测研究。通过提取机器人连续动作中的关键点变化信息，建立跌倒行为识别模型，实现对机器人跌倒过程的自动检测与异常预警，提高机器人运行状态监测的实时性和准确性。

机器人行为安全研究示意图

机器人伤人检测

面向机器人与人体近距离交互场景，开展机器人伤人行为检测研究。通过分析机器人与人体之间的相对位置关系、关键部位运动状态及危险动作特征，实现对潜在碰撞、击打和危险接触行为的识别。该研究可为人机协作场景下的安全防护和风险预警提供技术支持。

机器人越界检测

针对机器人运行区域管理需求，开展机器人越界检测研究。通过设定安全边界区域并结合目标运动状态分析，实现对机器人是否进入限制区域或超出预设活动范围的自动判别。当检测到越界行为时，系统可及时发出告警信息，从而提升实验室和实际应用场景中的安全监管能力。