1   项目背景

人口老龄化问题日益严重及残障人群康复需求不断增长的现状使得康复机构的服务供给压力日益增大。传统电动轮椅解决了使用者的基础移动需求，但在实际场景中移动与操作之间存在断点：到达目的地后仍需他人协助开门、递水或拿取物品，对陪护人员的依赖并未因轮椅电动化而改善。

深圳市龙岗区龙城街道残疾人综合（职业）康复服务中心（简称“职康中心”）是这一现状的缩影。其服务对象中相当比例存在下肢行动受限、上肢力量不足或精细操作困难。职康中心主要活动场地位于建筑二层，现场踏勘显示：电梯轿厢约80×140厘米且需刷卡，内部走廊最窄处约100厘米，多数房间为双扇玻璃门，单扇通行约70或90厘米，各功能空间人流与物品呈动态变化。上述环境对智能轮椅构成多重约束，窄门窄廊对整机外廓和定位精度要求严苛、玻璃反射可致激光雷达数据畸变、动态行人与临时物品增加实时规划复杂度。

在此背景下， 深圳美丽魔方机器人有限公司研发的智行康护智能轮椅确立了以下目标：构建适用于康复机构的自动化康护方案，使轮椅既支持摇杆手动控制，也能通过语音或触屏执行自主导航；到达目标区域后可调用机械臂取物；模块异常时系统须阻断高风险动作并安全移交控制权。智行康护机器人如图1所示。

图1 智行康护机器人

2   系统设计与关键技术

2.1   硬件平台

系统底层硬件由自研主控板、电动底盘、摇杆、动力电池组、双激光雷达、RGB-D深度相机、六自由度仿生机械臂及末端夹爪构成。双激光雷达实现360°环境感知，深度相机提供彩色与深度数据支撑检测与抓取位姿计算，语音终端集成麦克风阵列与触控屏。整机支持履带版、升降版和轮式版三种底盘形态。

2.2   多传感器融合与室内地图构建

项目实施首步是建立可计算的环境数字底座。工程团队对职康中心二层通道、电梯、门体及功能房间进行系统测量，采集激光点云与视觉数据。双激光雷达与轮速计信息经扩展卡尔曼滤波融合后，生成二维栅格地图与三维点云地图；地面点经RANSAC算法分离，障碍物信息用于构建代价地图（Costmap），三维数据按功能区域进行语义标注，将物理空间转化为导航系统可调用的区域语义标签。多传感器融合定位与地图构建原理图如图2所示。

图2 多传感器融合定位与地图构建原理图

针对走廊最窄约100厘米、玻璃门单扇70或90厘米等关键条件，团队根据整机外廓、转向半径及定位误差容限，设置差异化膨胀层参数与速度约束。点云地图同时作为后续路径优化、场景复现及机构数字化管理的基础资产。现场采集数据生成的职康中心室内点云地图如图3所示。

图3 现场采集数据生成的职康中心室内点云地图

2.3    自主导航与窄空间运动控制

导航系统遵循“多源感知—融合定位—地图表达—全局规划—局部控制—状态反馈”的路径闭环。全局规划层基于二维栅格地图生成最小代价路径，局部规划层以动态窗口法（DWA）结合碰撞检测实时调整速度。激光雷达探测到人员横穿或通道占用时，系统执行分级响应优先减速，判断绕行可行性，必要时完全停止。新位姿与环境信息实时反馈至定位与规划模块，形成持续更新。

为降低自动控制对使用者的心理压迫， 系统保留人机共驾逻辑手动模式下用户通过摇杆表达意图，系统后台修正危险轨迹；自动模式下实现不同自动化等级间的平滑过渡。智行康护导航算法闭环原理图如图4所示。

图4 智行康护导航算法闭环原理图

2.4   MagicROS技术中台

软件架构以自研MagicROS技术中台为核心，对异构硬件统一抽象，提供标准化设备驱动接口、状态监控、任务调度及异常处理框架。当某模块上报异常时，中台将其隔离为局部故障，允许其他功能降级运行。项目同期支撑7台样机并行调试，涵盖三代硬件平台，同一套软件基座无需重构即可适配不同底盘，显著降低了硬件迭代的软件再开发成本。多步任务编排、运行时仲裁与人工打断机制如图5所示。

图5 多步任务编排、运行时仲裁与人工打断机制

2.5   视觉抓取与机械臂操作

抓取算法采用“感知—规划—执行—验证”的原理机制。对象检测与实例分割在RGB图像中定位目标后，从对应深度区域提取并滤波三维点云。

GraspNet网络生成多组候选抓取姿态，系统依据置信度、碰撞风险和运动学可达性筛选。最优姿态经坐标变换后由视觉伺服与轨迹规划模块执行，末端夹爪及机械臂关节状态全程受监控；若目标偏移超阈值或力反馈异常，系统可重规划或进入安全停止。

关键设计在于每次抓取前由深度相机重新感知目标位姿，而非依赖底盘定位的绝对精度，以应对移动到位误差对机械臂可达空间的扰动。智行康护视觉抓取算法闭环原理图如图6所示。

图6 智行康护视觉抓取算法闭环原理图

2.6   语音交互与任务编排

语音模块采用意图识别、指令路由及原子技能调用三层架构。自然语言指令经转写后，意图分类器基于康养场景语料库进行领域适配。单步意图直接调用导航或抓取技能；多步意图由任务编排器拆解为原子技能序列—定位目标、规划路径、到达后启动视觉感知与抓取，最终反馈结果。每一步返回状态码，用户中途操纵摇杆或触发急停时，编排器立即中断当前序列。系统未让大语言模型直接控制执行器，而是通过意图路由、工具调用和状态机组合，将语言转化为受约束的原子技能，确保每个动作可追溯、可检查、可拒绝。

2.7   分层安全控制

如图7所示，安全设计覆盖开机自检、运行监控、异常处置及恢复授权四层。硬件层的急停按钮直接作用于底盘驱动回路，不依赖软件或通信链路。模块层的开机对10个以上关键模块逐一自检，区分为“阻断运行”和“警告运行”；运行中以1秒周期发布心跳，超时禁止该模块关联功能。任务层的调度器设超时回收机制。降级层的单一模块失效时可降级为手动操作，保障基础移动功能。

图7 分层安全控制、故障拦截与恢复授权机制

3   项目实施与应用

工程实施遵循先测绘建模， 再部署验证， 后迭代优化的阶段性方法。场地准备阶段，团队完成职康中心二层全部功能空间的测量与数据采集，记录电梯、走廊、门体等关键通行节点尺寸，形成结构化通行条件数据库；基于激光点云与视觉数据构建室内地图，进行区域划分、安全边界设定和关键目标点标注。系统部署阶段，针对窄走廊与窄玻璃门两类限制性条件，分别进行膨胀层参数整定、速度曲线优化和停障策略配置。导航系统在实景中完成多目标点自主通行验证，产品阶段测试显示区域语义导航成功率达90%，该指标定义为阶段性工程结果。失败样本经分析分类回流，用于改进回环检测、动态地图更新和局部规划参数。现场部署、场景验证与失败样本回流闭环如图8所示。

图8 现场部署、场景验证与失败样本回流闭环

4   创新性与难点分析

4.1   核心创新点

本项目的创新在于将SLAM导航、视觉感知、机械臂操作、语音理解、任务编排与安全控制六种能力整合为统一的自动化闭环，并在真实康复机构环境中完成工程验证：

（1）系统架构层面以MagicROS技术中台实现一套软件与多代硬件的平台化设计；

（2）人机交互层面建立“语音指令→意图识别→原子技能→ 受约束执行”多层链路，在语言理解与物理执行间插入验证环节；

（3）安全设计层面，将安全从单点功能提升为贯穿全过程的四层递进保障机制。

4.2   主要难点与解决思路

（1）窄空间定位与控制精度。走廊最窄仅约100厘米，玻璃门单扇70或90厘米，定位误差与运动偏差叠加可能导致碰撞。

解决思路： 放弃通用参数模式， 通过现场实测建图、基于整机轮廓的膨胀层定制、速度分级和多层停障策略协同收敛风险。

（2）移动与抓取的协同。底盘到位误差直接改变机械臂与目标的相对位姿，影响抓取成功率。

解决思路： 每次执行抓取任务前， 由深度相机重新感知目标位姿并独立计算抓取姿态，不假设底盘已精确就位。

（3）自然语言指令的不确定性。口语化多步骤指令具有语义模糊性，直接映射至执行器存在安全风险。

解决思路： 采用意图路由、工具调用及状态机三层架构，将自然语言转化为预定义的受约束原子技能序列。

5   应用效益分析

对终端使用者， 系统将系统将移动与操作有效衔接有效衔接，语音、触屏与摇杆三种交互方式降低了不同肢体能力用户的操作门槛，自主导航与机械臂取物为饮水、取药、拿取康复器材等日常任务提供了独立完成的技术可能，核心价值在于将行动选择权更多交还使用者。

对职康中心，项目交付了经现场精确测量的数字地图、通行尺寸数据库、风险点清单及可复用的部署流程。工作人员可将精力从重复陪同、简单递送等事务逐步转向康复指导和异常处置。标准化自检、心跳与任务日志使设备状态透明化，为多设备运维奠定基础。需说明，项目已形成阶段性技术指标，但尚未积累足够长周期的运营统计数据，经济效益量化有待后续跟踪。

对研发团队，项目验证了“一套中台、三代硬件、多类任务”的技术路线，失败样本经系统化整理后转化为地图参数和测试用例，使算法迭代从依赖个人经验转向基于数据的可重复验证。

6   项目意义

龙城街道职康中心的工程实践表明，医疗健康领域自动化技术应用不能仅追求实验室单项精度，更需直面真实建筑约束、人流干扰和严格安全边界。只有将感知、决策、执行、交互、故障诊断与人工接管进行一体化设计，系统才能从可演示走向可部署。

本项目为康复机构自动化升级提供了可复制的方法论：先进行系统化场地测绘与任务梳理，建立结构化数字空间底座；以统一技术中台接入异构硬件，将复杂服务拆分为受约束的原子技能；通过分层自检、心跳监控、硬件急停和降级机制构筑安全底线；以真实场景失败样本驱动持续迭代。对康复中心、养老机构及社区康养空间而言，此路径可根据具体建筑条件和服务流程进行配置化适配，无需从零开发。

本案例为自动化技术服务民生领域提供了有益启示，即技术的价值评判不应局限于单项指标，更应关注其在真实环境中能否稳定、安全地服务于人的实际需求。

摘自《自动化博览》2026年8月刊