用于模块化软机器人机臂的通用神经网络配置空间规划与控制策略
机器人学
2025-07-18 v2
摘要
模块化软机器人机臂（MSRA）由多个按序列连接的模块组成，能够在 various directions 不同角度下弯曲。这种能力使 MSRAs 能够执行比单模块机器人更复杂的任务。然而，模块化结构也导致准确规划和控制方面的挑战。非线性和滞后现象使物理模型变得复杂，而模块化结构和增加的自由度（DOF）进一步导致沿序列的累积误差。为解决这些挑战，我们提出了一种用于 MSRAs 的通用配置空间规划与控制策略，命名为 S2C2A（State to Configuration to Action）。我们的方法构建了一个优化问题 S2C（State to Configuration 规划），该问题整合了各种损失函数和基于 biLSTM 的前向模型，以生成基于目标状态的配置轨迹。实现基于 biLSTM 的配置控制器 C2A（Configuration to Action 控制），以跟随计划的配置轨迹，仅利用不准确的内部感知反馈。我们使用驱动缆索的 MSRA 进行了验证，证明了其执行多种离线任务（如位置和姿态控制、障碍物规避）的能力。此外，我们的策略使 MSRA 能够与目标和障碍物进行在线交互。未来工作将致力于解决 MSRA 的挑战，例如更准确的物理模型。
引用
@article{arxiv.2410.03483,
title = {A Versatile Neural Network Configuration Space Planning and Control Strategy for Modular Soft Robot Arms},
author = {Zixi Chen and Qinghua Guan and Josie Hughes and Arianna Menciassi and Cesare Stefanini},
journal= {arXiv preprint arXiv:2410.03483},
year = {2025}
}
备注
14 pages, 16 figures, 5 tables; accepted by IEEE T-Ro