外观基准特征跟踪：无标记、无训练软机器人形状重建
机器人学
2025-11-25 v1
摘要
精确的软机器人形状重建对于实现精确控制和可靠运行至关重要。相对于传感器方法，视觉方法在成本、简单性和部署便利性方面具有优势。然而，现有的视觉方法常常依赖复杂的摄像机 setup、特定背景或大规模训练数据集，限制了其在实际场景中的实用性。本文提出一种基于视觉、无需标记、无需训练的框架用于软机器人形状重建，直接利用机器人自然表面外观。这些表面特征充当隐式视觉标记，使我们能够实现分层匹配策略，将局部分区对齐与全局运动学优化解耦。仅需初始的 3D 重建和运动学对齐，本方法即可在多样化环境中实现实时形状跟踪，同时对遮挡和摄像机视角变化具有鲁健性。在一个柔性软机器人上的实验验证表明，在实时运行期间，平均导头误差为 2.6%，并且在实际的闭环控制任务中表现出稳定的性能。这些结果凸显了所提出方法在可靠、低成本部署于动态真实环境中的潜力。
引用
@article{arxiv.2511.18215,
title = {AFT: Appearance-Based Feature Tracking for Markerless and Training-Free Shape Reconstruction of Soft Robots},
author = {Shangyuan Yuan and Preston Fairchild and Yu Mei and Xinyu Zhou and Xiaobo Tan},
journal= {arXiv preprint arXiv:2511.18215},
year = {2025}
}