基于一致性驱动的可穿戴软机器人臂的双 LSTM 运动学控制模型
机器人学
2026-03-19 v1
摘要
本文引入了一种基于一致性驱动的双 LSTM 框架，用于准确学习集成到可穿戴设备中的气动软机器人臂的前向和逆向运动学。该方法有效捕捉软气动执行器的非线性和 hysteretic 行为，同时解决气动输入与末端执行器位置之间单向向多向映射的挑战。通过引入循环一致性损失，我们增强了物理真实性并改进了逆向预测的稳定性。大量实验——包括轨迹跟踪、消融研究和可穿戴演示——确认了我们方法的有效性。结果表明，一致性损失的加入显著提升了预测精度，并在常规方法之上促进了物理一致性。此外，可穿戴软机器人臂在日常任务中，如物体接力、障碍感知的抓取放置和抽屉操作等方面，展现出强大的人机协作能力和适应性。本工作凸显了基于学习的运动学模型为以人为中心的可穿戴机器人系统所具有的巨大潜力。
引用
@article{arxiv.2603.17672,
title = {Consistency-Driven Dual LSTM Models for Kinematic Control of a Wearable Soft Robotic Arm},
author = {Xingyu Chen and Yi Xiong and Li Wen},
journal= {arXiv preprint arXiv:2603.17672},
year = {2026}
}