基于绝热谱子流形的纯数据驱动软体机器人控制

软体机器人的机械复杂性给其基于模型的控制带来了重大挑战。具体而言，线性数据驱动模型难以控制软体机器人在探索具有显著非线性行为区域的复杂空间扩展路径上运行。为了处理这些非线性，本文基于最新的绝热谱子流形（aSSM）理论开发了一种模型预测控制策略。该理论适用是因为强阻尼机器人的内部振动衰减速度远快于机器人沿其预期路径的期望速度。在这种情况下，低维吸引不变流形（aSSM）从路径中延伸出来，并承载机器人的主导动力学。借助这一最新理论，我们设计了一种纯数据驱动的基于 aSSM 的模型预测控制方案。我们展示了数据驱动模型在多种任务中跟踪动态轨迹的有效性，并在软体躯干机器人的高保真、高维有限元模型以及基于 Cosserat 杆的弹性软臂上进行了验证。值得注意的是，我们发现五维或六维 aSSM 降维模型在所有闭环控制任务中的跟踪性能比其他数据驱动建模方法高出最多 $10$ 倍。