通过学习压缩FEM模型实现软体机器人的正逆建模
机器人学
2023-07-24 v1 机器学习
摘要
有限元方法（FEM）是预测软体机器人行为的强大建模工具。然而，对于数值计算的非专业人员而言，将其用于控制可能较为困难：需要优化计算以实现实时性。本文中，我们提出一种基于学习的方法以获得紧凑但足够丰富的力学表示。我们的选择基于由FEM模型凝聚所提供的执行器/效应器空间中的非线性柔度数据。我们证明该紧凑模型可用合理数量的数据学习，同时在建模上非常高效，因为我们可以推导出机器人的正运动学与逆运动学。我们也展示了如何耦合若干独立学习的模型，以一个由两根软手指组成的夹持器为例。其他结果通过将完整FEM模型导出的逆模型与紧凑学习版本导出的逆模型进行比较展示。本工作开辟了新视角，即用于软体机器人的嵌入式控制，也用于其设计。这些视角也在文中进行了讨论。
引用
@article{arxiv.2307.11408,
title = {Direct and inverse modeling of soft robots by learning a condensed FEM model},
author = {Etienne Ménager and Tanguy Navez and Olivier Goury and Christian Duriez},
journal= {arXiv preprint arXiv:2307.11408},
year = {2023}
}