基于边界的动态软体连续体机器人状态估计

状态估计是机器人学中的基本问题之一。对于软体连续体机器人而言，这一任务尤为具有挑战性，因为其状态（姿态、应变、内部力矩和速度）本质上是由于连续柔性导致的无限维函数。然而，传统的感测技术只能提供离散测量值。最近引入的一种动态状态估计方法称为“边界观测器”，它利用 Cosserat 杆理论，通过仅测量末端速度即可恢复所有无限维状态。在本文中，我们提出了一种双重设计，改为测量机器人基座的内部力矩。尽管存在二义性，这种新方法具有关键实际优势：仅需在基座嵌入力/扭矩（force/torque, FT）传感器，无需外部运动捕捉系统。两种观测器均受能量耗散原理启发，并可自然组合以提升性能。我们采用 Lyapunov 分析方法研究这些边界观测器的收敛速率，发现一个有趣的性质：随着观测器增益的增加，收敛速率首先提高，然后下降。这种凸峰趋势使我们能够高效调节观测器增益。我们还识别出线性与角度状态在特定情况下完全互为决定因素，从而进一步放宽感测需求。使用tendon驱动的连续体机器人进行实验验证，验证了所有观测器变体在快速动态运动下的收敛性、是否存在最优增益、对未知外部力的鲁棒性以及算法的实时计算性能。