利用点云深度学习实现三维形状变形的逆控制
机器人学
2024-01-30 v1 系统与控制
系统与控制
摘要
形状变形器件是软机器人领域的一个重要分支，在人机交互、仿生机器人以及与生物系统交互的工具等领域具有重要应用价值。为了实现三维 (3D) 可编程形状变形 (PSM)，必须部署基于阵列的执行器。然而，阻碍 3D PSM 发展的一个关键知识空白是控制由这些软执行器阵列形成的复杂系统所面临的挑战。本研究首次引入了一种新方法，使用点云数据表示形状变形器件的构型，并采用深度学习将这些构型映射到控制输入。我们提出了形状变形网络 (SMNet)，这是一种实现从点云数据到高维连续向量回归的方法。应用于先前的 2D PSM 执行器阵列，SMNet 将控制精度从 82.23% 显著提升至 97.68%。此外，我们将其应用扩展到具有三种不同执行器机制的 3D PSM 器件，证明了 SMNet 对 3D 形状变形技术控制的普遍适用性。在我们的演示中，我们证实了逆控制的有效性，其中 3D PSM 器件成功复制了目标形状。这些形状是通过物理对象的 3D 扫描或通过 3D 建模软件获得的。结果表明，在 3D PSM 器件的变形范围内，可以实现所需形状的精确再现。这项研究结果代表了软机器人领域的重大进展，特别是对于需要复杂 3D 形状变换的应用，并为该领域的未来发展奠定了基础框架。
引用
@article{arxiv.2401.15219,
title = {Harnessing Deep Learning of Point Clouds for Inverse Control of 3D Shape Morphing},
author = {Jue Wang and Dhirodaatto Sarkar and Jiaqi Suo and Alex Chortos},
journal= {arXiv preprint arXiv:2401.15219},
year = {2024}
}