细软 pneumatic actuators 的截面拓扑优化

软机器人的设计仍通常依赖于手动试错方法，需要制造多个物理原型，最终耗时且需要大量专业知识。为减少该过程中的手动干预，可以使用拓扑优化来辅助设计过程。设计随后由仿真引导，且可通过仿真测试大量原型，而非通过繁琐的实验进行评估。为实现这一仿真驱动的设计过程，本文将细软 pneumatic actuators 的可能设计空间推广至圆形截面设计。我们采用遗传算法进行黑箱拓扑优化，以获得一种能够在不同压力值下达到目标工作空间（由末端执行器位置定义）的软 pneumatic actuators 截面设计。该设计方法针对三个不同案例和目标工作空间进行评估，这些工作空间要么是随机生成的，要么由设计助理的操作者指定。基于遗传算法的黑箱拓扑优化在给定合理的目标工作空间条件下能够找到优秀的设计。我们采用简化的仿真模型来验证所采用方法的有效性。尚未进行实验验证。可以得出，所采纳的方法的黑箱拓扑优化能够辅助细软 pneumatic actuators 的设计过程。它支持在给定的作动压力下查找能够到达指定点的可能设计原型。这有助于减少试错驱动的迭代式手动设计过程，使操作者能够专注于已经提供良好可行解决方案的原型。