基于线性控制器的非线性软表面异质物体操控

操控表面通过主动修改其形状或属性来间接控制和重新定位物体，而不是直接抓握物体。这些表面配备有稠密的执行器阵列，可产生动态变形。然而，稠密执行器阵列由于自由度 (DOF) 的增加，引入了显著的复杂性， complicating 控制任务。高 DOF 限制了操控表面在实际应用中实现和利用的范围，因为该系统的维护和控制随阵列/表面大小呈指数级增长。基于学习的控制方法可能缓解控制复杂性，但需要大量训练样本且难以为异质物体通用。在本研究中，我们引入了一种简单、精确且稳健的 PID 基线性闭环反馈控制策略，用于 MANTA-RAY (Manipulation with Adaptive Non-rigid Textile Actuation with Reduced Actuation density) 上的异质物体操控。我们的方法采用几何变换驱动的 PID 控制器，将倾角控制输出(1D/2D)直接映射到执行器命令，以消除对大量黑箱训练的需求。我们通过仿真和实验在物理系统上验证了所提出的方法，成功操控了具有不同几何形状、重量和纹理的物体，包括脆弱的鸡蛋和苹果。结果表明，该方法高度通用，为软体机器人操控中的物体操控提供了实用且可靠的解决方案，无需昂贵的训练需求即可实现实际应用。