电热驱动软体机器人肢体的原位感知与动力学预测
机器人学
2022-08-03 v2
摘要
使用形状记忆合金（SMA）等电热响应材料运动的解缠软体机器人，在感知驱动器状态方面面临严峻的设计约束。同时，由于复杂的电-热-力耦合与迟滞效应，即便有可用传感器数据，驱动器行为建模也面临巨大挑战。本文提出一种用于驱动器状态（尤其是 SMA 丝温度）的原位感知与动力学建模框架，并用于预测机器人运动。我们研制了一款由一对 SMA 线圈驱动的平面软体肢体，其包含紧凑且鲁棒的温度与角偏转传感器。来自这些传感器的数据被用于训练基于长短期记忆（LSTM）架构的神经网络，以对单向（单 SMA）与双向（双 SMA）运动建模。模型预测表明，温度传感器数据与控制输入相结合，可在极长开环时间尺度（10 分钟）上实现动力学预测且漂移很小。预测误差量级与软体偏转传感器精度相当。该架构支持包含足以用于运动预测的感知的电热驱动软体机器人的紧凑设计，有助于此类机器人走向实际应用。
引用
@article{arxiv.2111.04851,
title = {In-Situ Sensing and Dynamics Predictions for Electrothermally-Actuated Soft Robot Limbs},
author = {Andrew P. Sabelhaus and Rohan K. Mehta and Anthony T. Wertz and Carmel Majidi},
journal= {arXiv preprint arXiv:2111.04851},
year = {2022}
}
备注
17 pages, 8 figures