基于机器学习驱动的生物混合 actuators 行为预测
机器人学
2026-02-19 v1 新兴技术
摘要
骨骼肌-based生物混合 actuators 已被证明是柔性机器人中有前景的组件，提供有效的运动。然而，他们固有的生物学变异性和非线性为可控性和可预测性带来了重大挑战。为了解决这些问题，本研究探索了监督学习，这是一种机器学习形式，用于建模和预测生物混合机器（BHMs）的行为，具体 focus on 锚定在柔性聚合物柱上的肌肉环。首先，训练静态预测模型（即随机森林和神经网络 regressor）来估计从输入变量（例如肌肉样本、电刺激参数和基线施力）实现的最大施力。其次，develop 基于Long短期记忆网络的动态建模框架，作为数字双胞胎，复制电刺激所观察到的施力时间序列。两种建模方法都表现出高预测准确性。静态模型的最佳性能表现为R2为0.9425，而动态模型实现了R2为0.9956。静态模型可以 enable 最优化针对特定应用和所需力量结果的肌肉 actuators 性能，而动态模型为未来生物混合机器人系统的 develop 稳健自适应控制策略奠定了基础。
引用
@article{arxiv.2602.16330,
title = {Machine Learning Driven Prediction of the Behavior of Biohybrid Actuators},
author = {Michail-Antisthenis Tsompanas and Marco Perez Hernandez and Faisal Abdul-Fattah and Karim Elhakim and Mostafa Ibrahim and Judith Fuentes and Florencia Lezcano and Riccardo Collu and Massimo Barbaro and Stefano Lai and Samuel Sanchez and Andrew Adamatzky},
journal= {arXiv preprint arXiv:2602.16330},
year = {2026}
}