面向可制造传感器布局与变形本体感知的无模型联合优化
机器人学
2026-03-12 v1
摘要
柔性传感器日益增多地用于软体机器人和可穿戴设备，以提供自由形变变形的本体感知。尽管监督学习可以从传感器信号训练形状预测器，但预测精度强烈依赖于传感器布局，而传感器布局通常是通过经验法则或试错决定的。本工作引入一个无模型、数据驱动的计算管线，联合优化柔性长度测量传感器的数量、长度和放置位置，同时优化形状预测网络的参数，以应对大范围自由形变。与模型方法不同，所提方法仅依赖于变形形状的数据集，无需物理仿真模型，从而可广泛应用于多样化的机器人感知任务。该管线融合考虑预测精度和制造约束的可微损失函数。通过联合优化传感器布局和网络参数，该方法在保持实用可行性的同时，显著提高了变形预测精度。通过在多个软体机器人和可穿戴系统上的数值和物理实验验证了方法的有效性和通用性。
引用
@article{arxiv.2603.10059,
title = {Model-Free Co-Optimization of Manufacturable Sensor Layouts and Deformation Proprioception},
author = {Yingjun Tian and Guoxin Fang and Aoran Lyu and Xilong Wang and Zikang Shi and Yuhu Guo and Weiming Wang and Charlie C. L. Wang},
journal= {arXiv preprint arXiv:2603.10059},
year = {2026}
}