基于学习压缩有限元模型的软机器人建模、嵌入式控制与设计
机器人学
2025-03-20 v1
摘要
有限元法（FEM）是预测软机器人行为的强大建模工具，但其计算时间可能限制实际应用。在本文中，详细阐述了基于FEM模型压缩的学习方法。该方法能够处理多种执行器以及与环境的接触。我们演示了该紧凑模型可作为统一模型进行学习，跨越多个设计，在建模效率方面非常高效，因为我们可以推导出机器人的直接和逆运动学。基于[11]中引入的直觉，所学模型作为软操作器的建模、控制和设计的通用框架。首先，通过演示基于位置和包含机械接触耦合的操纵任务的优化来说明该方法的适应性和通用性。其次，利用所学压缩模型的低内存消耗和高预测速度，用于无需依赖昂贵在线FEM仿真的实时嵌入式控制。最后，利用所学压缩FEM模型捕获软机器人设计变体及其可微性，用于标定和设计优化应用。
引用
@article{arxiv.2503.15009,
title = {Modeling, Embedded Control and Design of Soft Robots using a Learned Condensed FEM Model},
author = {Etienne Ménager and Tanguy Navez and Paul Chaillou and Olivier Goury and Alexandre Kruszewski and Christian Duriez},
journal= {arXiv preprint arXiv:2503.15009},
year = {2025}
}
备注
IEEE Transactions on Robotics, In press