基于在线雅可比误差补偿的对数螺旋连续体臂形态特异性闭环控制

对数螺旋在生物附属器中普遍存在，并为能够实现伸展、缠绕和抓取的连续体操纵器提供了一种有吸引力的形态。最近报道的对数螺旋机器人展示了可扩展的制造和多功能抓取能力，但缺乏逆运动学和闭环控制。这项工作首次为对数螺旋连续体臂提出了形态特异性的闭环任务空间控制框架。在 MuJoCo 中开发了一个具有中心线骨架和等边肌腱布线的分段肌腱驱动模型，以捕捉锥形柔顺性和接触动力学。直接从对数螺旋运动学推导出解析任务空间雅可比矩阵，并结合使用 Broyden 割线更新和卡尔曼滤波估计的在线雅可比误差补偿。由此产生的控制器持续修正由非线性变形、接触和几何失配引起的建模误差。该框架通过平面和空间仿真进行了验证，包括轨迹跟踪、姿态调节、干扰抑制、三维位置跟踪以及同时的位置-姿态控制。与分段恒定曲率（PCC）基线相比，所提出的方法持续降低了跟踪误差，抑制了姿态漂移，并保持了有界的雅可比估计误差。该控制器进一步应用于形态辅助的操纵任务，包括障碍辅助的伸展-缠绕-释放运动、自适应整臂抓取以及协作式多臂物体处理。结果表明，将对数螺旋形态与在线雅可比补偿相结合，能够实现对高度欠驱动连续体操纵器的精确、鲁棒和可扩展控制。所提出的框架为未来的硬件实现和增强学习的软体机器人控制建立了基于物理的基线。