面向增强抓取性能的软体 Fin-Ray 手指多目标神经网络辅助设计优化
机器人学
2026-02-17 v2 人工智能
计算工程、金融与科学
摘要
Fin-Ray 手指的内部结构对其适应性和抓取性能起着重要作用。然而，出于设计目的对抓取力和变形行为进行建模具有挑战性。当 Fin-Ray 手指变得更坚硬且能施加更大的力时，其在处理物体时就变得不够精细。这两者之间的对比产生了一个多目标优化问题。我们采用有限元方法估计 Fin-Ray 手指抓取圆柱形物体时的挠度和接触力，生成了包含 120 次模拟的数据集。该数据集包含三个输入变量：前梁和支撑梁的厚度、横梁的厚度以及横梁间的等间距，它们是优化中的设计变量。然后使用该数据集构建一个具有四个输出神经元的多层感知器（MLP），用于预测两个方向上的接触力和尖端位移。最大接触力和最大尖端位移的大小是两个优化目标，展示了力与精细操作之间的权衡。使用非支配排序遗传算法（NSGA-II）找到了解集。模拟结果表明，所提出的方法可用于改进软体夹爪的设计和抓取性能，有助于选择不仅适用于精细抓取，也适用于高力应用的设计。
引用
@article{arxiv.2506.00494,
title = {Multi-Objective Neural Network-Assisted Design Optimization of Soft Fin-Ray Fingers for Enhanced Grasping Performance},
author = {Ali Ghanizadeh and Ali Ahmadi and Arash Bahrami},
journal= {arXiv preprint arXiv:2506.00494},
year = {2026}
}
备注
Major revision correcting errors that affected the reported results. Corresponding results were regenerated, and the manuscript was updated accordingly