基于机器学习的被动寻址机器人变形表面（PARMS）
机器人学
2023-02-27 v2
摘要
可重构变形表面为先进人机接口与仿生机器人提供了新机遇。按需变形为任意表面需要具有足够多执行器及可计算实现目标表面所需执行器激励的逆控制策略的装置。变形表面的可编程性可通过增加独立执行器数量来提升，但这会增加控制系统的复杂度。因此，开发紧凑高效的控制接口与控制算法是变形表面广泛应用中的关键知识空白。本工作中，我们描述一种由矩阵排布的离子执行器组成的被动寻址机器人变形表面（PARMS）。为降低物理控制接口的复杂度，我们引入被动矩阵寻址。矩阵寻址仅需 2N 个控制输入即可控制独立执行器，显著低于传统直接寻址所需控制输入。我们的控制算法基于机器学习，使用有限元仿真作为训练数据。该机器学习方法可实时高精度地实现正控与逆控。逆控演示表明 PARMS 可按需动态变形为任意预定义表面。这些执行器矩阵控制的创新或可推动未来 PARMS 在可穿戴设备、触觉与增强现实/虚拟现实（AR/VR）中的实现。
引用
@article{arxiv.2301.13284,
title = {Passively Addressed Robotic Morphing Surface (PARMS) Based on Machine Learning},
author = {Jue Wang and Michael Sotzing and Mina Lee and Alex Chortos},
journal= {arXiv preprint arXiv:2301.13284},
year = {2023}
}
备注
Main text: 22 pages 6 figures Supplementary Material: 10 pages 12 figures