PINN-Ray：用于软体机器人鳍状指节的物理信息神经网络
机器人学
2024-07-12 v1
摘要
为软体机器人建模复杂变形可提供理解其行为的指南，从而实现与环境的安全交互。然而，对于软体机器人，构建具有高精度和快速推理速度的代理模型具有挑战性，由于来自复杂几何、大变形、材料非线性等的非线性。代理模型的现实差距也阻碍了软体机器人领域的进一步部署。在本研究中，我们提出了基于弹性力学中最小势能原理和额外高保真实验数据嵌入到神经网络损失函数中的物理信息神经网络（PINN），命名为PINN-Ray，用于建模Fin Ray软体机器人夹爪的复杂变形。该方法在复杂几何泛化和数据稀缺鲁棒性方面具有重要意义。此外，我们对Fin Ray指节在外部作动下的变形进行了广泛评估。应用数据同化方案处理仿真与现实之间的差距后，PINN-Ray在有限元建模（FEM）基础上显示出 improved 的精度。我们还引入了用于设计、制造软体机器人指节并通过视觉跟踪进行变形表征的自动化框架，为软体机器人快速原型提供了指南。
引用
@article{arxiv.2407.08222,
title = {PINN-Ray: A Physics-Informed Neural Network to Model Soft Robotic Fin Ray Fingers},
author = {Xing Wang and Joel Janek Dabrowski and Josh Pinskier and Lois Liow and Vinoth Viswanathan and Richard Scalzo and David Howard},
journal= {arXiv preprint arXiv:2407.08222},
year = {2024}
}