基于物理储层计算的织物软体机械臂本体感知与外感知信息感知：极少训练数据
机器人学
2024-11-13 v1
摘要
过去几十年来，我们见证了软体和可重构机器人的快速涌现，得益于它们能安全地与人类互动并适应复杂环境。然而，其柔软特性使得精准控制极具挑战。高保真感知对改善控制性能至关重要，尤其是姿态和接触估计。为此，传统基于相机的传感器和测力传感器在便携性和精度上受限，且不可避免地增加机器人的成本和重量。本研究不使用专用传感器，仅收集气动驱动软臂内部的分布式压力数据，并应用物理储层计算原理，同时预测其运动学姿态（即弯曲角度）和负载状态（即负载质量）。结果表明，通过精心设计的读出训练，可利用压力读数的简单加权线性求和，获得准确的弯曲角度和负载质量预测。此外，比较分析显示，为保证预测误差在10%以内，弯曲角度预测所需的训练数据比负载预测少。这一结果揭示了平衡的线性与非线性体动力学对于物理储层完成复杂的本体感知和外感知信息感知任务至关重要。最后，本文提出的探索最高效读出训练方法的途径可推广至其他软体机器人系统，以最大化其感知能力。
引用
@article{arxiv.2411.07309,
title = {Proprioceptive and Exteroceptive Information Perception in a Fabric Soft Robotic Arm via Physical Reservoir Computing with minimal training data},
author = {Jun Wang and Zhi Qiao and Wenlong Zhang and Suyi Li},
journal= {arXiv preprint arXiv:2411.07309},
year = {2024}
}