基于数据驱动迭代学习算法的仿生肌肉骨架机械臂鲁棒性研究
机器人学
2025-11-11 v1
摘要
人类手臂具备显著能力，包括爆发性动力和精确性，体现出灵活性、顺应性和在非结构化环境中的鲁棒性。通过肌肉骨架结构模拟人类操作特征的机器人系统开发一直是研究重点。本研究设计了一种新型轻量化腱驱动肌肉骨架机械臂（LTDM-Arm），其特点是七自由度（DOF）骨骼关节系统和具有15个执行器的模块化人工肌肉系统（MAMS）。此外，我们采用Hilly型肌肉模型和数据驱动迭代学习控制（DDILC）在有限时间内学习和细化重复任务的激活信号。通过仿真和实验，我们验证了肌肉骨架系统的抗干扰能力。结果表明，LTDM-Arm系统即使在仿真中为20%、实验中为15%的负载扰动下，也能有效实现所需的轨迹跟踪任务。该研究为开发具有类人操作性能的高级机器人系统奠定了基础。
引用
@article{arxiv.2511.05995,
title = {Robustness study of the bio-inspired musculoskeletal arm robot based on the data-driven iterative learning algorithm},
author = {Jianbo Yuan and Jing Dai and Yerui Fan and Yaxiong Wu and Yunpeng Liang and Weixin Yan},
journal= {arXiv preprint arXiv:2511.05995},
year = {2025}
}
备注
20 pages, 13 figures