基于逐段投影Koopman算子的模拟多段连续体机器人形状控制

软连续体机器人可以实现生物相容且柔顺的运动，例如章鱼手臂的游泳、爬行和物体操控能力。然而，当前最先进的连续体机器人仅能实现实时任务空间控制（即末端控制），而无法实现全形状控制，这主要是由于其无限自由度带来的高计算成本。在本文中，我们提出了一种基于Koopman算子的数据驱动方法，用于模拟多段腱驱动软连续体机器人的形状控制。我们利用这些模拟软机器人收集的数据，对机器人状态实施逐段投影方案，从而识别出比无投影方案精确一个数量级的控制仿射Koopman模型。利用这些学习到的Koopman模型，我们使用线性模型预测控制（MPC）来控制机器人达到一系列不同复杂度的目标形状。我们的方法实现了计算高效的闭环控制，并展示了软机器人实时形状控制的可行性。我们设想这项工作将为软连续体机器人的实际形状控制铺平道路。