基于可微仿真的软体机器鱼 Sim2Real
机器人学
2023-08-09 v4 机器学习
摘要
在动态驱动下对软体机构的高精度仿真对于软体机器人设计至关重要。我们通过可微仿真工具学习软体机器鱼的材料参数，从而弥补这一不足。以软体机器鱼为例，我们展示了一条经实验验证的快速优化流程，通过可微仿真从准静态数据学习材料参数，并将其应用于动态性能预测。我们的方法为用于制造三种不同机器鱼尾设计的各类软硅弹性体与硬质乙缩醛共聚物辨识出物理上合理的杨氏模量。我们表明，该方法与执行器的内部几何变化（如中空腔数量）兼容。我们的框架可对真实硬件中的复合双 morph 弯曲结构实现毫米精度、相对于执行器长度在 3% 误差内的高保真动态行为预测。我们借助神经网络推力预测器提供了推力的一则可微且鲁棒的估计；该估计得以对我们测量系泊拉力的实验装置进行精确建模。本工作展示了一个使用我们的可微框架解决的典型硬件与仿真问题；由于其可微特性，该框架可应用于更高维参数推断、学习控制策略与计算设计。
引用
@article{arxiv.2109.14855,
title = {Sim2Real for Soft Robotic Fish via Differentiable Simulation},
author = {John Z. Zhang and Yu Zhang and Pingchuan Ma and Elvis Nava and Tao Du and Philip Arm and Wojciech Matusik and Robert K. Katzschmann},
journal= {arXiv preprint arXiv:2109.14855},
year = {2023}
}
备注
Published at IROS 2022. 8 pages, 9 figures