软协同：基于最优应变参数化的刚软混合机器人模型降阶
机器人学
2025-02-20 v2
摘要
与刚性机器人相比，软机器人具有出色的适应性和安全性优势，但对其复杂的非线性动力学进行建模仍然具有挑战性。基于应变的模型近期已成为描述此类系统的一个有前景的候选方案，然而它们往往维度高且耗时。本文提出了一种针对软体和混合机器人的新型模型降阶方法，将基于应变的建模与本征正交分解（POD）相结合。该方法从仿真数据中识别最优耦合应变基函数——即机械协同，从而使用最少数量的广义坐标来描述软机器人位形。降阶模型（ROM）在位形空间中实现了显著的降维，同时保持了精度。严格的测试证明了 ROM 在静态和动态条件下对软操作器的插值和外推能力。该方法在蛇状超冗余刚性操作器和包含软刚组件的闭链系统上得到了进一步验证，说明了其广泛的适用性。此外，该方法被用于仅使用两个位置标记对真实的六驱动器软操作器进行形状估计，展示了其实用性。最后，ROM 的动态和静态行为通过与一个并联混合软刚系统的实验对比得到了验证，突出了其在表示高阶模型（HOM）和真实系统方面的有效性。这种基于 POD 的 ROM 提供了显著的计算加速，为复杂软体和混合机器人的实时仿真与控制铺平了道路。
引用
@article{arxiv.2405.12959,
title = {Soft Synergies: Model Order Reduction of Hybrid Soft-Rigid Robots via Optimal Strain Parameterization},
author = {Abdulaziz Y. Alkayas and Anup Teejo Mathew and Daniel Feliu-Talegon and Ping Deng and Thomas George Thuruthel and Federico Renda},
journal= {arXiv preprint arXiv:2405.12959},
year = {2025}
}