迈向智能复合材料：面向软体传感/驱动系统的小尺度无缆预测与控制
机器人学
2022-08-24 v2 机器学习
摘要
我们提出公式与开源工具，利用习得的前向运动学及片上计算实现传感/驱动系统的材料内模型预测控制。与传感器和驱动器共置、计算预测与控制任务的微控制器单元（MCUs）可实现材料内无缆行为。该方法中，小参数规模神经网络模型离线习得前向运动学。我们的开源编译器nn4mc生成代码将这些预测卸载至MCUs。随后Newton-Raphson求解器实时计算控制输入。我们首先在质量-弹簧-阻尼器仿真中将该非线性控制方法与PID控制器基准对比。然后我们在两个具有不同传感、驱动与计算硬件的实验装置上研究实验结果：一个基于肌腱、嵌有LightLace传感器的平台，以及一个基于HASEL、带磁传感器的平台。实验结果表明有效的高带宽参考路径跟踪（≥120 Hz）且内存占用小（≤闪存的6.4%）。在基于肌腱的平台上测得路径跟踪误差不超过2mm。在基于HASEL的平台上仿真路径跟踪误差不超过1mm。该方法在ARM Cortex-M4f器件中的平均功耗为45.4 mW。该控制方法亦兼容Tensorflow Lite模型及等效片上代码。材料内智能催生了一类将自主性注入结构与系统并具备精细人工本体感知的新复合材料。
引用
@article{arxiv.2205.10940,
title = {Toward smart composites: small-scale, untethered prediction and control for soft sensor/actuator systems},
author = {Sarah Aguasvivas Manzano and Vani Sundaram and Artemis Xu and Khoi Ly and Mark Rentschler and Robert Shepherd and Nikolaus Correll},
journal= {arXiv preprint arXiv:2205.10940},
year = {2022}
}
备注
Accepted for publication at the Journal of Composite Materials. Special Issue: Multifunctional Composites for Autonomic, Adaptive and Self-Sustaining Systems