基于重力补偿的 Gecko 仿生软足软指机器人爬墙性能
机器人学
2024-05-07 v1
摘要
引力力可导致多腿树栖机器人 locomotion 中由于腿部刚性较小而引起身体姿态偏离理想配置，从而影响摆腿末端执行器与爬坡表面的接触角。本文研究了在外部力作用下，针对此类机器人爬坡中末端执行器不可靠贴附问题的关节刚性增强模型，聚焦于如何解决该问题。灵感来源于死 Gecko 与活 Gecko 在天花板附着姿态差异，提出对站立相位腿部的前馈补偿是解决此问题的关键。提出一种前馈重力补偿（FGC）策略，辅以关节协同，以纠正受重力影响的身体姿态并通过减少身体倾斜来提高附着稳定性。以四足爬坡机器人 EF-I 为实验平台验证了该策略的有效性。实验在反向表面（吊踏）上进行，突出了 FGC 策略的优势，展示了其在提升稳定性和确保无外部帮助下可靠末端执行器贴附方面的作用。在实验中，未使用 FGC 的机器人仅完成 3 次/10 次试验，而使用 FGC 的机器人在相同试验中实现了 100% 成功率。速度显著提升，采用 trot 步态实现了 9.2 mm/s。这凸显了 FGC 策略在克服低关节刚性机器人末端执行器不可靠贴附挑战方面的潜力，从而促进即使在反向身体姿态下也能实现稳定 locomotion。
关键词
引用
@article{arxiv.2405.02639,
title = {Wall-Climbing Performance of Gecko-inspired Robot with Soft Feet and Digits enhanced by Gravity Compensation},
author = {Bingcheng Wang and Zhiyuan Weng and Haoyu Wang and Shuangjie Wang and Zhouyi Wang and Zhendong Dai and Ardian Jusufi},
journal= {arXiv preprint arXiv:2405.02639},
year = {2024}
}