Everting, soft growing vine robots benefit from reduced friction with their environment, which allows them to navigate challenging terrain. Vine robots can use air pouches attached to their sides for lateral steering. However, when all pouches are serially connected, the whole robot can only perform one constant curvature in free space. It must contact the environment to navigate through obstacles along paths with multiple turns. This work presents a multi-segment vine robot that can navigate complex paths without interacting with its environment. This is achieved by a new steering method that selectively actuates each single pouch at the tip, providing high degrees of freedom with few control inputs. A small magnetic valve connects each pouch to a pressure supply line. A motorized tip mount uses an interlocking mechanism and motorized rollers on the outer material of the vine robot. As each valve passes through the tip mount, a permanent magnet inside the tip mount opens the valve so the corresponding pouch is connected to the pressure supply line at the same moment. Novel cylindrical pneumatic artificial muscles (cPAMs) are integrated into the vine robot and inflate to a cylindrical shape for improved bending characteristics compared to other state-of-the art vine robots. The motorized tip mount controls a continuous eversion speed and enables controlled retraction. A final prototype was able to repeatably grow into different shapes and hold these shapes. We predict the path using a model that assumes a piecewise constant curvature along the outside of the multi-segment vine robot. The proposed multi-segment steering method can be extended to other soft continuum robot designs.

人类无法访问许多空间，机器人可以帮助传感器和设备提供。这些空间中有许多包含三维通道和不均匀的地形，这些通道对机器人设计和控制构成了挑战。通过同时进行的远处和体材料反转移动的环形机器人有望在这些类型的空间中导航。我们提出了一种新型的柔软的环形机器人，该机器人在充满空气的膜内使用电动设备推动自己推动自己。我们的机器人只需要一个控制信号即可移动，可以符合其环境，并且可以垂直爬上电动机扭矩，该电动机与用来支撑机器人对环境的力无关。我们得出并验证了其运动所涉及的力的模型，并演示了机器人导航迷宫和攀登管道的能力。

结肠镜检查被认为是下层胃肠道（GI）癌症筛查的黄金标准，考虑到降低推荐的筛查年龄，全世界的筛查计划。尽管如此，由于结肠镜和结肠壁之间发生的力，常规结肠镜检查可能会给患者带来不适。已经提出了机器人解决方案，以减少不适感，并提高可访问性和图像质量。为了解决传统和机器人结肠镜检查的局限性，在本文中，我们介绍了软屏幕系统，这是一种基于Eversion导航的新型软性形状胶囊机器人，用于内窥镜检查。多个轨道围绕着系统的身体。这些轨道是由单个电动机搭配蠕虫齿轮和内部刚性底盘的Evert驱动的，从而使基于完整的轨道导航。两个可充气的环形腔室封闭了这个刚性底盘并穿过轨道，使它们在膨胀时取代。该位移可用于调节与周围壁的接触，从而实现牵引力控制并调整整体直径以匹配本地管腔尺寸。在这项工作中介绍了第一个束缚原型在2：1尺度下的系带原型的设计。实验结果显示了不同管腔直径和曲率的有效导航能力，为能够强大导航和可靠控制成像的新型机器人铺平了道路，并具有超出结肠镜检查的应用，包括胃镜检查和胶囊内窥镜检查。

由于其合规性，安全性和高度自由，软机器人对操纵任务的操纵任务很有希望。然而，常用的双向连续段设计意味着软机器人操纵器仅在有限的半球工作空间中起作用。这项工作通过在软臂底部设计，制造和控制一个额外的软棱镜执行器来增加软机器人的工作区。该执行器由气动人造肌肉和活塞组成，使执行器可驱动。我们将任务空间量增加116 \％，现在我们能够执行以前不可能用于软机器人的操纵任务，例如拾取和将对象放在表面上的不同位置并从容器中抓住对象。通过将软机器人的臂与棱镜关节相结合，我们大大提高了软机器人对物体操纵的可用性。这项工作促进了在以人为本环境中进行实际操纵应用的集成和模块化软机器人系统的使用。

手剪切辅助（HSA）是制造电动机驱动，柔软的连续内机器人的有希望的技术。从检查任务到太阳能跟踪的许多潜在应用都需要准确的运动模型来预测这些结构的位置和方向。目前没有基于HSA的连续体平台的型号。为了解决这个差距，我们建议使用长度变化耦合矩阵来调整分段恒定曲率（PCC）模型。这模拟了HSA结构在2x2阵列中的交互。耦合矩阵将电机角度的变化映射到长度的变化，并在修改的PCC模型中定义了配置空间。我们在包含弯曲，延伸和压缩行为的复合运动上评估我们的模型。我们的模型实现了位置精度，平均误差为5.5mm或4.5％的体长和标准偏差为1.72mm。此外，我们通过-2.8 $ ^ \ circ $和1.9 $ ^ \ circ $的平均误差达到角度精度。

软气动执行器已经在许多软机器人系统中看到了应用，其压力驱动的性质提出了控制其运动的独特挑战和机会。在这项工作中，我们提出了一个新概念：通过末端几何形状设计和控制气动执行器。我们演示了一个新颖的执行器类，称为折叠气动人造肌肉（Foldpam），该肌肉具有一个薄纤维的空气袋，两侧对称折叠。改变执行器的折叠部分会改变最终约束，从而改变力 - 应变关系。我们通过测量具有各种长度和折叠量的单个foldpam单元的力 - 应变关系来实验研究这一变化。除静态几何单元外，驱动的FOLDPAM设备还设计为产生末端几何形状的连续，按需调整，从而实现闭环位置控制，同时保持恒定压力。使用设备的实验表明几何控制允许进入力 - 应变平面上的不同区域，并且闭环几何控制可以在驱动范围的0.5％以内实现误差。

脑出血（ICH）是最致命的中风子类型，死亡率高达52％。由于颅骨切开术引起的潜在皮质破坏，保守管理（注意等待）历史上一直是一种常见的治疗方法。最小的侵入性疏散最近已成为一种可公认的治疗方法，用于体积30-50 mL的深座性血肿的患者，但适当的可视化和工具敏感性仍然受到常规内窥镜方法的限制，尤其是较大的血肿体积（> 50 mL）。在本文中，我们描述了Aspihre的发展（脑部出血机器人疏散的手术平台），这是有史以来的第一个同心管机器人，该机器人使用现成的塑料管来进行MR引导ICH撤离，改善工具敏感性和程序可视化。机器人运动学模型是基于基于校准的方法和试管力学建模开发的，使模型可以考虑可变曲率和扭转偏转。使用可变增益PID算法控制旋转精度为0.317 +/- 0.3度。硬件和理论模型在一系列系统的基准和MRI实验中进行了验证，导致1.39 +\ -0.54 mm的管尖的位置精度。验证靶向准确性后，在MR引导的幻影凝块疏散实验中测试了机器人的疏散功效。该机器人能够在5分钟内撤离最初38.36 mL的凝块，使残留血肿为8.14 mL，远低于15 mL指南，表明良好的后疏散临床结果。

尽管有多样化的环境进展，但蛇机器人仍然远远落后于穿越大障碍物的复杂的3-D地形。这是由于缺乏对如何控制3-D体弯曲以推动地形特征来产生和控制推进的理解。生物学研究表明，总体蛇使用接触力传感来实时调整身体弯曲。然而，由于缺乏对其力传感器官如何工作的基本知识，研究蛇中的这种感觉调制的力量控制是挑战性的。在这里，我们采取了一种robophysics方法来进行进步，从开发一个能够使用接触力感测的3-D体弯曲的蛇机器人来实现，以实现系统的运动实验和力量测量。通过两个开发和测试迭代，我们创建了一个12段机器人，其中36个压电板传感器分布在所有段上，具有符合30 Hz的采样频率的符合壳体。机器人测量接触力，同时使用具有高可重复性的垂直弯曲来横穿大障碍，实现为提供系统实验的平台的目标。最后，考虑到压电传感器的粘弹性行为，我们探讨了基于模型的校准，这将为未来的研究有用。

软机器人操纵器对于在受限环境中的医疗干预或工业检查等一系列应用都具有吸引力。文献中已经提出了无数的软机器人操纵器，但是它们的设计往往相对相似，并且通常提供相对较低的力。这限制了他们可以携带的有效载荷，因此限制了它们的可用性。在公共框架下不可用不同设计的力的比较，并且设计具有不同的直径和功能，使它们难以比较。在本文中，我们介绍了一种软机器人操纵器的设计，该设计的优化为最大化其力，同时尊重典型的应用程序约束，例如大小，工作区，有效负载能力和最大压力。此处介绍的设计具有一个优势，即它变为最佳设计，因为它被加压到朝不同方向移动，这会导致较高的横向力。该机器人是使用一组原理设计的，因此可以适应其他应用程序。我们还为软机器人操纵器提供了非二维分析，并将其应用于此处提出的设计的性能与文献中其他设计的性能。我们表明，我们的设计比同一类别中的其他设计具有更高的力量。实验结果证实了我们提出的设计的较高力量。

许多生物，包括各种种类的蜘蛛和毛毛虫，都会改变其形状以切换步态并适应不同的环境。从可拉伸电路到高度变形的软机器人，最近的技术进步已经开始使变化的机器人成为可能。但是，目前尚不清楚应如何以及何时发生变化以及可以获得哪些功能，从而导致各种未解决的设计和控制问题。为了开始解决这些问题，我们在这里模拟，设计和构建一个软机器人，该机器人利用形状变化来在平坦和倾斜的表面上实现运动。在模拟中对该机器人进行建模，我们在两个环境中探索了它的功能，并证明了特定于环境特定形状和步态的存在，这些形状和步态成功地转移到了物理硬件中。我们发现，改变形状的机器人在模拟和现实中比等效但不正确的机器人更好地遍历这些环境。

动态运动是机器人武器的关键特征，使他们能够快速有效地执行任务。在任务空间运行时，软连续式操纵器目前尚未考虑动态参数。这种缺点使现有的软机器人缓慢并限制了他们处理外力的能力，特别是在物体操纵期间。我们通过使用动态操作空间控制来解决此问题。我们的控制方法考虑了3D连续体臂的动态参数，并引入了新模型，使多段软机械师能够在任务空间中顺利运行。先前仅为刚性机器人提供的先进控制方法现在适用于软机器;例如，潜在的场避免以前仅针对刚性机器人显示，现在延伸到软机器人。使用我们的方法，柔软的机械手现在可以实现以前不可能的各种任务：我们评估机械手在闭环控制实验中的性能，如拾取和障碍物避免，使用附加的软夹具抛出物体，并通过用掌握的粉笔绘制来故意将力施加到表面上。除了新的技能之外，我们的方法还提高了59％的跟踪精度，并将速度提高到19.3的尺寸，与最新的任务空间控制相比。通过这些新发现能力，软机器人可以开始挑战操纵领域的刚性机器人。我们固有的安全和柔顺的软机器人将未来的机器人操纵到一个不用的设置，其中人和机器人并行工作。

虽然在各种应用中广泛使用刚性机器人，但它们在他们可以执行的任务中受到限制，并且在密切的人机交互中可以保持不安全。另一方面，软机器鞋面超越了刚性机器人的能力，例如与工作环境，自由度，自由度，制造成本和与环境安全互动的兼容性。本文研究了纤维增强弹性机壳（释放）作为一种特定类型的软气动致动器的行为，可用于软装饰器。创建动态集参数模型以在各种操作条件下模拟单一免费的运动，并通知控制器的设计。所提出的PID控制器使用旋转角度来控制多项式函数之后的自由到限定的步进输入或轨迹的响应来控制末端执行器的方向。另外，采用有限元分析方法，包括释放的固有非线性材料特性，精确地评估释放的各种参数和配置。该工具还用于确定模块中多个释放的工作空间，这基本上是软机械臂的构建块。

软机械设计与控制的共同优化需要快速实现现实验证的快速手段。现有的创建管道不允许软机器的SWIFT原型，以便快速测试各种设计配置和控制策略。这项工作提出了一种用于快速迭代设计和制造小型化模块化硅氧烷弹性体的机器人鱼类的管道。模块化设计允许具有不同配置的机器人鱼类简单快速迭代，以帮助目前对设计优化方法的开发的研究。所提出的机器人鱼可以用作标准化的测试平台，可以在哪些性能度量如推力和运动范围之类的标准化测试平台。我们进一步展示了能够测量输入压力，尾部变形和推力的水下评估设置的设计。制造和实验评估具有不同刚度和内部气动室配置的多种机器人鱼原型。机器人的灵活模块化设计原理及其评估平台解锁了更有效的软机器人鱼类的可能性，将来有利于未来设计优化和水下勘探的研究。

The precise control of soft and continuum robots requires knowledge of their shape. The shape of these robots has, in contrast to classical rigid robots, infinite degrees of freedom. To partially reconstruct the shape, proprioceptive techniques use built-in sensors resulting in inaccurate results and increased fabrication complexity. Exteroceptive methods so far rely on placing reflective markers on all tracked components and triangulating their position using multiple motion-tracking cameras. Tracking systems are expensive and infeasible for deformable robots interacting with the environment due to marker occlusion and damage. Here, we present a regression approach for 3D shape estimation using a convolutional neural network. The proposed approach takes advantage of data-driven supervised learning and is capable of real-time marker-less shape estimation during inference. Two images of a robotic system are taken simultaneously at 25 Hz from two different perspectives, and are fed to the network, which returns for each pair the parameterized shape. The proposed approach outperforms marker-less state-of-the-art methods by a maximum of 4.4\% in estimation accuracy while at the same time being more robust and requiring no prior knowledge of the shape. The approach can be easily implemented due to only requiring two color cameras without depth and not needing an explicit calibration of the extrinsic parameters. Evaluations on two types of soft robotic arms and a soft robotic fish demonstrate our method's accuracy and versatility on highly deformable systems in real-time. The robust performance of the approach against different scene modifications (camera alignment and brightness) suggests its generalizability to a wider range of experimental setups, which will benefit downstream tasks such as robotic grasping and manipulation.

为了使软机器人在以人为本的环境中有效工作，他们需要能够根据（本体感受）传感器估算其状态和外部相互作用。估计干扰使软机器人可以执行理想的力控制。即使在刚性操纵器的情况下，最终效应器的力估计也被视为一个非平凡的问题。实际上，其他当前应对这一挑战的方法也存在防止其一般应用的缺点。它们通常基于简化的软动力学模型，例如依赖于零件的恒定曲率（PCC）近似值或匹配的刚体模型的模型，这些模型并不代表该问题的细节。因此，无法构建复杂的人类机器人互动所需的应用。有限元方法（FEM）允许以更通用的方式预测软机器人动力学。在这里，使用框架沙发的软机器人建模功能，我们构建了一个详细的FEM模型，该模型由多段的软连续机器人手臂组成，该机器人由合规的可变形材料和纤维增强的压力驱动室组成，并具有用于提供方向输出的传感器的模型。该模型用于为操纵器建立状态观察者。校准模型参数以使用物理实验匹配手动制造过程的缺陷。然后，我们解决了二次编程逆动力学问题，以计算解释姿势误差的外力的组成部分。我们的实验显示，平均力估计误差约为1.2％。由于提出的方法是通用的，因此这些结果令人鼓舞，该任务是构建可以在以人为中心的环境中部署的复杂，反应性，基于传感器的行为的软机器人。

自然界中发现的大多数软体体生物都存在于水下环境中。研究水下软机器人的运动和控制也很有帮助。但是，由于难以设计，制造和防水，因此无法使用容易获得的水下软机器人系统。此外，由于需要密封的电子包，因此潜水机器人通常没有可配置的组件。这项工作介绍了由液压执行器驱动的潜水软机器人手臂的开发，该臂主要由3D可打印的零件组成，可以在短时间内组装。此外，它的模块化设计可实现多种形状配置和轻松交换软执行器。作为探索该系统上机器学习控制算法的第一步，开发，训练和评估了两个深神网络模型，以估算机器人的前进和逆运动学。用于控制这种水下软机器人臂的技术可以帮助促进对如何控制软机器人系统的理解。

小型机器人提供对更大的空间的访问空间。这种类型的访问在药物递送，环境检测和小型样品的集合之类的应用中至关重要。然而，有一些任务是不可能使用包括组装和制造的一个机器人，以小规模，操纵微型和纳米物体，以及基于机器人的小规模材料的结构。解决此问题的解决方案是使用一组机器人作为系统。因此，我们专注于可以使用一组小规模机器人实现的任务。这些机器人通常由于其尺寸限制而外部驱动。然而，一个人面临使用单个全局输入控制一组机器人的挑战。我们提出了一种控制算法，以在预定义位置定位蜂拥的各个成员。单个控制输入适用于系统，并以相同的方向移动所有机器人。我们还通过使用不同的长度机器人添加另一个控制模态。电磁线圈系统施加外力并转向毫流。这个毫米可以以各种运动模式移动，如枢轴行走和翻滚。我们提出了两个毫无罗罗波茨的新设计。在第一设计中，磁体放置在主体的中心以减小磁吸引力。在第二种设计中，毫米的长度相同，具有两条额外的腿作为枢轴点。这样，我们在设计中变化分离时可以利用枢轴行走模式的变速，同时保持翻滚模式的速度恒定。本文介绍了一种具有不同长度的N毫米的位置控制的一般算法，使它们从给定的初始位置移动到最终所需位置。该方法基于选择完全可控的领导者。仿真和硬件实验验证了这些结果。

Soft robots are interesting examples of hyper-redundancy in robotics, however, the nonlinear continuous dynamics of these robots and the use of hyper-elastic and visco-elastic materials makes modeling of these robots more complicated. This study presents a geometric Inverse Kinematic (IK) model for trajectory tracking of multi-segment extensible soft robots, where, each segment of the soft actuator is geometrically approximated with multiple rigid links connected with rotary and prismatic joints. Using optimization methods, the desired configuration variables of the soft actuator for the desired end-effector positions are obtained. Also, the redundancy of the robot is applied for second task applications, such as tip angle control. The model's performance is investigated through simulations, numerical benchmarks, and experimental validations and results show lower computational costs and higher accuracy compared to most existing methods. The method is easy to apply to multi segment soft robots, both in 2D and 3D. As a case study, a fully 3D-printed soft robot manipulator is tested using a control unit and the model predictions show good agreement with the experimental results.

外部磁场可用于远程控制小尺寸的机器人，使其具有多样化的生物医学和工程应用的候选人。我们表明，我们的磁动毫罗罗布特是高度敏捷的，并且可以执行各种机车任务，例如枢轴行走和在水平面翻滚。在这里，我们专注于控制枢轴行走模式中该毫无米罗罗布特的运动效果。开发了系统的数学模型，派生了运动模型。还研究了机器人运动中扫描和倾斜角度的作用。我们提出了两个控制器来调节枢轴步行者的步态。第一个是比例几何控制器，它决定了Millobot应该使用的正确枢轴点。然后，它基于毫无槌和参考轨迹的中心之间的误差按比例地调节角速度。第二控制器基于梯度下降优化技术，其表示控制动作作为优化问题。这些控制算法使得MilliRobot能够在跟踪所需的轨迹时产生稳定的步态。我们进行一组不同的实验和模拟运行，以确定所提出的控制器在跟踪误差方面的不同扫描和倾斜角度的有效性。这两个控制器表现出适当的性能，但观察到基于梯度下降基于的控制器产生更快的收敛时间，更小的跟踪误差和更少的步数。最后，我们对扫描角度，倾斜角度和步进时间对跟踪误差的影响进行了广泛的实验参数分析。正如我们所预期的那样，基于优化的控制器优于基于几何的控制器。

Applying suction grippers in unstructured environments is a challenging task because of depth and tilt errors in vision systems, requiring additional costs in elaborate sensing and control. To reduce additional costs, suction grippers with compliant bodies or mechanisms have been proposed; however, their bulkiness and limited allowable error hinder their use in complex environments with large errors. Here, we propose a compact suction gripper that can pick objects over a wide range of distances and tilt angles without elaborate sensing and control. The spring-inserted gripper body deploys and conforms to distant and tilted objects until the suction cup completely seals with the object and retracts immediately after, while holding the object. This seamless deployment and retraction is enabled by connecting the gripper body and suction cup to the same vacuum source, which couples the vacuum picking and retraction of the gripper body. Experimental results validated that the proposed gripper can pick objects within 79 mm, which is 1.4 times the initial length, and can pick objects with tilt angles up to 60{\deg}. The feasibility of the gripper was verified by demonstrations, including picking objects of different heights from the same picking height and the bin picking of transparent objects.