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。
translated by 谷歌翻译
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。
translated by 谷歌翻译
机器人社区在为软机器人设备建模提供的理论工具的复杂程度中看到了指数增长。已经提出了不同的解决方案以克服与软机器人建模相关的困难,通常利用其他科学学科,例如连续式机械和计算机图形。这些理论基础通常被认为是理所当然的,这导致复杂的文献,因此,从未得到完整审查的主题。Withing这种情况下,提交的文件的目标是双重的。突出显示涉及建模技术的不同系列的常见理论根源,采用统一语言,以简化其主要连接和差异的分析。因此,对上市接近自然如下,并最终提供在该领域的主要作品的完整,解开,审查。
translated by 谷歌翻译
近二十年来,软机器人技术一直是机器人社区中的一个热门话题。但是,对于软机器人进行建模和分析的可用工具仍然有限。本文介绍了一个用户友好的MATLAB工具箱Soft Robot Simulator(Sorosim),该工具集合了Cosserat杆的几何变量应变(GVS)模型,以促进对软,刚性或混合机器人系统的静态和动力分析。我们简要概述了工具箱的设计和结构,并通过将其结果与文献中发布的结果进行比较。为了突出该工具箱有效建模,模拟,优化和控制各种机器人系统的潜力,我们演示了四个示例应用程序。所示的应用探索了单,分支,开放式和闭合链机器人系统的不同执行器和外部加载条件。我们认为,软机器人研究社区将从Sorosim工具箱中大大受益,用于多种应用。
translated by 谷歌翻译
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。
translated by 谷歌翻译
我们提出了6D(种子)中系列弹性末端效应器的框架,其将空间兼容的元素结合在粘合性感觉中,以掌握和操纵野外的工具。我们的框架将串联弹性的益处推广到6- DOF,同时提供使用粘液触觉感测的控制抽象。我们提出了一种用于粘合性感测的相对姿势估计的算法,以及能够实现与环境的稳定力相互作用的空间混合力力位置控制器。我们展示了我们对需要监管空间力量的工具的效果。视频链接:https://youtu.be/2-yuifspdrk
translated by 谷歌翻译
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.
translated by 谷歌翻译
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。
translated by 谷歌翻译
由于柔软的机器人越来越多地在需要高度和受控接触力的环境中使用,最近的研究表明,使用软机器人来估计或本质上感应而不需要外部传感机制。虽然这主要被示出在肌腱的连续管道机构或包括推拉杆致动的可变形机器人,但由于高致动变异性和非线性机械系统响应,流体驱动器仍然造成巨大挑战。在这项工作中,我们调查液压,并联软机器人至本质上的能力和随后控制接触力。导出了一种综合算法,用于静态,准静态和动态力感测,依赖于系统的流体体积和压力信息。该算法验证了单一自由度软流体致动器。结果表明,在准静态配置中,可以在验证范围内的验证范围内的0.56±0.66n的精度下估计作用在单个致动器上的轴向力。力传感方法应用于在单个致动器中强制控制以及耦合的并联机器人。可以看出,两种系统可以准确地控制力,以在多自由度平行软机器人的情况下控制定向接触力的能力。
translated by 谷歌翻译
飞行操纵器是带有附着的刚性机器人的空中无人机,属于机器人的最新和最积极开发的研究领域。这些臂的刚性性质往往缺乏遵守,灵活性和运动平滑。这项工作建议使用柔软的机器人臂连接到全向微空中飞行器(OMAV),以利用臂的柔顺和灵活的行为,同时留下可操纵和动态的,感谢全向无人机作为浮座。随机臂的统一在这种组合平台的建模和控制中造成挑战;这些挑战是通过这项工作解决的。我们基于三个建模原理提出了飞行机械手的统一模型:分段恒定曲率(PCC)和增强刚体模型(ABBM)假设用于建模软连续式机器人和传统刚体机器人借用的浮动基础方法文学。为了演示该参数化的有效性和有用性,实现了一种基于分层模型的反馈控制器。在各种动态任务的模拟中验证并评估控制器,其中检查并验证了该平台的无缺陷运动,干扰恢复和轨迹跟踪能力。软飞行机械手平台可以在空中建筑,货物交付,人力援助,维护和仓库自动化中打开新的应用领域。
translated by 谷歌翻译
“无限”软机械臂自由度的自由度使他们的控制尤其具有挑战性。在本文中,我们利用了先前开发的模型,将软臂的等效绘制到一系列通用接头,设计两个闭环控制器:用于轨迹跟踪的配置空间控制器和用于位置控制的任务空间控制器末端效应。在四段软手臂上的广泛实验和模拟证明了以下方面的大量改进:a)配置空间控制器的卓越的跟踪精度和B)减少了任务空间控制器的稳定时间和稳态误差。还验证了任务空间控制器在软臂和环境之间存在相互作用的情况下有效。
translated by 谷歌翻译
软机器均由柔顺性和可变形的材料制成,可以对传统的刚性机器人进行具有挑战性的任务。软机器人的固有依从性使其更适合和适应与人类和环境的相互作用。然而,这种优势以成本为准:他们的连续性性质使得强大地发展基于稳健的基于模型的控制策略。具体地,解决这一挑战的自适应控制方法尚未应用于物理软机械臂。这项工作介绍了使用Euler-Lagrange方法对软连续式机械手进行动态的重新装配。该模型消除了先前作品中的简化假设,并提供了更准确的机器人惯性描述。基于我们的模型,我们介绍了任务空间自适应控制方案。该控制器对模型参数不确定性和未知输入干扰具有稳健。控制器在物理软连续臂上实现。进行了一系列实验以验证控制器在不同有效载荷下的任务空间轨迹跟踪中的有效性。在准确性和稳健性方面,控制器均优于最先进的方法。此外,所提出的基于模型的控制设计是柔性的,并且可以广泛地推广到具有任意数量的连续段的任何连续型机器人臂。
translated by 谷歌翻译
流体驱动的软机器人具有有希望的功能,例如固有的合规性和用户安全。软机器人的控制需要正确处理非线性致动力学,运动限制,工作空间限制和可变形状刚度,因此对于所有这些问题,拥有独特的算法将是非常有益的。在这项工作中,我们将流行的刚性机器人的模型预测控制(MPC)适应为称为Sopra的软机器人臂。我们通过提出一个以模块化方式处理这些框架来解决当前控制方法面临的挑战。尽管以前的工作着重于联合空间公式,但我们通过模拟和实验结果表明,可以成功实施任务空间MPC来进行动态软机器人控制。我们提供了一种方法,可以将零件的恒定曲率和增强的刚体模型假设与内部和外部约束和驱动动力学相结合,并提供了将这些方面团结起来并优化它们的算法。我们认为,基于我们方法的MPC实施可能是解决统一和模块化框架内的大多数基于模型的软机器人控制问题的方法,同时允许包括通常属于其他控制域(例如机器学习技术)的改进。
translated by 谷歌翻译
大物体的操纵和安全地在人类附近进行安全操作的能力是通用国内机器人助手的关键能力。我们介绍了一种柔软,触觉的人形的人形机器人的设计,并展示了用于处理大物体的全身丰富的接触操作策略。我们展示了我们的硬件设计理念,用于使用软触觉传感模块,包括:(i)低成本,抗缝,接触压力定位的武器, (ii)基于TRI软气泡传感器的爪子,用于最终效应器,(III)柔顺的力/几何传感器,用于粗糙几何感测表面/胸部。我们利用这些模块的机械智能和触觉感应,为全身抓握控制进行开发和展示运动原语。我们评估硬件在实现各种大型国内物体上实现不同优势的掌握。我们的结果表明,利用富含接触的操纵策略的柔软度和触觉感应的重要性,以及与世界的全身力量控制的互动前进的道路。
translated by 谷歌翻译
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。
translated by 谷歌翻译
用机器人手操纵物体是一项复杂的任务。不仅需要协调手指,而且机器人最终效应器的姿势也需要协调。使用人类的运动演示是指导机器人行为的直观和数据效率的方式。我们提出了一个具有自动实施例映射的模块化框架,以将记录的人体运动转移到机器人系统中。在这项工作中,我们使用运动捕获来记录人类运动。我们在八项具有挑战性的任务上评估了我们的方法,其中机器人手需要掌握和操纵可变形或小且脆弱的物体。我们测试了模拟和实际机器人中的轨迹子集,并且整体成功率是一致的。
translated by 谷歌翻译
Force modulation of robotic manipulators has been extensively studied for several decades. However, it is not yet commonly used in safety-critical applications due to a lack of accurate interaction contact modeling and weak performance guarantees - a large proportion of them concerning the modulation of interaction forces. This study presents a high-level framework for simultaneous trajectory optimization and force control of the interaction between a manipulator and soft environments, which is prone to external disturbances. Sliding friction and normal contact force are taken into account. The dynamics of the soft contact model and the manipulator are simultaneously incorporated in a trajectory optimizer to generate desired motion and force profiles. A constrained optimization framework based on Alternative Direction Method of Multipliers (ADMM) has been employed to efficiently generate real-time optimal control inputs and high-dimensional state trajectories in a Model Predictive Control fashion. Experimental validation of the model performance is conducted on a soft substrate with known material properties using a Cartesian space force control mode. Results show a comparison of ground truth and real-time model-based contact force and motion tracking for multiple Cartesian motions in the valid range of the friction model. It is shown that a contact model-based motion planner can compensate for frictional forces and motion disturbances and improve the overall motion and force tracking accuracy. The proposed high-level planner has the potential to facilitate the automation of medical tasks involving the manipulation of compliant, delicate, and deformable tissues.
translated by 谷歌翻译
机器人布操作是自动机器人系统的相关挑战性问题。高度可变形的对象,因为纺织品在操纵过程中可以采用多种配置和形状。因此,机器人不仅应该了解当前的布料配置,还应能够预测布的未来行为。本文通过使用模型预测控制(MPC)策略在对象的其他部分应用动作,从而解决了间接控制纺织对象某些点的配置的问题,该策略还允许间接控制的行为点。设计的控制器找到了最佳控制信号,以实现所需的未来目标配置。本文中的探索场景考虑了通过抓住其上角,以平方布的下角跟踪参考轨迹。为此,我们提出并验证线性布模型,该模型允许实时解决与MPC相关的优化问题。增强学习(RL)技术用于学习所提出的布模型的最佳参数,并调整所得的MPC。在模拟中获得准确的跟踪结果后,在真实的机器人中实现并执行了完整的控制方案,即使在不利条件下也可以获得准确的跟踪。尽管总观察到的误差达到5 cm标记,但对于30x30 cm的布,分析表明,MPC对该值的贡献少于30%。
translated by 谷歌翻译
视觉的触觉传感器由于经济实惠的高分辨率摄像机和成功的计算机视觉技术而被出现为机器人触摸的有希望的方法。但是,它们的物理设计和他们提供的信息尚不符合真实应用的要求。我们提供了一种名为Insight的强大,柔软,低成本,视觉拇指大小的3D触觉传感器:它不断在其整个圆锥形感测表面上提供定向力分布图。围绕内部单眼相机构造,传感器仅在刚性框架上仅成型一层弹性体,以保证灵敏度,鲁棒性和软接触。此外,Insight是第一个使用准直器将光度立体声和结构光混合的系统来检测其易于更换柔性外壳的3D变形。通过将图像映射到3D接触力的空间分布(正常和剪切)的深神经网络推断力信息。洞察力在0.4毫米的总空间分辨率,力量幅度精度约为0.03 n,并且对于具有不同接触面积的多个不同触点,在0.03-2 n的范围内的5度大约5度的力方向精度。呈现的硬件和软件设计概念可以转移到各种机器人部件。
translated by 谷歌翻译
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.
translated by 谷歌翻译