← أحدث الأبحاث
⚡ electrical engineering

Model-Less Feedback Control of Space-based Continuum Manipulators using Backbone Tension Optimization

تقدم هذه الورقة إطار عمل للتحكم بالتغذية الراجعة بدون نموذج للمناولات المستمرة القائمة في الفضاء، والذي يستخدم تحديثات محدبة تفاضلية عبر الإنترنت وتحسين شد العمود الفقري لتحقيق دقة دون المليمتر وتشغيل مستقر دون الاعتماد على النمذجة الكينماتيكية أو تحديد المعلمات.

المؤلفون الأصليون: Shrreya Rajneesh, Rakesh Kumar Sahoo, Manoranjan Sinha

نُشر 2026-08-21
📖 5 دقيقة قراءة🧠 قراءة متعمّقة

المؤلفون الأصليون: Shrreya Rajneesh, Rakesh Kumar Sahoo, Manoranjan Sinha

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

في المساحات الضيقة والمزدحمة داخل مركبة فضائية أو في الممرات الضيقة لمبنى منهار، غالبًا ما تفشل الأذرع الروبوتية التقليدية. فهذه الآلات، المبنية من وصلات معدنية صلبة ومفاصل حادة، تكافح للمناورة حول العوائق دون الاصطدام بها أو العلوق فيها. ولحل هذه المشكلة، اتجه المهندسون إلى نوع مختلف من الروبوتات: المتلاعب المستمر (continuum manipulator). تخيل عمودًا فقريًا طويلاً ومرنًا، يشبه خرطوم الفيل أو إصبع الإنسان، يمكنه الانحناء والالتواء بسلاسة في أي اتجاه. ولأنه لا يحتوي على حواف صلبة، يمكنه التسلل عبر الفجوات الضيقة والالتفاف حول الأجسام الدقيقة دون التسبب في أي ضرر. وهذا ما يجعلها مثالية لمهام مثل فحص الجزء الداخلي لمحطة فضائية أو إجراء جراحة داخل جسم الإنسان. ومع ذلك، فإن التحكم في مثل هذه الآلة المرنة أمر صعب للغاية. فخلافًا للذراع الصلبة حيث تكون العلاقة بين حركة المحرك وموضع الذراع متوقعة، فإن العمود الفقري المرن يغير شكله بناءً على الاحتكاك، ومدى شد سحبه، وما يلمسه. هذا عدم القدرة على التنبؤ يعني أن النماذج الحاسوبية القياسية، التي تعتمد على معادلات رياضية دقيقة لتخمين مسار الروبوت، غالبًا ما تفشل، مما يؤدي إلى حركات متقطعة أو فقدان كامل للسيطرة.

لقد طور باحثون في المعهد الهندي للتكنولوجيا في كهارغبور طريقة جديدة للتحكم في هذه الروبوتات المرنة لا تعتمد على أي نموذج رياضي موجود مسبقًا لكيفية حركة الروبوت. فبدلاً من محاولة حساب الفيزياء المعقدة للعمود الفقري المنحني مسبقًا، يتعلم نظامهم سلوك الروبوت في الوقت الفعلي أثناء حركته. ويتمثل جوهر نهجهم في طريقة تقوم باستمرار بتعديل فهمها لحركة الروبوت بناءً على ما تراه المستشعرات فعليًا. عندما يُطلب من الروبوت تحريك طرفه إلى مكان جديد، يقوم الكمبيوتر بعمل تخمين صغير، ويراقب النتيجة، ثم يصحح فورًا خريطته الداخلية لقدرات الروبوت. وتحدث هذه العملية بسرعة كبيرة بحيث يمكن للروبوت اتباع مسار بسلاسة، حتى لو تغيرت البيئة أو إذا تصرف الاحتكاك الداخلي للروبوت بشكل مختلف عما هو متوقع. وقد اختبر الباحثون هذا النظام في محاكاة حاسوبية، حيث وجهوا الروبوت عبر ثلاثة مسارات متميزة: دائرة سلسة، ومخمس (خماسي الأضلاع)، ومربع ذي زوايا حادة. وفي كل حالة، اتبع الروبوت المسار بنجاح، ليصل إلى الهدف بدقة تقل عن مليمتر واحد، وكل ذلك دون الحاجة أبدًا إلى معايرته أو تعليمه خصائصه الميكانيكية مسبقًا.

ويعد الابتكار الحاسم في هذا العمل هو كيفية إدارة النظام للقوى الداخلية داخل عمود الروبوت الفقري. فعادة ما يتم التحكم في هذه الروبوتات عن طريق شد الكابلات، تمامًا كما يسحب محرك الدمى الخيوط. فإذا سُحبت الكابلات بشكل فضفاض جدًا، يفقد الروبوت شكله ويصبح مرتخيًا؛ وإذا سُحبت بقوة كبيرة في اتجاهات متقابلة في نفس الوقت، ينضغط العمود الفقري وينبعج. ويحل نظام التحكم الجديد هذه المشكلة من خلال المراقبة النشطة للتوتر داخل العمود الفقوي نفسه. فهو يضمن أن تكون الكابلات مشدودة دائمًا بما يكفي للحفاظ على الشكل، ولكن ليس مشدودة لدرجة تضغط على العمود الفقري. ويتم تحقيق ذلك من خلال حل مشكلة تحسين معقدة عند كل لحظة حركة، موازنةً بين الحاجة للوصد إلى الهدف والحاجة للحفاظ على استقرار الهيكل الداخلي. ومن خلال القيام بذلك، يتجنب الروبوت الحركات المتقطعة وغير المستقرة التي غالبًا ما تصيب الآلات المرنة عندما تحاول الالتفاف حول الزوايا أو تغيير الاتجاه بسرعة.

تظهر نتائج هذه المحاكاة أن الروبوت يمكنه التعامل مع مجموعة واسعة من الأشكال باستقرار ملحوظ. فعند تتبع دائرة، تحرك الروبوت بسلاسة، وظل طرفه ضمن بضعة مليمترات من الخط المطلوب. وعندما طُلب منه اتباع شكل خماسي، وهو ما يتطلب انحناء الروبوت بشكل حاد عند خمس نقاط متميزة، قام النظام بالتعديل فورًا، ممهدًا الزوايا بما يكفي للحفاظ على سلامة العمود الفقري مع البقاء قريبًا من المسار المقصود. وكان الاختبار الأكثر صعوبة هو مسار المربع، الذي يتميز بأربع زوايا قائمة حادة للغاية. وحتى هنا، تمكن الروبوت من تتبع المسار بدقة عالية، حيث انحرف بمقدار 0.3 إلى 0.4 مليمتر فقط على طول الحواف المستقيمة. حافظ النظام على هذا الأداء من خلال التحديث المستمر لفهمه لكيفية تفاعل الكابلات والعمود الفقري، مما أدى فعليًا إلى تعلم سلوك الروبوت أثناء العمل. ويثبت هذا النهج أنه من الممكن التحكم في الآلات شديدة المرونة في البيئات الضيقة والمعقدة دون الحاجة لمعرفة كل تفصيل من تفاصيل بنائها الميكانيكي مسبقًا.

تكمن أهمية هذا العمل في قدرته على جعل هذه الروبوتات أكثر موثوقية في المواقف غير المتوقعة. ففي الفضاء، حيث قد يحتاج الروبوت إلى فحص لوح شمسي تالف أو إصلاح وحدة ما، تكون البيئة مليئة بالعوائق والقوى المجهولة. والنظام الذي يعتمد على نموذج مثالي للروبوت قد يفشل إذا علق كابل بشكل طفيف أو إذا غيرت درجة الحرارة صلابة المواد. ومن خلال استخدام نهج خالٍ من النماذج (model-free) يتعلم من التغذية الراجعة في الوقت الفعلي، يصبح الروبوت أكثر قوة. إذ يمكنه التكيف مع التغيرات في الاحتكاك أو الحمل دون تدخل بشري. وقد أظهر الباحثون أنه من خلال الجمع بين التعلم في الوقت الفعلي والإدارة الدقيقة للتوتر الداخلي، يمكنهم تحقيق حركة سلسة ودقيقة تضاهي الأنظمة الأكثر تعقيدًا القائمة على النماذج. وهذا يشير إلى مستقبل يمكن فيه نشر الروبوتات المرنة في البيئات الخطرة أو غير المنظمة، مثل مناطق الكوارث أو الفضاء العميق، بمستوى من الاستقلالية والموثوقية كان من الصعب تحقيقه سابقًا. وتؤكد الدراسة أنه من خلال ترك الروبوت يعلّم الكمبيوتر كيفية حركته، بدلًا من إجبار الكمبيوتر على التخمين، يمكننا إنشاء آلات تتسم بالبراعة الشديدة والمتانة المفاجئة.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →