💻 computer science

Scalable Surface-Based Manipulation Through Modularity and Inter-Module Object Transfer

本文提出了一种基于模块化共享边界致动与分层控制框架的可扩展软表面操作平台，通过有效解决模块间耦合干扰并实现可靠的跨模块物体传递，在显著降低致动器数量的同时实现了亚厘米级精度的异构物体操控。

原作者： Pratik Ingle, Jørn Lambertsen, Kasper Støy, Andres Faina

发布于 2026-03-13

📖 1 分钟阅读☕ 轻松阅读

原作者： Pratik Ingle, Jørn Lambertsen, Kasper Støy, Andres Faina

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文介绍了一种非常酷的机器人技术，我们可以把它想象成**“会魔法的传送带”，或者更准确地说，是一个“智能的软体蹦床”**。

传统的机器人抓东西（比如机械臂），就像是用筷子夹豆子，一次只能夹一个，而且如果豆子太滑或者太脆（比如鸡蛋、水果），很容易夹碎。而这篇论文提出的技术，是让物体自己“走”到想去的地方，不需要被抓住。

下面我用几个简单的比喻来解释这项技术的核心内容：

1. 核心概念：会“变形”的蹦床

想象你有一块巨大的、柔软的弹性蹦床（这就是机器人的表面）。

传统做法：如果你想把蹦床上的苹果移到另一边，你可能需要很多根柱子（电机）顶起蹦床的每一个点，这样成本太高，而且很难控制。
这项研究的做法：他们把这块大蹦床分成了4 个小方块（模块），就像把一张大桌子拼成了 4 张小桌子。
魔法在哪里：他们不需要给每个小方块都配一套柱子。相反，相邻的小方块共用中间的柱子。
- 比喻：就像 4 个邻居共用中间的篱笆。以前 4 个邻居需要 16 根篱笆桩，现在只需要 9 根。这大大节省了成本，让系统可以做得更大。

2. 怎么让东西移动？（像玩滑板一样）

既然不能抓东西，怎么让它动呢？

原理：通过控制那 9 根柱子（电机）的升降，让蹦床表面产生倾斜。
比喻：就像你在玩滑板，或者在滑梯上。如果你把蹦床的一头抬高，苹果就会因为重力“滚”或“滑”向低处。
控制：电脑就像一个聪明的教练，指挥柱子升降，制造出特定的坡度，让苹果、鸡蛋甚至骰子都能乖乖地滑到指定的位置。

3. 最大的挑战：邻居之间的“干扰”

这是这篇论文最精彩的部分。

问题：因为小方块是共用柱子的，当你想移动左边方块上的苹果时，你抬高了共用的柱子，结果右边方块上的鸡蛋也会跟着乱跑，甚至掉下桌子。
- 比喻：就像你在玩一个巨大的多米诺骨牌，或者几个人共用一根长扁担。你抬一头，另一头的人也会晃。
解决方案：研究人员发现这种干扰是有规律的，并想出了**“抵消法”**。
- 比喻：当你要抬左边时，为了不让右边的鸡蛋乱跑，你同时把右边方块另外两根不共用的柱子也抬起来，制造一个反向的坡度，把鸡蛋“扶正”。
- 效果：这种方法成功减少了**60% 到 78%**的意外移动，让鸡蛋在隔壁“施工”时也能稳稳当当。

4. 怎么指挥东西过“马路”？（模块间转移）

如果苹果在左边方块，想去右边方块，它怎么跨过中间的“边界”？

策略：系统会规划一条**“曼哈顿路线”**（就像在棋盘格上走，只能横着走或竖着走，不能斜着走）。
过程：
1. 先让苹果在左边方块里滑到边界。
2. 然后，共用的柱子配合动作，制造一个临时的“斜坡桥”，让苹果滚过去。
3. 到了右边方块，再微调位置。
多任务处理：这个系统很聪明，它可以同时指挥好几个东西。比如，让苹果去 A 点，让鸡蛋去 B 点，而且它们不会撞车，因为系统提前规划好了路线，保证它们不会同时挤在同一个格子里。

5. 实际效果如何？

测试对象：他们测试了各种奇怪的东西：苹果、鸡蛋、骰子、圆柱体、甚至是一个易碎的盘子。
精度：虽然表面是软的、会晃的，但机器人能把东西放到离目标不到 2 厘米的地方。
安全性：因为是用表面推着走，而不是用手抓，所以鸡蛋和水果都不会碎，非常适合处理易碎品。

总结

这篇论文就像是在说：

“我们发明了一种由软布和几根柱子组成的智能传送带。它不需要昂贵的机械手，就能像变魔术一样，把鸡蛋、水果等各种东西在巨大的桌面上安全、精准地送到想去的地方。虽然它们共用柱子会有点‘互相干扰’，但我们发明了一套**‘互相抵消’的魔法**，让干扰变得微乎其微。这为未来在仓库、食品工厂里大规模、低成本地搬运货物提供了全新的思路。”

这项技术让机器人变得更柔软、更便宜、更聪明，能像水流一样自然地搬运物品，而不是像机械臂那样生硬地抓取。

论文技术总结：通过模块化与模块间物体转移实现可扩展的表面操纵

1. 研究背景与问题 (Problem)

背景：
在食品加工、物流和仓储自动化等领域，需要在广阔的工作区域内重新定位大量异构（形状、材质各异）且易碎的物品。传统的机械臂（Pick-and-Place）存在抓取风险、吞吐量低且难以处理不规则物体；传送带虽然吞吐量高，但只能单向运输，无法将物体定位到任意位置。机器人操纵表面（Robotic Manipulation Surfaces, RMS） 通过变形承载表面来操纵物体，提供了一种安全、并行处理异构物体的解决方案。

核心挑战：
现有的 RMS 设计面临操纵能力与执行器复杂度之间的根本权衡：

可扩展性瓶颈：实现精细控制通常需要高密度的执行器阵列（如 $16 \times 16$ 的针阵列），导致机械复杂、成本高且难以扩展到大面积。
模块化转移难题：虽然模块化架构可以扩展工作空间，但在软性、连续变形的表面上，可靠地将物体从一个模块转移到另一个模块（跨越边界）是一个未解决的挑战。
机械耦合干扰：为了减少执行器数量，相邻模块共享边界执行器（Shared-boundary actuation）。这种设计虽然提高了效率，但会导致模块间的机械耦合：操纵一个模块会无意中扰动相邻模块上的静止物体。

2. 方法论 (Methodology)

2.1 硬件架构：共享边界模块化设计

设计理念：提出了一种多模块软操纵平台，基于 MANTA-RAY 架构扩展。
执行器布局：采用 $(n+1) \times (n+1)$ $(n + 1) \times (n + 1)$ 的网格布局来定义 $n \times n$ $n \times n$ 个模块。相邻模块共享边缘执行器。
- 效率提升：对于 $n \times n$ 网格，独立模块需要 $4n^2$ 个执行器，而共享架构仅需 $(n+1)^2$ 个。
- 实例： $2 \times 2$ 原型机（ $1 \times 1$ 米工作区）仅需 9 个 执行器，而非独立设计所需的 16 个（减少 44%）。
硬件实现：
- 使用 9 个线性致动器（步进电机 + 滑轮皮带机构），通过剪刀机构连接，垂直行程 0.4 米。
- 表面为 1.2m $\times$ 1.2m 的聚酯织物。
- 使用 OptiTrack 视觉系统（120Hz）进行物体跟踪。

2.2 控制框架：分层控制策略

系统采用分层控制框架，结合了几何变形原理和闭环反馈：

高层规划：无冲突曼哈顿路径规划 (Conflict-free Manhattan Path Planning)
- 确定物体在模块间的移动序列。
- 冲突避免：确保同时操纵的多个物体不会同时占用同一个模块，从而防止物理干涉。
中层执行：方向性物体传递 (Directional Object Passing)
- 机制：利用滚动（Rolling）和滑动（Sliding）将物体跨模块转移。
- 策略：通过提升当前模块的独立执行器并降低共享及相邻模块的执行器，形成临时局部坡度。
- 路径控制：通过选择提升特定的共享执行器（内侧、外侧或两者均等），控制物体沿左、中、右三条路径通过边界。
底层控制：几何 PID 控制器 (Geometric PID Controller)
- 在目标模块内实现精确定位。
- 基于物体当前位置与目标位置的误差，计算表面倾斜角（ $\theta_{zx}, \theta_{zy}$ ）。
- 通过调整四个支撑执行器的高度来改变表面法向量，引导物体运动。
- 引入微小振动（噪声项）以克服静摩擦力。

2.3 干扰补偿策略 (Interference Compensation)

针对共享执行器引起的机械耦合（即操纵一个模块导致相邻模块物体位移）：

现象：相邻模块（共享 2 个执行器）的干扰远大于对角模块（共享 1 个执行器）。
补偿方案：
- 主动稳定：当相邻模块进行操纵时，被动模块提升其非共享执行器，产生反向倾斜以抵消共享执行器运动带来的意外坡度。
- 策略类型：全镜像补偿（Full-mirror）和半镜像补偿（Half-mirror）。

3. 主要贡献 (Key Contributions)

首个多模块软操纵平台：实现了在互联软织物模块上可靠的模块间物体转移和亚厘米级精确定位。
分层控制框架：结合了无冲突路径规划、方向性传递和几何 PID 控制，无需基于学习的方法即可处理异构物体（包括易碎品如鸡蛋、水果）。
共享边界硬件架构：提出了 $(n+1)^2$ 的执行器扩展方案，显著降低了大规模部署的成本和复杂性。
系统性干扰表征与补偿：
- 量化了共享执行器耦合对被动物体的影响（位移随共享执行器数量增加而增加）。
- 提出了补偿策略，将被动物体的位移减少了 59% - 78%。

4. 实验结果 (Results)

实验设置：在 $2 \times 2$ 硬件原型（1m $\times$ 1m）上测试了 7 种异构物体（苹果、鸡蛋、球体、立方体、骰子、圆柱体、圆盘），并在 MuJoCo 中进行了 $3 \times 3$ 模块的仿真。
物体传递 (Object Passing)：
- 球形物体表现出一致的滚动行为，不规则物体（如立方体）表现出更多变异性，但平均位置偏差保持在 0.03m 以内。
- 成功实现了沿左、中、右三条路径的定向传递。
目标到达 (Target Reaching)：
- 所有物体均成功到达目标位置（阈值半径 0.03m）。
- 平均定位误差 < 0.02m。
- 细长物体（如鸡蛋）需要微小的之字形修正，球形物体轨迹更平滑。
多物体操纵 (Multi-Object Manipulation)：
- 在 $2 \times 2$ 硬件和 $3 \times 3$ 仿真中，成功同时操纵两个物体，互不干扰，均达到亚 3 厘米精度。
干扰与补偿 (Interference & Compensation)：
- 无补偿时：相邻模块操纵导致球体平均位移高达 0.217m，最大位移 0.460m（甚至导致物体移出模块）。
- 有补偿时：
  - 球体 RMS 位移降至 0.047m（减少 78%）。
  - 圆盘（Puck）RMS 位移降至 0.026m（减少 59%）。
  - 补偿后的性能接近对角模块（干扰最小）的水平。

5. 意义与展望 (Significance & Future Work)

实际应用价值：该研究为软操纵表面在食品加工（处理易碎、不规则食品）和物流（大规模并行分拣）中的大规模应用奠定了可扩展的基础。
理论突破：证明了通过共享边界架构和补偿策略，可以在不牺牲操纵性能的前提下，解决软机器人系统中的机械耦合问题。
未来方向：
- 构建 $3 \times 3$ 硬件原型以验证更大规模下的级联干扰。
- 开发基于实时跟踪的闭环模块间传递策略（目前为开环时序控制）。
- 集成嵌入式传感器以减少对外部视觉系统的依赖。
- 研究物体姿态控制（目前仅控制位置，未控制旋转）。

总结：本文提出了一种创新的模块化软操纵平台，通过共享执行器架构解决了可扩展性问题，并通过分层控制和主动补偿策略有效解决了模块间转移和机械耦合干扰问题，实现了在低成本硬件上对异构易碎物体的高精度、并行操纵。