Continuum Robot Localization using Distributed Time-of-Flight Sensors
本文提出了一种连续体机器人的定位技术，该技术通过将分布式低分辨率飞行时间（Time-of-Flight）传感器的数据与形状先验进行融合，以实现在非结构化环境中的精确位置与姿态估计，从而克服了传感器尺寸和机器人变形带来的局限性。
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
想象一种不像靠轮子或腿部移动，而是像活着的蠕虫或蛇一样弯曲和伸展的机器人。这些被称为“连续体机器人”（continuum robots）的机器，旨在滑入刚性机器无法进入的狭窄、扭曲的空间，例如人体内部进行手术，或深入飞机发动机复杂的机械结构内部。由于它们如此灵活且通常需要体积很小，它们无法携带大多数机器人用来观察位置的大型、沉重的摄像头或激光器。由于缺乏了解其精确位置和形状的方法，这些机器人是“盲目”的，无法自主进行安全导航或执行精细任务。工程师面临的挑战在于，如何仅利用安装在它们身上的微小、轻量化传感器，赋予这些柔软、易变形的机器一种方向感。
一组研究人员开发出了一种解决问题的新方法，即赋予机器人一种分布式的触觉和距离感。他们没有依赖于顶端的一个强大摄像头，而是在机器人的整个长度上放置了多个小型、低分辨率的距离传感器。这些传感器通过测量光脉冲从物体反射回来的时间来工作，它们自身的功能太弱，不足以绘制复杂房间的地图。单个传感器可能会看到一堵墙，但不知道自己面对的是转角还是平面，从而导致混乱。然而，通过将这些分布在机器人身上的许多微弱且分散的信号与一个关于机器人应如何弯曲的计算机模型相结合，该团队创建了一个能够准确判断机器人在何处以及正呈现何种形状的系统。
研究人员在一个长约53厘米、由可以拉伸和压缩的软材料制成的机器人上测试了这个想法。他们为这个机器人配备了三个传感器环，每个环包含三个小型距离检测器和一个用于测量旋转的陀螺仪。随后，他们将机器人送入一个充满各种物体的杂乱环境中，要求它仅利用自身身体传感器的数据进行导航。为了帮助机器人理解周围环境，团队首先创建了一个房间的数字地图，但他们也通过改变房间（增加或移除物体）来测试该系统，以观察当地图与现实不完全匹配时，机器人是否仍能找到路径。
结果显示，这种方法效果惊人地好，即使在传感器产生困惑或地图略有偏差的情况下也是如此。在测试中，机器人能够确定其位置，平均误差仅为2.5厘米，并能确定其朝向，误差约为7度。即使当机器人遇到原地图中没有的物体，或者环境看起来与预期不符时，这种准确度依然保持稳定。事实证明，该系统足够鲁棒，能够处理单个传感器因无法观察到足够细节而无法理解世界的状况。通过融合机器人脊椎上所有传感器的数据，计算机可以填补空白，并维持对机器人位置的清晰认知。
这项研究还揭示了机器人的形状如何影响其感知位置的能力。靠近基座（锚定在已知起点）的传感器非常精确。然而，随着机器人的伸展，测量中的微小误差会不断累积，使得顶端的追踪变得稍微困难一些。尽管如此，系统仍然保持稳定，并没有在面对许多障碍物的困难场景时完全丢失对机器人的追踪。研究人员发现，机器人还可以利用自身的运动数据来辅助修正位置，在距离传感器不确定时起到备份作用。
这项工作证明，在不需要外部摄像头或大型追踪系统的情况下，引导一种软体、可变形机器人穿过杂乱、非结构化的环境是可能的。该方法依赖于一个简单的理念：许多微小的、不完美的测量值，在与对机器人自身结构的良好理解相结合时，可以创造出可靠的空间感。虽然该系统仍依赖于拥有一个相对准确的初始地图，但其容忍环境变化的能力为那些需要自主检查危险或难以进入区域的机器人指明了前进的方向。研究人员展示了通过将传感器分布在全身，机器人可以通过这种方式克服体积小和材料柔软的限制，从而在现实世界中充满信心地进行导航。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。