Real-time Estimator of Actuator Control and Health (REACH) on an Eel-Inspired Soft Robot
本文提出了 REACH，这是一种利用软体机器人模型、西格玛点滤波器和统计假设检验，在多种游泳步态和传感器配置下，精确估计鳗鱼启发式水下机器人执行器健康状况及退化程度的实时算法。
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
在阳光消逝、压力剧增的深海之下，自主机器正承担着探索未知的任务。这些水下航行器被设计为无需人类引导即可运行，但它们面临着一个独特的挑战：那些让它们具备灵活性和适应性的材料，同时也成为了它们的薄弱环节。与刚性的金属机器人不同，软体机器人由具有延展性的物质构建，可以像生物一样弯曲和扭转，从而使其能够穿过狭窄的空间并安静地移动。然而，这些软体材料容易发生磨损、撕裂，或者仅仅是随着时间的推移而失去强度。如果一台水下机器人无法察觉到自己的“肌肉”正在失效，它可能会偏离航线或被困原地，无法返回安全地带。工程师们面临的关键问题是，如何赋予这些机器一种感知自身内部健康状态的能力，使其能够即时检测到损伤并调整动作以求生存。
研究人员开发了一种名为 REACH 的新系统，旨在解决这种特定类型水下机器人的问题——这种机器人被设计为像鳗鱼一样游泳。这款由康奈尔大学和加州大学圣迭戈分校团队构建的机器人模仿了鳗鱼的波动运动，利用一系列充满水的软性腔室通过扩张和收缩来提供动力。研究人员为这款机器人创建了一个“数字孪生”体，即一个能够预测机器在理想条件下应如何运动的高级模拟系统。随后，他们制造了一个真实的机器人版本，并将其置于水箱中进行测试，以验证是否可以利用预期运动与实际运动之间的差异，来判断一个执行器（即机器人的“肌肉”）何时发生故障。该系统的工作原理是通过不断将机器人的实际行为与预期行为进行对比，并使用一种能够处理流体动力学和软体材料中混乱且不可预测特性的统计方法。
为了使该系统发挥作用，团队必须决定哪些传感器能提供最佳数据。他们测试了三种不同的测量工具：用于追踪位置的全球定位系统、用于感知加速度和方向的惯性测量单元，以及直接附着在机器人身上的柔性弯曲传感器。结果清晰且令人惊讶。全球定位系统通常是导航的首选，但在这一特定任务中却证明是徒劳的。由于机器人的移动速度较慢，且水环境复杂，位置数据对突发故障的反应过于迟缓。相比之下，弯曲传感器和惯性测量单元的表现异常出色。弯曲传感器（测量机器人身体弯曲程度的工具）几乎能立即检测到故障，而惯性测量单元（感知机器人震动和转向的工具）的效果也几乎同样有效。
研究人员还调查了维持机器人安全究竟需要多少个传感器。他们发现，对于惯性测量单元，只需在机器人上放置两个传感器，就足以准确诊断其所有肌肉的健康状况。对于弯曲传感器而言，由于其具有局部性，只能“看到”所附着的部位，因此需要三个传感器才能获得机器状态的完整图景。这一区别对于未来的设计至关重要，因为增加过多的传感器会使机器人变得沉重且昂贵，而传感器过少则会让机器人对损伤视而不见。团队在三种游泳模式下测试了该系统：直线游泳、宽幅转弯以及执行急转弯。在每种场景下，系统都成功识别出了肌肉失效的情况，无论机器人的运动方式如何。
最后，团队将该系统从计算机中移出，并在物理机器人鱼身上进行了实测。他们通过降低特定腔室的水流来刻意削弱机器人肌肉的性能，以此模拟撕裂或泵失效的情况。该系统利用来自弯曲传感器的数据，能够实时检测到这些变化。虽然在最初几秒钟内，估算并不总是完全精确——这可能是由于水泵启动需要时间——但系统迅速趋于稳定，并正确识别出了哪些肌肉受损以及受损程度如何。这项研究表明，通过将真实的模拟技术与正确的传感器组合相结合，软体机器人可以获得监测自身健康的能力，确保即使在身体部件开始失效的情况下，也能完成任务并安全返回。
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。