An Efficient Algorithm for Minimum-Pressure Growth Planning of Vine Robots
本文提出了一种高效算法，通过推导一种新的压力方程、证明最优路径为分段线性，并利用改进的 Dijkstra 算法求解由此产生的随时间变化的短路径问题，从而保证了藤蔓机器人（vine robots）在穿越多胞体障碍物时具有全局最优的最小压力生长路径。
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
想象一下，一种由柔软、有弹性的塑料而非金属和齿轮构成的机器人，它像植物一样生长。这种机器不是通过轮子滚动或靠腿行走，而是通过将自身的皮肤向内翻转，从而使顶端向前延伸并推动自身前进。科学家们称之为“藤本机器人”（vine robots）。它们在探索那些刚性机器无法进入的狭窄、拥挤空间方面非常有用，例如古代建筑的遗迹、灾难后坍塌结构的内部，甚至是人体内部。因为它们是柔软的，所以可以挤过狭窄的缝隙，并绕过障碍物而不会造成损坏。然而，这里有一个难点。为了让机器人生长，你必须向它注入空气。随着机器人变得越来越长或试图转弯，内部的气压必须随之增加。如果压力过高，薄薄的塑料外皮可能会爆裂，从而导致任务失败。工程师面临的挑战是，寻找一条穿过障碍迷宫的路径，使机器人能够到达目的地，且永远不会超过那个危险的压力极限。
长期以来，旨在引导这些机器人的计算机程序都专注于寻找最短距离或转弯次数最少的路径。这种方法对于刚性机器人很有效，但对藤本机器人却行不通。在地图上看起来很短的路径可能需要一个急转弯，这会导致内部压力飙升，导致机器人在到达目标之前就发生故障。在一项新的研究中，加州大学圣塔芭芭拉分校的研究人员开发了一种更聪明的规划方式。他们创建了一种算法，专门寻找所需空气压力最小的路线。他们的方法保证了在平面二维环境中的最佳路径，并在复杂的三维空间中找到了接近最优的路径。
这种新方法的核心是对机器人内部压力如何积聚有着更深入的理解。研究人员推导出了一个新的方程，该方程考虑了机器人的每一段直线部分和每一个转弯。他们发现，机器人尾部在自身体内滑动产生的摩擦力，以及机器人在转弯时产生的摩擦力，都会以特定的方式累加。至关重要的是，他们发现压力不仅仅是累加，而是随着每一次转弯而乘积增长。这意味着，拥有许多小弯道的路径可能比一条较长但弯道更缓和的路径要危险得多。为了解决寻找最安全路径的问题，团队意识到，机器人只需要在避开障碍物的尖锐转角处改变方向。这一洞察力使他们能够将复杂的3D迷宫导航问题转化为一个更简单的数学问题：在点网络中寻找最短路径。
利用这一策略，研究人员构建了一个名为 VinePlanner 的软件工具。他们在带有数千个障碍物的计算机模拟中测试了它，创建了极其密集的迷宫，而旧方法处理这些迷宫需要数小时之久。他们的新算法甚至在拥有超过 15,000 个障碍物的环境中也能在几秒钟内找到最优路径。在一次测试中，一条标准的最短距离路径需要近 20,000 千帕的压力，这远远超过了任何藤本机器人所能承受的极限。相比之下，新算法找到的路径仅需 318 千帕，这是一个安全且可控的水平。研究人员还使用薄塑料管制造了一个实体机器人，并在一个由丙烯酸块组成的真实障碍课程中进行了测试。他们根据模型预测的不同路径手动引导机器人，并测量了压力。结果完美符合他们的预测：计算机选择的路径是唯一一个能安全保持在爆裂点以下的路径，而其他看似合理的路径则会导致压力上升到危险的高度。
该团队还将他们的方法应用于三维环境，即障碍物是固体块而非平面墙壁的情况。虽然在三维空间中寻找完美路径在数学上更加困难，但他们的方法通过将问题分解为细小、易于处理的步骤来解决。通过在障碍物的边缘放置额外的点，他们可以找到一个几乎达到理论最优的路径。随着他们将这些步骤变得越来越小，解决方案会越来越接近完美。这项工作代表了软体机器人技术的重大进步。通过确保机器人永远不需要过度用力，这种新的规划工具使得这些机器能够比以往更远地旅行，并更深地探索危险或难以进入的环境。研究人员已向公众开放了他们的软件，希望其他人能利用它来引导藤本机器人执行从工业检查到医疗手术等各种任务。
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。