Toward generic control for soft robotic systems
本文提出了一种用于软体机器人的新型控制框架，该框架从精确的动作生成转向对行为边界的调节，从而在不依赖特定模型的情况下，在不同系统中实现鲁棒且可迁移的运动智能。
原始论文采用 CC BY 4.0 许可（https://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
几十年来，让机器运动的标准方式一直依赖于一个简单且僵化的理念：要控制机器人，你必须首先精确了解它的运作方式。工程师构建出机器体的精确数学模型，计算每一个关节、重量和受力，然后编写计算机程序来发出精确指令，使机器遵循特定路径运动。这种方法对于由金属和齿轮组成的刚性机器人非常有效，因为这些部件的运动是可预测的，且不会发生弯曲。但当应用于软体机器人时，这一方法便碰壁了。软体机器人由硅胶或橡胶等柔性材料制成，会发生复杂的扭转、拉伸和挤压。由于这些软体结构会不断变形并以难以预测的方式与世界互动，试图为它们的运动编写一份完美的图谱几乎是不可能的。当工程师试图将旧有的精密控制方法强加于这些柔性机器时，机器人往往会失败，变得脆弱且无法适应新环境。
这种困难促使研究人员提出了一个根本性的问题：控制的目标是告诉机器每一步该怎么做，还是在机器摸索如何运动时确保其安全？一项新研究提出，对于软体机器人而言，答案在于第二种方法。研究人员建议，与其预先计算每一次细微的动作，不如通过设定一个广泛的意图，并保护系统免受危险行为的影响，从而让智能行为自然产生。通过将重点从规定精确步骤转向定义安全的边界，机器人可以自然地与环境互动，利用自身的灵活性寻找那些刚性计算机程序永远无法计算出的解决方案。
来自包括哈尔滨工业大学和南洋理工大学在内的研究团队开发了一种全新的控制框架，旨在无需针对每种机器人进行定制设计的情况下，适用于多种不同类型的软体机器人。他们的系统由三个协同工作的层级组成，模拟了人类在无需有意识计算肌肉力量的情况下进行运动的过程。首先是一个学习模块，它观察机器人并建立一个粗略且具有适应性的运动图像，类似于儿童通过感知平衡感而非求解物理方程来学习走路。其次是一个规划模块，它能快速测试许多可能的短程运动，以观察哪些运动看起来更有前景。最后，一个安全过滤器充当反射神经的作用，它能瞬间介入，阻止任何会导致碰撞或跌倒的动作，同时在安全状态下允许机器人自由移动。这种结构使机器人能够在不需要完美自身模型的情况下，做出快速且具适应性的决策。
为了证明这一理念的有效性，研究团队将其控制器测试在三种完全不同的机器上，每种机器都有独特的形状和运动方式。第一种是软体机械臂，由一根在拉动电缆时会弯曲的柔性管组成。第二种是软体机器鱼，其尾部通过摆动在水中游泳。第三种是活体半机械蟑螂，这是一种配备了小型电子背包的真实昆虫，通过发送电信号来引导其运动。尽管塑料机械臂、游泳鱼和活体昆虫之间存在巨大差异，但同一套控制软件都成功引导了它们。软体机械臂绕过障碍物画出了一个正方形路径而未发生碰撞；机器鱼在水箱中绕过障碍物游出了一个“8”字形图案；而蟑螂则在保持直线行走的同时，仅在必要时进行转向以留在安全通道内。
实验表明，这种方法不仅具有通用性，而且对随时间发生的必然变化具有鲁棒性。在一项长期测试中，软体机械臂被要求重复相同的动作超过3000次。随着材料疲劳以及机器人行为的轻微改变，传统的控制器会导致机械臂崩溃，但新系统检测到了这些变化并实时调整了其安全边界，使机械臂在无需重新编程的情况下仍能保持轨迹。该系统也有效地处理了物理极限问题：当机器鱼必须在狭窄空间内进行急转弯时，控制器确保电机不会过度施压，从而在完成动作的同时防止损坏。此外，该系统的运行速度足以实时追踪移动目标，证明了其能够应对动态环境。
这项研究的一个关键发现是，控制器不需要了解机器人的精确物理特性即可工作。它依赖于对机器人行为的一种“粗略”理解，这足以生成安全的运动。当研究人员将这种方法与一种不断向蟑螂施加电信号以保持航向的策略进行对比时，发现我们的方法更为优越。持续的刺激会导致昆虫的反应能力随时间下降，导致其偏离路径越来越大。相比之下，新系统仅在蟑се螂即将离开安全区域时才进行干预，因此产生的信号更少，路径也更加笔直。这表明，通过信任机器人的自然运动能力并仅在发生危险时介入，该系统能以更少的投入实现更好的效果。
这项工作暗示了我们对机器智能理解方式的转变。对于软体机器人而言，精度并非最重要的因素；相反，调节安全行为边界的能力可以实现一种更灵活、更具韧性的控制形式。通过脱离“机器人必须接受精确指令”的概念，这一框架为实现能够适应新形状、新环境和新任务的机器打开了大门。结果显示，单一且通用的控制策略可以处理软体机器人的复杂性，为创造出像它们所模仿的生物一样具备适应性和安全性的机器提供了路径。
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。