TRO论文：未知环境接触和随机负载下的软体机器人运动控制方法

针对以上问题，我们提出了一种新的软体机器人建模和控制框架，其融合了外力分布及环境接触状态估计、本体连续变形状态估计和反馈控制器的集成设计。与现有的面向已知工作条件的控制方法不同，我们提出的框架可以在未知障碍、未知被操作物体、随机负载存在的复杂条件下实现软体机器人自主的精确运动控制。近日，该论文以“Precise Control of Soft Robots Amidst Uncertain Environmental Contacts and Forces”为题发表于机器人领域顶级期刊IEEE Transactions on Robotics（见文末论文链接[1]）。该工作在建立了基于Hermite插值的软体机器人全参数化物理模型的基础上，提出了一种“运动-外力”多模式估计算法，实现了基于稀疏运动传感单元的连续运动状态估计和外力分布估计，从而完成对环境交互信息的推理。将这一多模式估计算法集成至反馈控制器的设计中，该工作可用于实现随机负载下机器人的精确轨迹跟踪、障碍接触感知与自主避障、自适应灵巧抓取等功能。

本工作中机器人控制策略的设计首先依赖于一个有效的系统模型，以分析驱动输入、外力分布和运动输出三者之间的映射关系。此外，为了方便控制策略的实施，该模型需要采用有限参数描述。而现有的软体机器人模型一般只关注了其连续运动状态的参数化描述，其并不足以用于外力分布和接触状态的估计。为了解决这一问题，本工作建立了一种基于Hermite插值的全参数化模型。该模型通过绝对节点载荷概念的定义，构建了软体机器人三维分布力函数的表达式，并结合了绝对节点坐标法，实现了基于有限参数的软体机器人连续运动和受力状态描述。该模型的另一个优势是，其定义的机器人载荷参数与广义力矢量具有一个固定的线性关系，从而使得我们可以得到机器人载荷参数和运动学构形参数之间的雅克比映射关系，使之为本工作中“运动-外力”多模式估计算法的设计提供了基础。

由于上述全参数化模型已经刻画了机器人所受外力分布和输出构形的关系，因此，在机器人构形可完整测量的情况下，该模型可以直接用于外力分布的计算分析。但是，在实际应用场景中，一般难以直接测量机器人完整的连续构形信息，相反地，我们通常只能获取稀疏分布的传感数据。此外，运动测量数据的误差也可能导致外力估计结果的不准确性。为解决上述问题，本工作提出了一种基于非线性优化模型的“运动-外力”多模式估计算法，实现了根据有限、非精确运动测量数据的完整构形估计和受力状态估计。图2展示了该算法的数值验证结果，其说明了随着运动测量特征点数量的增加，运动估计误差和外力估计误差都能趋近于零。

图2 多模式估计算法的数值验证结果

此外，针对物理模型误差对估计结果的影响，本工作提出了虚拟载荷的概念，将模型误差对机器人运动仿真结果的影响等效为一组虚拟的分布载荷，如图3所示。该虚拟载荷可以由空载条件下机器人的运动数据计算得到，从而实现了外力估计结果的修正，同时也为控制器设计中模型误差的补偿提供了基础。

图3 与模型误差等效的虚拟载荷示意图

本工作进一步将这种多模式估计算法用于不同场景下的软体机器人控制策略的设计中。首先被考虑的是机器人受到随机分布负载作用时的运动控制，即需要让机器人受到多个未知大小、未知作用位置的负载（如图4(a)）时能保持精确的轨迹跟踪运动。

图4 随机分布负载下的运动控制示意图

为此，本工作设计了一种基于实时参数估计的反馈控制策略，如图4(b)所示，其主要思路是利用物理模型生成前馈控制指令，而多模式估计算法被用于载荷参数和运动参数的实时估计和更新。此外，该控制策略通过考虑了包括虚拟载荷在内的相关参数，使得即使在模型具有显著误差的情况下仍能保持良好的轨迹跟踪效果。如视频1和视频2所示，该控制策略分别在一个串联软体机器人和并联软体机器人上得到了验证，不同随机负载下的平均轨迹跟踪误差为0.2-0.3 mm。

除了受到随机负载作用外，软体机器人在工作过程中也可能与未知的环境发生接触，例如环境探测方面的应用等。而本工作提出的多模式估计算法可以利用估计得到的接触力分布推理机器人与外界环境的交互情况，从而为未知受限空间中的自主运动规划和控制提供基础。

图5 基于多模式估计算法的机器人运动状态及障碍物位置推理

在这种自主障碍感知能力的基础上，本工作结合了基于绝对节点坐标法的运动学模型、基于人工势场法的运动规划、以及基于多模式估计算法和虚拟载荷的控制器参数更新，设计了一种多节软体机器人的形状控制算法，以实现自主的避障运动。如视频3所示，该方法可以使得机器人在与未知障碍物发生接触时自主判断障碍位置，并绕开障碍、达到预先设定的目标点。

软体机器人的柔顺性使得其另一个重要应用是在基于软体抓手的柔顺抓取方面。但是软体抓手在与物体接触过程中将发生难以预测的被动连续变形，使得当前仍鲜有可靠的基于模型的控制策略，从而限制了这类抓取方法的可靠性。而本工作提出的多模式估计算法和基于实时参数估计的控制策略为这一问题的解决提供了思路。为说明这一点，本工作以一个二指多节气动软体抓手平台为例，设计了一种自适应抓取策略，实现了面向未知物体的自主精确抓取。

图6 软体抓手实时运动状态及接触位置估计

该策略的主要思路是利用布置在抓手本体上的离散运动传感单元以及多模式估计算法，推理抓手在工作过程中的连续变形和外力分布，从而判断与物体的接触位置，进而通过调整接触点处的抓取角度和抓取力实现精确、可靠的抓取。为了验证该方法，本工作采用搭建的实验平台对9种具有不同大小和形状的物体进行了抓取测试，并与经典的基于近端驱动的开环抓取策略进行了对比。

图7 基于不同抓取策略的部分实验结果

本工作提出了一种面向未知环境接触和随机负载条件的软体机器人建模和控制框架。该框架首先利用Hermite插值方法描述了机器人的三维连续变形和外力分布，从而建立了系统全参数化模型。利用该模型，进一步设计了一种“运动-外力”多模式估计算法，其可以从有限的运动传感数据中推断机器人的连续运动状态和分布力，从而实现了环境接触位置和交互力的感知。结合建立的模型和该多模式估计算法，本工作设计的控制框架实现了随机负载作用下软体机器人的精确轨迹跟踪，其平均控制误差在0.3mm内。此外，该框架也赋予了软体机器人感知和适应外部环境的能力，并在自主避障和自适应抓取测试中得到了验证和展示。相关的实验结果也说明了本工作提出的控制框架在需要与环境进行柔性交互的机器人应用场景中的广阔潜力，例如环境探测和安全操作等。

上海交通大学博士生黄心嘉为论文的第一作者，上海交通大学谷国迎教授为论文通讯作者，博士生袁子浩、杨新宇为共同作者。该论文得到了国家自然科学基金、上海市科委、机械系统与振动国家重点实验室项目的资助。

论文信息：Xinjia Huang, Zihao Yuan, Xinyu Yang, and Guoying Gu. “Precise Control of Soft Robots Amidst Uncertain Environmental Contacts and Forces”, IEEE Transactions on Robotics, 2024, DOI: 10.1109/TRO.2024.3427339.

论文链接：

[1] https://ieeexplore.ieee.org/document/10598400 (点击“阅读原文”在线访问)