.png){kind=icon}
返回
Deformation Configuration Estimation for Soft Continuum Robot Utilizing Seq2Seq Learning
.png){kind=icon}
PRE
AI
DOI：10.1109/LRA.2025.3629975.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
受生物触手启发，软体连续机器人展现出在狭窄空间导航和复杂环境中作业的潜力，提供了广泛的应用可能性。然而，由于固有的顺从性，软体连续机器人在复杂环境中可能会发生不可预测的变形，导致整体构型改变和控制精度下降。为解决此问题，本文采用序列到序列（Seq2Seq）学习方法来估计多点接触下索驱动的连续机器人的变形。我们还引入了一种简化的方法，利用自组织映射（SOM）获取训练所需的ground truth数据，并设计了动态损失函数用于两阶段训练，从而在速度和精度两方面促进神经网络优化。此外，制作了一款由硅胶制成、具有两个主动控制自由度的软体连续机器人，以验证所提出方法的有效性。结果表明，形状估计误差为2.94 mm（机器人长度的1.23%）。
Keyword:
Continuum robot
contact kinematics
neural network
configuration estimation
