重要突破！大連理工大學團隊實現「線驅動連續型機器人多模態感知」登國際權威期刊

大數據文摘轉載自機器人大講堂

你知道什么是連續型機器人嗎？這類機器人可以稱得上是機器人中的“眼鏡蛇”，以其強悍的靈活性和柔順性著稱。它們在醫療介入手術、狹小空間檢測、工業及生活輔助等非結構化環境中具有十分廣泛的應用場景。

例如用于微創手術的達芬奇Vinci SP介入手術機器人、美國Tesla公司的蛇形充電機器人以及德國Festo公司的柔性機械臂等。

那么問題來了，同是機器人，為什么它們這么靈活？原因在于連續型機器人通過顛覆傳統剛性機械臂的結構設計，使得自身具備大量冗余“自由度”，進而實現靈活運動和柔順變形。

然而，也正是因為存在大量冗余“自由度”，使得對連續型機器人的感知帶來巨大挑戰！目前，各種感知手段，包括：視覺運動捕捉、拉力傳感器、光纖光柵測量、磁場分布測量等等，都難以通過單一途徑實現對連續型機器人的多種運動模態的同步感知，這也嚴重影響并制約連續型機器人在非結構化環境中的未來發展和實際應用。

針對這些問題，近日，大連理工大學的彭海軍教授團隊從線（又稱繩索或肌腱）驅動的動力學機理出發，提出了一種線驅動連續型機器人的多模態感知方法，即在僅使用線驅動長度數據的條件下，實現了連續型機器人動態位形、張力分布以及驅動狀態的多模態同步感知功能。

該項研究成果以《Morphology and Tension Perception of Cable-Driven Continuum Robots》為題，在線發表于國際權威期刊《IEEE/ASME Transactions on Mechatronics》。

困難在哪里？

從力學角度來看，線驅動連續型機器人多模態感知就是線驅動長度變化在彈性變形和滑動摩擦等各種非線性因素作用下，如何準確獲取連續型機器人的外在動態行為變化以及內在張力分布變化等多種模態信息。

目前，外部視覺測量，可以輕松獲取連續型機器人的動態行為，但無法直接獲取內在張力分布；拉力傳感器，可以方便測量連續型機器人拉線一端的張力大小，但不能代表整個線長度方向的內力分布；光纖光柵更是存在變形誤差的累積問題，等等。

這些感知設備和手段僅在單一模態感知方面都存在一些困難，因此研發團隊做出大膽試想，不使用視覺測量設備，是否可以實現動態行為變化的感知？不使用拉力傳感器，是否可以實現線驅動張力分布的感知？甚至是否可以實現動態行為變化，內在張力分布，甚至驅動狀態等等這些多模態信息的同步感知呢？

如何實現？

多模態信息其實早已蘊含在線驅動連續型機器人的動力學模型中，只是暫時被表面極度復雜的動力學模型所掩蓋罷了，需要一雙“慧眼”去發覺多模態信息的寶藏。

彭海軍教授團隊建立了包含線驅動變形、摩擦和松弛等非線性因素的連續型機器人動力學模型，通過深刻領悟和理解動力學模型的曼妙之美，最終破解了多模態信息同步感知的科學問題。

在這項研究工作中，他們首先發現了驅動線長度的運動學變量與內在張力分布的動力學變量之間的非線性互補關系，根據已知線驅動長度感知線長度方向張力分布，同時感知驅動線的張緊或松弛狀態；

然后在所建立的剛柔耦合動力學模型中引入已知張力分布，進而感知外在動態行為變化；最終在僅適用驅動線長度信息的情況下，實現連續型機器人的動態位形、張力分布以及驅動狀態的多模態同步感知功能。

效果怎么樣？

平臺搭建完畢后，研究人員們開始了線驅動連續型機器人多模態感知效果實驗，他們先分別進行了2根線驅動和3根線驅動，連續型機器人樣機完成轉動、彎曲和扭轉動作，并根據驅動線長度變化感知形態變化，基本與樣機視頻一致。

然后在同樣的線驅動情況下，根據同樣的驅動線長度感知張力和驅動狀態，并與張力傳感器測量數據進行對比，可以發現感知張力與測量張力吻合度較好。

最后，除了感知連續型機器人的自由運動，還可以在連續型機器人受到外載荷作用下，感知形態、張力和驅動狀態，也都和測量結果具有很好的匹配效果。

未來應用潛力

這項研究工作表明：通過連續型機器人的動力學模型，研究團隊可以在不使用其他感知設備的條件下，僅使用線驅動長度數據即可實現動態位形、張力分布及驅動狀態的多模態同步感知。

這不僅為連續型機器人的精確控制提供了大量反饋信息，還解決了現有各種感知設備僅能單一模態感知，無法多模態同步感知的困難，更是大大降低連續型機器人對感知設備的依賴。

使得在狹小空間等非結構化環境中，無法安裝外部測量設備以及不增加自身額外設備的情況下，準確獲取多模態信息。因此我們看到，多模態感知技術使得連續型機器人在未來更多實際需求場景中發揮更大價值。

論文信息：

Morphology and Tension Perception of Cable-Driven Continuum RobotsZhongzhen Liu, Zhiqin Cai*, Haijun Peng*, Xingang Zhang, Zhigang WuIEEE/ASME TRANSACTIONS ON MECHATRONICSDOI:10.1109/TMECH.2022.3198093https://ieeexplore.ieee.org/abstract/document/9882181