軟體機械臂由于其運動的非線性、時滯性與遲滯性而難以控制，而在多段軟體機械臂（MSCA）內(nèi)，其各段間的驅(qū)動、傳感和運動的耦合更增加了控制難度。

但同時，由于MSCA的各段可以相對獨立地驅(qū)動，這類機械臂可以實現(xiàn)末端位姿控制、形狀控制、控制過程中自動避障、實時交互等復(fù)雜控制任務(wù)。

意大利比薩圣安娜高等學(xué)院和洛桑聯(lián)邦理工學(xué)院的研究人員提出了一種利用雙向循環(huán)神經(jīng)網(wǎng)絡(luò)(biLSTM)對于MSCA構(gòu)型的規(guī)劃與控制的策略，該方法即使運用不準(zhǔn)確的內(nèi)部傳感信號也能實現(xiàn)上述復(fù)雜任務(wù)。

論文鏈接：https://ieeexplore.ieee.org/document/11049035

研究人員針對MSCA提出了多功能控制器，首先分析多段軟體機器人的運動邏輯，如圖1所示，各段的驅(qū)動量(A)直接影響各段的構(gòu)型(C)，同時其構(gòu)型還收到相鄰段的構(gòu)型和重力的影響，最終所有段的構(gòu)型共同決定MSCA的狀態(tài)(S)，如各段的位置、姿態(tài)和整體形狀。

圖1. MSCA運動示意圖與實體實驗

對于狀態(tài)空間到構(gòu)型空間的規(guī)劃（S2C），研究人員提出了一個以biLSTM作為正向運動學(xué)模型（NN_C2S）的優(yōu)化問題

其中損失函數(shù)的各個項分別為了減小目標(biāo)與實際位置差距(Lp)、減小目標(biāo)與實際姿態(tài)差距(Lo)、增大障礙物與實際位置距離(Lob)、減少每步構(gòu)型變化(Ld)。

需要注意的是，biLSTM運動學(xué)模型不是以準(zhǔn)確的各段形變代表配型(real configuration)，而是如圖1所示，以并不準(zhǔn)確的、受段間耦合影響的內(nèi)部傳感估算的形變代表配型(internal configuration).

在根據(jù)狀態(tài)空間的目標(biāo)規(guī)劃了目標(biāo)配型后，接下來實現(xiàn)從配型到驅(qū)動的控制(C2A)。由于biLSTM與MSCA有著同樣的段間耦合特點（如圖2所示），基于研究人員過去的工作，利用biLSTM實現(xiàn)MSCA的配型控制。

圖2 （A）MSCA 運動框圖、（B）MSCA示意圖、（C）biLSTM控制器與（D）單個單元示意圖

所使用的線驅(qū)機器人的不可壓縮性給每段的驅(qū)動量（線長）進行了約束，因此我們提出了一個激活層來滿足每段的三個驅(qū)動量的約束與范圍要求。

實驗結(jié)果

研究人員首先進行基礎(chǔ)任務(wù)的實驗并與基于常曲率模型（PCC）的方法進行比較。

在基礎(chǔ)任務(wù)中，研究人員控制機器人末端位置進行軌跡追蹤，并在此基礎(chǔ)上控制俯仰角與偏航角。

該方法比PCC在各個任務(wù)里都有更低的誤差，MSCA運動如圖3和視頻所示。

圖3 MSCA實現(xiàn)末端位置和姿態(tài)控制。

除了基礎(chǔ)任務(wù)，該方法還可以實現(xiàn)一些復(fù)雜任務(wù)?？紤]到MSCA適合在手術(shù)、發(fā)動機維修等有位置要求的任務(wù)中使用，限制某些位置不變的情況下驅(qū)動機械臂，運動如圖4與視頻所示。

圖4 MSCA實現(xiàn)位置限制控制

除此之外，該方法還可以實現(xiàn)避障與追蹤。

在圖5中，MSCA被要求接觸紅色目標(biāo)，不斷在原軌跡上放置藍色障礙物使其對于軌跡進行重新規(guī)劃。

圖5 MSCA實現(xiàn)避障

在此基礎(chǔ)上，該方法還可以實現(xiàn)線上追蹤和避障，如圖6和視頻所示。

圖6 MSCA實現(xiàn)線上追蹤與避障

總結(jié)

在這篇論文中，研究人員基于MSCA的段間耦合提出了利用biLSTM的多功能規(guī)劃與控制策略，該策略可以實現(xiàn)MSCA的末端位姿控制、位置限制控制、線上避障與追蹤。

在以后的工作中，研究人員計劃基于物理模型對工作空間進行分析，以在控制前驗證目標(biāo)位姿的可行性，同時計劃引入不同的傳感器以提高配型準(zhǔn)確度。