[论文解读] Controlling a CyberOctopus Soft Arm with Muscle-like Actuation

Heng-Sheng Chang, Udit Halder+5 more|arXiv (Cornell University)|Oct 2, 2020

Soft Robotics and Applications参考文献 31被引用 4

一句话总结

本文提出了一种新颖的能量整形控制框架，用于建模为柯塞尔特杆（Cosserat rod）的软体八臂章鱼机器人手臂，其具有类似肌肉的驱动方式。通过借鉴非线性弹性理论的存储能量函数来建模肌肉力，该方法避开了能量整形控制中复杂的匹配条件，实现了通过双层优化实现的稳定抓握与伸展。该方法在Elastica中成功模拟了生物上逼真的手臂运动。

ABSTRACT

This paper presents an application of the energy shaping methodology to control a flexible, elastic Cosserat rod model of a single octopus arm. The novel contributions of this work are two-fold: (i) a control-oriented modeling of the anatomically realistic internal muscular architecture of an octopus arm; and (ii) the integration of these muscle models into the energy shaping control methodology. The control-oriented modeling takes inspiration in equal parts from theories of nonlinear elasticity and energy shaping control. By introducing a stored energy function for muscles, the difficulties associated with explicitly solving the matching conditions of the energy shaping methodology are avoided. The overall control design problem is posed as a bilevel optimization problem. Its solution is obtained through iterative algorithms. The methodology is numerically implemented and demonstrated in a full-scale dynamic simulation environment Elastica. Two bio-inspired numerical experiments involving the control of octopus arms are reported.

研究动机与目标

• 为八臂章鱼手臂的纵向、横向和斜向肌肉建立面向控制的模型，以用于机器人控制。
• 将解剖学上准确的肌肉力学整合到软体机器人操作的能量整形控制框架中。
• 通过存储能量函数建模保守肌肉力，解决能量整形控制中的匹配条件难题。
• 通过肌肉激活的双层优化，实现稳定且任务特定的运动控制（如伸展、抓握）。
• 在Elastica平台中使用全尺度动力学仿真验证控制方法。

提出的方法

• 将八臂章鱼手臂建模为具有可变截面和原始长度 $L_0 = 20$ cm 的平面柯塞尔特杆，使用 $\nu_1^\circ = 1$, $\nu_2^\circ = 0$, $\kappa^\circ = 0$。
• 利用源自希尔肌肉模型和非线性弹性理论的存储能量函数表示肌肉力，避免显式求解匹配条件。
• 将控制问题表述为双层优化：上层优化肌肉激活，下层通过最优控制必要条件实现平衡。
• 使用最大值原理推导最优性必要条件，并设计迭代算法以数值求解。
• 在 Elastica 中使用 $N_d = 100$ 个离散单元和 $\Delta t = 10^{-5}$ s 模拟全动力学行为。
• 设计任务特定的代价函数：$\Phi_{\text{tip}} = \frac{1}{2}|r^* - r(L_0)|^2$ 用于伸展任务，$\Phi_{\text{grasp}} = \text{dist}(\Omega, r(s))$ 且 $\mu_{\text{grasp}} = 10^5 \chi_{[0.4L_0, L_0]}(s)$ 用于抓握任务。

实验结果

研究问题

• RQ1 存储能量函数能否有效替代软体机器人能量整形控制中显式的匹配条件？
• RQ2 如何在柯塞尔特杆框架中对解剖学上准确的纵向和横向肌肉结构进行建模以实现控制？
• RQ3 基于最优控制必要条件的双层优化能否在软体机器人手臂中产生稳定且任务特定的运动？
• RQ4 肌肉力学的整合如何影响仿真中伸展与抓握任务的稳定性和性能？
• RQ5 该控制框架能否在不发生穿透的情况下同时处理点目标伸展和避障抓握任务？

主要发现

• 存储能量函数方法成功绕过了能量整形控制中复杂匹配条件的求解需求，实现了稳定的控制设计。
• 基于最大值原理的必要条件的双层优化框架，产生了收敛的肌肉激活迭代算法。
• 在伸展实验中，当 $\mu_{\text{tip}} = 10^5$ 时，手臂成功定位至目标位置，实现了有效的末端定位，且无需角度约束。
• 在抓握实验中，手臂远端60%（$s \geq 0.4L_0$）成功环绕球形物体而未发生穿透，该结果由 $\mu_{\text{grasp}} = 10^5$ 和不等式约束强制实现。
• Elastica中的仿真结果证实，恒定的肌肉控制可稳定杆的平衡状态，验证了能量整形方法的有效性。
• 该方法成功将肌肉力学整合进哈密顿框架，使软体机器人系统能够执行复杂操作任务。