[论文解读] Model Based Control of Soft Robots: A Survey of the State of the Art and Open Challenges

Cosimo Della Santina, Christian Duriez+1 more|arXiv (Cornell University)|Oct 4, 2021

Soft Robotics and Applications被引用 40

一句话总结

本文综述软体机器人有限维模型的基于控制的方法，对比无限维的PDE模型与可处理的基于ODE的近似，并讨论控制策略、平衡态、执行器动力学与仿真器。

ABSTRACT

Continuum soft robots are mechanical systems entirely made of continuously deformable elements. This design solution aims to bring robots closer to invertebrate animals and soft appendices of vertebrate animals (e.g., an elephant's trunk, a monkey's tail). This work aims to introduce the control theorist perspective to this novel development in robotics. We aim to remove the barriers to entry into this field by presenting existing results and future challenges using a unified language and within a coherent framework. Indeed, the main difficulty in entering this field is the wide variability of terminology and scientific backgrounds, making it quite hard to acquire a comprehensive view on the topic. Another limiting factor is that it is not obvious where to draw a clear line between the limitations imposed by the technology not being mature yet and the challenges intrinsic to this class of robots. In this work, we argue that the intrinsic effects are the continuum or multi-body dynamics, the presence of a non-negligible elastic potential field, and the variability in sensing and actuation strategies.

研究动机与目标

• 将控制理论视角引入软体机器人，并统一术语。
• 总结软体机器人动力学的有限维建模方法（PCC、函数参数化、FEM）。
• 讨论在这些模型中针对形状调控与跟踪的控制设计。
• 突出执行器动力学的整合与建模选项。
• 指出基于模型的软体机器人控制领域的开放挑战与未来研究方向。

提出的方法

• 回顾无限维杆/ Cosserat 与PDE模型及其在控制中的作用。
• 描述有限维近似：分段常量应变（PCC）和带有 M(q)¨q + C(q, q˙)˙q + G(q) = A(q)τ 的函数参数化。
• 给出有限元方法（FEM）和用于可处理性的模型降阶。
• 解释通过 K(q) + G(q) = A(q)τ 的平衡存在性并讨论单调/径向无界条件。
• 如适用，结合方程讨论执行器动力学（M, C, D, K, G, Uc）。
• 概述全驱动软体机器人的控制策略，包括姿态调节和带前馈分量的PD样控制器。

实验结果

研究问题

• RQ1 哪些有限维模型能够准确且可控地描述用于控制的软体机器人动力学？
• RQ2 在非线性软体机器人模型中，恒定驱动下是否存在平衡态，以及在什么条件下它们是稳定的？
• RQ3 执行器动力学如何整合进软体机器人控制设计？
• RQ4 在这些模型下，哪些控制策略（例如前馈、PD式反馈）对姿态调节和跟踪有效？
• RQ5 有哪些合适的仿真器和模型降阶技术以支持实际控制开发？

主要发现

• 有限维近似（PCC、函数参数化）提供可处理的模型，捕捉用于控制的软体机器人动力学要点。
• 在温和条件下，由于非线性刚度和重力，任何恒定驱动下都存在平衡配置；这与刚性机器人在恒定驱动下不一定存在平衡的情况形成对比。
• 执行器动力学可以通过耦合方程和慢快分析来整合，从而在控制器设计中实现广义输入映射。
• 带前馈项的PD样非线性控制器可以在软体机器人动力学背景下进行分析，有助于姿态调节和跟踪。
• 仿真器和模型降阶技术（FEM、PCC、模态分析）使控制策略的实际开发和比较成为可能。
• 模型的选择（PCC、FEM、刚性近似）显著影响闭环行为和控制器性能。