[论文解读] Rod models in continuum and soft robot control: a review

Carlo Alessi, Camilla Agabiti+4 more|arXiv (Cornell University)|Jul 8, 2024

Soft Robotics and Applications被引用 6

一句话总结

对杆基模型（Cosserat、Kirchhoff、Euler-Bernoulli 和 Timoshenko）在连续体与软体机器人建模与控制中的综合评述，包括驱动映射以及基于模型和学习的控制器。

ABSTRACT

Continuum and soft robots can transform diverse sectors, including healthcare, agriculture, marine, and space, thanks to their potential to adaptively interact with unstructured environments. These robots exhibit complex mechanics that pose diverse challenges in modeling and control. Among various models, continuum mechanical models based on rod theories can effectively capture the deformations of slender bodies in contact-rich scenarios. This structured review paper focuses on the role of rod models in continuum and soft robot control with a vertical approach. We provide a comprehensive summary of the mathematical background underlying the four main rod theories applied in soft robotics and their variants. Then, we review the literature on rod models applied to continuum and soft robots, providing a novel categorization in deformation classes. Finally, we survey recent model-based and learning-based control strategies leveraging rod models, highlighting their potential in real-world manipulation. We critically discuss the trends, advantages, limitations, research gaps, and possible future developments of rod models. This paper aims to guide researchers who intend to simulate and control new soft robots while providing feedback to the design and manufacturing community.

研究动机与目标

• 综述用于软体机器人中的四大杆理论（Cosserat-Reissner、Kirchhoff-Love、Euler-Bernoulli 和 Timoshenko）的基本原理。
• 按变形类别、驱动技术和机器人类型对连续体与软体机器人中的杆模型进行分类。
• 回顾利用杆模型的基于模型和基于学习的控制策略，并讨论趋势、差距与未来方向。

提出的方法

• 给出四种杆理论的统一表述，以便比较并突出与其他建模方法的联系。
• 描述沿杆对驱动载荷的建模，以及执行器如何通过驱动矩阵映射到分布式应变。
• 按变形类别和机器人类型对现有杆模型进行分类，并总结其控制实现。
• 回顾利用杆模型的近期基于模型和基于学习的控制器，并讨论它们的性能与局限。

实验结果

研究问题

• RQ1 Cosserat rod 理论、Kirchhoff rod 理论、Euler-Bernoulli rod 理论与 Timoshenko rod 理论在软体机器人中的核心差异与共性是什么？
• RQ2 杆模型如何处理驱动、分布载荷以及环境交互在连续体和软体机器人中的作用？
• RQ3 利用杆模型的前沿基于模型和基于学习的控制策略有哪些，它们的优点与局限是什么？

主要发现

• 杆模型通过使用一维杆理论，在细长软体体上实现了精度与计算效率之间的平衡。
• 驱动被建模为通过驱动矩阵的分布载荷，該矩阵包含执行器布线和切向方向。
• 离散化方法包括应变参数化和离散弹性杆，使运动方程易于控制。
• Kirchhoff、Euler-Bernoulli 与 Timoshenko 变体捕捉弯曲、扭转、剪切与拉伸的不同组合，适用性取决于约束（例如 Kirchhoff 中的不可拉伸/不可剪切，或 Timoshenko中的剪切）。
• 综述强调了软体机器人中基于杆模型的仿真与控制的趋势、差距与潜在的未来方向。