一个新的,准确的BiLSTM配置控制器,用于模块化软机器人,具有模块编号可适应性
Zixi Chen1, Matteo Bernabei1, Vanessa Mainardi1
1Biorobotics Institute and Department of Excellence in Robotics and AI, Scuola Superiore Sant'Anna, Pisa, Italy.
Soft robotics
|December 9, 2024
概括
本研究提出了一种新的数据收集策略,以及用于模块化软机器人 (MSR) 的双向长期短期记忆 (biLSTM) 控制器. 这种方法可以通过改变模块号码来对MSR进行可适应的控制.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 控制系统 控制系统
背景情况:
- 模块化软机器人 (MSR) 与单模块设计相比,提供了增强的功能,但存在控制复杂性.
- 准确的控制策略对于实现MSRs的全部潜力至关重要.
研究的目的:
- 为MSRs引入一个新的数据收集策略.
- 为MSRs开发一个可适应的控制器,可以处理不同数量的模块.
- 通过模拟和现实世界的实验验证拟议的方法.
主要方法:
- 一个针对MSR量身定制的数据收集策略.
- 一个双向长期短期内存 (biLSTM) 配置控制器,旨在实现适应性.
- 使用模拟的电缆驱动机器人和真实的气动机器人的实验验证.
主要成果:
- 数据收集方法使MSR能够探索更大的操作空间.
- 该biLSTM控制器有效地适应模块数量的变化.
- 建议的控制策略在不同的MSR配置中是强大的.
结论:
- 开发的数据收集和biLSTM控制策略显著提高了MSR的性能和适应性.
- 控制器适应不同模块数量的能力是MSR的一个关键进步.
- 未来的研究方向包括整合规划方法和在线学习组件.


