卡特彼勒启发的多步道生成方法用于串行并行混合细分机器人

科学领域:

• 机器人技术 机器人技术 机器人技术
• 生物模拟学是一种生物模拟学.
• 机械工程 机械工程

背景情况:

• 类似虫和类似蛇的机器人由于它们的身体结构和运动稳定性而引起了重大研究兴趣.
• 串行并行混合细分机器人提供多功能运动能力,但由于超冗余性而存在挑战.

研究的目的:

• 为多个细分机器人提出一种新的虫启发的稳定细分更新 (SSU) 步态生成方法.
• 建立一个统一的框架,用于生成超冗余细分机器人的步态.
• 为了提高机器人机动的运动稳定性和效率.

主要方法:

• 模拟机器人细分为六个自由度 (DOF) 的刚性身体,灵感来自的自然运动.
• 开发了稳定分段更新 (SSU) 方法来参数化类似毛虫的步态.
• 通过分析前向动力学和识别最小提升段来推导反向动力学解决方案,将其视为单段末效追踪任务.
• 在SSU方法中引入了三个不同的参数集 (离散的驼峰波),以提高运动稳定性和效率.
• 通过动力学分析确定细分轨迹.

主要成果:

• 拟议的稳定段更新 (SSU) 方法有效地产生多段机器人步态.
• 实验结果表明,使用SSU方法,成功地穿越了空隙和崎的地形.
• 该方法验证了虫灵感的机器人系统移动的有效性.

结论:

• 稳定细分更新 (SSU) 方法为超冗余细分机器人中步态生成提供了一个统一的框架.
• 灵感来自的方法提高了运动稳定性和效率,使机器人能够在复杂的环境中导航.
• 这项研究有助于生物灵感机器人和运动策略的进步.