动作捕捉系统用于软体机械臂研究

Xsens动作捕捉 2023-05-08 4712

软体机械臂的传统刚性机械臂由于灵活度和安全性等原因，在一些狭窄复杂的特殊场景下不适合应用。随着新材料的不断发展，具有更高灵活性的软体机器人研究引发热潮。软体机器人灵感来源于自然界中仿生动物，比如模仿蛇、象鼻、章鱼臂等结构的仿生机器人等，可以适应复杂的环境，并且能进行柔顺、安全的操作和抓取。

软体机械臂涵盖了包括仿生学、材料科学和机器人等在内的多学科，目前仍处于起步阶段，许多为题还未被解决，或需要进一步研究和优化，包括智能材料、传感技术、模型建立和运动控制等，其关键问题集中在运动重复精度、输出力、建模和算法优化等几个方面。

在进行软体机械臂的设计研究过程中，需要利用机器人的状态数据来评估其性能。考虑到软体机械臂结构及运动方式的特殊性，很多设备不适于在实验中获取数据，光学动作捕捉系统可以通过在机械臂上粘贴无线轻质标识点，跟踪标识点来获取机械臂的运动数据，具有测量精度高、对被测物影响小的特点，被很多学者和研究院所作为软体机械臂的测量设备。

1.提高软体机械精度

软体材料很容易受到环境影响发生变形，从而影响精度。吉林大学从力平衡的角度，提出了一种具有恒定曲率的柔性手术器械的结构[1]，可以快速精确响应指令，满足实时手术的主从控制要求。为了验证该软体机械臂在精细操作下的性能，研究人员进行了原型机实验验证，医生主手控制软体机械臂在目标位置抓取圆环。实验中将反光标志点分别固定在主手和器械的末端执行器上，采用NOKOV度量动作捕捉系统实时获取主手（医生控制）和从动手术器械的运动轨迹信息作为实验结果，对比预期轨迹与实际轨迹结果。

2.增加软体机械臂输出力

软体材料柔顺变形同时带来输出力低的问题。莫纳什大学设计了一种折纸增强的软体体机器人[2]，它能在任何弯曲状态下够保持末端执行器的方向。在原型机实验验证中，在折纸外壳的中心线上布置一列反光标识点，并利用光学动作捕捉系统测量机器人形状的变化。

动作捕捉系统用于软体机械臂研究 第2张

亚利桑那州立大学设计了一种基于织物的可穿戴软体机械臂[3]。这种软体机械臂使用由高强度充气织物制成的软致动器，为佩戴者提供移动操作辅助。研究人员将基于织物的部件行为作为输入压力的函数，提出了一套系统的设计规则，这些设计规则是通过计算有限元法（FEM）模型，研究一系列参数生成的，重点是软体机械臂在3D空间中的铰接能力和有效载荷能力。为了验证机械臂的有效载荷，进行了实验验证，并进行了额外评估，验证机械臂可以安全承载其体重10.1倍的载荷的能力。为了比较有限元模型和原型机结果，使用动捕系统获取机械臂在进行准静态加压时末端的运动状态。

亚利桑那州立大学

3.柔性传感器设备和算法开发

香港中文大学提出了一种用于软体机械臂的新的3D 形状传感算法[4]，用于使用多芯光纤布拉格光栅 (FBG) 传感器。为了解决长而灵活的机械臂在传感种信号噪声和环境扰动的问题，引入了一种新颖且通用的基于模型的滤波技术，利用光纤中多芯 FBG 的配置进行迭代曲率/扭曲估计，以消除噪声。此外，引入了一种增强的移动平均方法来平滑光纤上估计的曲率和扭曲空间。研究人员使用与多芯 FBG传感器集成的机器人辅助结肠镜系统的实验来验证算法。为了获取不同工况下软体机械臂状态的

香港中文大学

上海交通大学提出了一种集成了碰撞检测、定位和力估计的方法，用于线驱动的软体机械臂[5]。首先利用测力传感器和光学动作捕捉系统分别获得的索力信息和形状信息，通过将基于Cosserat杆的静力学计算得到结果与反馈信息分别获得的理论形状和实际形状之间的差异来检测碰撞。

上海交通大学

麻省理工学院开发了一个框架，用于通过软传感器皮肤实现的分布式本体感知来学习软体机械臂的3D配置[6]。利用经过训练的RNN可以预测软体机械臂在规定和随机驱动序列中的稳态配置，即使有来自非单调、滞后、软压阻传感器的反馈。动作捕捉系统用来记录软体机械臂各关节的位置姿态数据。

动作捕捉系统用于软体机械臂研究 第3张

未来人类与环境的交互将会逐渐向柔性的方向发展，比如人机协作、物体操作和复杂非机构环境适应等，最合适的方式就是充分理解并利用柔性软体结构，虽然现在关于软体机械臂已经取得了很多进展和成果，但是仍有待进一步的研究，而利用光学动作捕捉系统在内的实验设备获取准确而可靠的运动信息，可以提供更充分的分析数据，加快研究进程，未来也会更广泛的部署在软体机械臂研究中。

更多信息：

参考

  1. ^[1] Feng M, Ni Z X, Li A, et al. Master manipulator optimisation for robot assisted minimally invasive surgery[J]. The International Journal of Medical Robotics and Computer Assisted Surgery, 2021, 17(2): e2208.
  2. ^[2] Troeung C, Chen C. A Translational Parallel Continuum Robot Reinforced by Origami and Cross-Routing Tendons[C]//2021 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2021: 7039-7045.
  3. ^[3] Nguyen P H, Mohd I B I, Sparks C, et al. Fabric Soft Poly-Limbs for Physical Assistance of Daily Living Tasks[C]//2019 International Conference on Robotics and Automation (ICRA). IEEE, 2019: 8429-8435.
  4. ^[4] Lu Y, Lu B, Li B, et al. Robust Three-Dimensional Shape Sensing for Flexible Endoscopic Surgery Using Multi-Core FBG Sensors[J]. IEEE Robotics and Automation Letters, 2021, 6(3): 4835-4842.
  5. ^[5] Wang Y, Wang H, Xu F, et al. Towards Collision Detection, Localization and Force Estimation for a Soft Cable-driven Robot Manipulator[C]//2021 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2021: 12222-12228.
  6. ^[6] Truby R L, Della Santina C, Rus D. Distributed Proprioception of 3D Configuration in Soft, Sensorized Robots via Deep Learning[J]. IEEE Robotics and Automation Letters, 2020, 5(2): 3299-3306.

The End

标签：