本报讯(记者温才妃 通讯员唐薇)北京交通大学教授郭盛团队受人脑中的高层感知模型启发,提出了基于期望-实际匹配的感知-运动框架,并在集成传感的软体机器人中实现。相关研究成果近日发表于《自然-通讯》。

基于感知-运动机理,软体连续体机器人面对交互密集型任务时,可稳定感知自身状态以及与外界的碰撞信息。论文通讯作者郭盛告诉《中国科学报》,在软体机器人中实现这种高层次的感知-运动框架面临两大难题:第一,软体机器人如何稳定、准确地区分外界交互和内部驱动产生的材料形变。第二,如何实现软体机器人系统的多模态感知。

研究团队突破了软体连续体机器人对自身及环境感知与交互关键技术,为研究感知密集型环境交互任务中的智能行为提供了新思路。他们提出了基于“期望-实际”匹配的“感知-运动”通用模型。

团队建立了双模块杆驱动软连续机器人的本体感知模型,实现了集成传感双模块杆驱动软连续机器人中感知-运动回路,测试了多段式柔性传感器在仅施加外部刺激而不驱动、仅驱动而不施加刺激、驱动后施加刺激三种情况下的性能表现。结果表明其能准确反映内外刺激引起的局部应变。

团队还进行了本体自感知、交互检测及形变源区分。结果表明,无论外部和内部动作是单独还是同时进行,通过实时感知并匹配“期望-实际”形状,平均误差为1.4%,机器人系统在感知-运动环路中,0.4秒内快速检测到接触并区分变形源。

软体机器人系统还展示了在静态和动态构型中对动静态交互力方向及大小的感知。实验表明,研究团队所提出的方法能准确感知接触方向及力的大小,方向误差约为10°。其还能对不可视环境中的地形和交互力进行感知与分析,实现了不可视环境中的交互力和形状检测。

相关论文信息:

https://doi.org/10.1038/s41467-024-54327-6