引用本文

彭金柱, 王子浩, 杨耀雨, 范朋辉, 刘亚强. 融合仿人决策的绳驱动软体机器人状态吸引控制. 自动化学报, 2026, 52(5): 1128−1140 doi: 10.16383/j.aas.c250683

Peng Jin-Zhu, Wang Zi-Hao, Yang Yao-Yu, Fan Peng-Hui, Liu Ya-Qiang. State-attracted control of cable-driven soft robot with human-inspired decision-making integration. Acta Automatica Sinica, 2026, 52(5): 1128−1140 doi: 10.16383/j.aas.c250683

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c250683

关键词

绳驱动软体机器人，人机交互，仿人决策，状态吸引控制

摘要

绳驱动软体机器人通过柔性本体与绳传动相结合, 在结构轻量化、运动柔顺性及人机交互安全性等方面具有显著优势, 在协作操作与安全交互场景中展现出重要应用潜力. 然而, 软体材料固有的强非线性与大变形特性, 以及绳驱动结构引入的多自由度耦合和参数不确定性, 使绳驱动软体机器人在复杂环境下的稳定控制与抗扰性能面临较大挑战. 针对上述问题, 构建一种仿生绳驱动软体机器人原型系统, 建立相应的运动学与动力学模型; 提出一种融合仿人决策的状态吸引控制方法, 该方法引入脉冲神经网络以模拟人类决策行为, 实现对绳驱动软体机器人启停策略与期望轨迹的自适应更新; 设计一种融合状态吸引函数与仿人决策的鲁棒轨迹跟踪控制策略, 用以约束跟踪误差在模型不确定性与外部扰动条件下的收敛方向, 并基于Lyapunov理论证明闭环系统的稳定性. 仿真与实物实验结果表明, 所提方法在鲁棒性、人机交互安全性及动态响应性能等方面具有良好表现, 验证了其在实际人机交互场景中的可行性与有效性.

文章导读

随着新一代机器人技术在智能制造、医疗康复及人机协作等领域的快速发展, 机器人系统对安全性、柔顺性与环境适应能力提出更高要求. 传统刚性机械臂虽然在高精度、高负载作业中表现突出, 但其结构刚性强、柔顺性不足, 在复杂环境或人机共融场景下易引发安全隐患, 难以满足未来机器人向柔性化、智能化、类人化发展的需求. 在此背景下, 软体机器人因其连续可变形结构和良好的环境适应能力, 在人机交互、柔性操作及安全协作等方面展现出显著优势[1−4], 逐渐成为机器人领域的重要研究方向.

绳驱动软体机器人通过将柔性本体与绳索传动方式相结合, 在实现结构轻量化和高柔顺性的同时, 兼具较大的工作空间和较强的驱动力输出, 具有结构简单、易于模块化设计等优势, 在安全人机交互和柔性操作等场景中展现出良好的应用潜力[5−7]. 然而, 软体材料固有的强非线性和大变形特性, 以及绳传动引入的多自由度耦合效应和参数不确定性, 使系统呈现出显著的非线性和不确定性特征, 导致绳驱动软体机器人动力学建模与控制设计面临较大的挑战[8−9], 尤其在外部扰动和参数不确定性作用下, 系统状态的稳定收敛与可靠控制难以保障.

本文围绕融合仿人决策的绳驱动软体机器人状态吸引控制问题展开研究. 受动物生物学特性启发, 首先, 设计并实现了一种仿生绳驱动软体机器人原型, 并建立其运动学与动力学模型, 分析柔性结构与绳驱动耦合作用下系统所呈现的非线性与不确定性特征; 其次, 通过采集人类决策数据训练脉冲神经网络(spiking neural network, SNN), 构建仿人决策模型, 实现复杂环境下的避障决策与期望轨迹的在线更新; 再者, 引入状态吸引函数, 设计融合仿人决策的状态吸引控制方法, 对轨迹跟踪误差的演化方向进行约束, 并在理论层面对闭环系统的稳定性进行分析; 最后, 通过仿真与实物实验验证所提出控制策略在稳定性、鲁棒性及控制性能方面的有效性. 本文的主要贡献概括如下:

1)设计并实现一种仿生绳驱动的软体机器人原型, 通过舵机驱动绳索拉伸柔性结构实现执行器的弯曲与偏转, 末端集成吸盘结构以模拟象鼻与壁虎脚趾的功能, 并建立完整的运动学与动力学模型;

2)构建一种基于脉冲神经网络的仿人决策模型, 通过学习人类决策行为, 使绳驱动软体机器人能够在复杂环境中实现自主避障决策, 并对其期望运动轨迹进行在线自适应更新;

3)基于状态吸引面设计一种状态吸引函数控制律, 在保证跟踪误差快速、平稳收敛的同时, 有效抑制系统振荡, 提升了绳驱动软体机器人在人机交互场景下的鲁棒性与安全性.

本文结构安排如下: 第1节介绍仿生绳驱动软体机器人的结构设计与控制系统架构, 并建立其运动学与动力学模型; 第2节基于脉冲神经网络构建仿人决策模型; 第3节基于状态吸引面设计状态吸引函数控制律, 对跟踪误差的收敛性进行约束, 并在理论层面开展稳定性分析; 第4节和第5节分别通过仿真与实物实验验证所提出方法的有效性; 第6节对全文工作进行总结与展望.

图1  CDSRA的硬件结构

图2  CDSRA控制系统架构

图3  CDSRA的坐标系和位姿参数

针对人机交互场景下绳驱动软体机器人在鲁棒性与安全性方面面临的挑战, 本文构建了一套CDSRA实验平台, 并提出一种融合仿人决策的状态吸引控制方法. 该方法将基于脉冲神经网络的仿人决策模型与状态吸引控制律有机融合, 通过外层决策与内层控制的协同设计, 实现了系统在动态交互环境中的启停决策、期望轨迹更新与稳定控制. 在该控制框架下, 状态吸引函数有效约束了跟踪误差的收敛方向与速度, 使系统在存在不确定性和外部扰动的情况下仍能够实现快速且平稳的轨迹跟踪. 同时, 引入的仿人决策机制增强了CDSRA对动态障碍物的自主感知与避障能力, 从而显著提升系统在人机交互过程中的安全性与鲁棒性. 仿真与实物实验结果表明, 所提SAF-HID控制方法在抗扰性能、动态响应特性以及实际操作稳定性等方面均表现出良好的综合性能, 验证了其在真实系统中的可行性与有效性. 然而, 在更加复杂和多变的人机交互场景中, 该方法的决策模型泛化能力仍有进一步提升空间. 后续研究将重点围绕增强仿人决策模型的环境适应性、拓展状态吸引控制策略在多任务软体机器人系统中的适用性展开, 并推动相关方法在医疗康复等实际应用场景中的验证与推广, 以实现软体机器人在真实环境中的高精度、高安全性自主交互与长期稳定运行.

作者简介

彭金柱

郑州大学电气与信息工程学院教授. 主要研究方向为机器人运动规划, 柔顺控制, 人机交互与协作. E-mail: jzpeng@zzu.edu.cn

王子浩

郑州大学电气与信息工程学院硕士研究生. 主要研究方向为仿生机器人和人机交互. E-mail: cismysu@163.com

杨耀雨

郑州大学电气与信息工程学院博士研究生. 主要研究方向为机器人控制和人机交互. E-mail: yaoyuyang@gs.zzu.edu.cn

范朋辉

郑州大学电气与信息工程学院博士研究生. 主要研究方向为机器人控制, 神经网络, 柔顺控制. E-mail: fph@gs.zzu.edu.cn

刘亚强

郑州大学电气与信息工程学院副教授. 主要研究方向为机器人控制, 强化学习, 分布参数系统. 本文通信作者. E-mail: liuyaqiang@zzu.edu.cn

支持单位：