近来，连续体机器人研究受到越来越多的关注。其灵活度高，可以调整形状适应动态环境，特别适合于微创手术、工业?产以及危险环境探索等应用。
连续体机器人拥有无限自由度（DoF），为执行空间探索等任务提供了灵活性和适应性。但随着?由度的增加，连续体机器?的复杂性也随之增加，执行任务时需要?量时间进行运动规划，这又给其实际应用带来了障碍。
南方科技大学孟庆虎院士团队对此进行了深入研究，提出?种独特的专为连续体机器?量?定制的基于 RRT* 的运动控制?法。
相关研究论文入选 ICRA 2024，并将在ICRA 2024大会上做成果介绍。
检索页面
基于 RRT* 运动控制方法应用于连续体机器人
运动规划算法对机器人导航至关重要，需要同时兼顾地图信息、环境特征、速度限制和动态障碍物。
预测性运动规划算法会会考虑机器人当前的状态，并使用传感器数据和环境模型来预测其周围环境的变化，旨在实现特定的目标，如避免碰撞、减少行程时间、节省能源等。
预测性运动规划算法通常结合了基于采样的算法，如快速探索随机树（RRT），以及其高级版本 RRT*。
这些算法以其简单性、适应性和处理动态变化的能力而著称，广泛应用于机器人、自动驾驶汽车和工业自动化等多个领域，提高了复杂环境下的安全性和效率。
两段式连续体机器人
尽管基于采样的方法（如 RRT* 和 PRM）已广泛应用于机器人运动规划，但很少有人尝试将其应用于连续机械臂。
由于连续体机器人具有实时适应障碍物的能力，因此需要强大的感知、决策和控制能力，以确保安全高效的导航。
为了应对这一挑战，本研究提出一种独特的基于 RRT* 的运动控制方法，该方法专为连续体机器人量身定制。
该方法利用基于优化-雅各布矩阵的方法来实现机器人的稳健控制。通过约束机器人的雅各布矩阵来确保机器人与障碍物之间的安全距离，从而促进有效的几何避障。
此外，还提出了一种将基于优化-雅各布矩阵的方法与 RRT* 相结合的控制算法，以提高连续体机器人在动态环境中的适应性和效率。
实验验证
机器人从起点到终点的无碰撞路径
使用两段式电缆驱动软体（连续体）机器人 (CDSR)对所提方法的效果进行验证。
实验中使用米兰体育米兰体育动作捕捉镜头标记跟踪机器人的底座、近端节段顶端和远端节段末端的位置，以及机器人在预定路径上航行时的位置和相关动作。
这些记录数据揭示了机器人实际位置与预测位置之间的差异，为了解机器人的配置提供了依据。
使用所提方法，机器人可以迅速计算出从初始位置到目标位置的无碰撞轨迹，并成功绕过障碍物。
平均规划时间约为 8.06 秒，计划位置与实际到达位置之间的尖端跟踪误差约为 5.48 毫米。
该方法保证了安全、快速的响应轨迹生成，具有在严苛场景下的鲁棒性，具有实际应用价值。
参考文献：
Luo, Peiyu, Shilong Yao, Yiyao Yue, Jiankun Wang, Hong Yan, and Max Q-H. Meng. "Efficient RRT*-based Safety-Constrained Motion Planning for Continuum Robots in Dynamic Environments." arXiv preprint arXiv:2309.13813 (2023).
原文：
ICRA 2024 论文：连续体机器人高效轨迹规划（基于 RRT*）