本文介绍了一项关于三维（3D）最小驱动串联机器人（Minimally Actuated Serial Robot, MASR）的创新研究，由Or Bitton、Avi Cohen和David Zarrouk共同完成，发表在2024年9月12日的《Applied Sciences》期刊上。该研究由以色列本古里安大学机械工程系的研究团队主导，旨在设计一种轻量化、模块化的3D串联机器人，并通过移动执行器（Mobile Actuator, MA）实现高效的任务执行。

研究背景与动机

传统的串联机器人通常由多个刚性连杆和驱动关节组成，具有四到七个自由度。然而，这些机器人在狭窄或受限空间中的操作能力有限，限制了其在某些行业中的应用。超冗余机器人（如蛇形机器人）因其在受限空间中的灵活操作能力而受到广泛关注，但其高维度的运动控制与路径规划问题仍然具有挑战性。为了解决这些问题，研究团队提出了最小驱动串联机器人（MASR）的概念，通过减少驱动器的数量，降低机器人的重量和复杂性，同时提高其模块化和可靠性。

研究目标

本研究的主要目标是设计一种轻量化的3D MASR，并通过移动执行器（MA）实现高效的关节驱动和路径规划。具体目标包括： 1. 设计一种被动臂，减少驱动器的数量，降低机器人的重量。 2. 开发一种基于神经网络的优化算法，最小化任务完成时间。 3. 通过实验验证机器人的性能，展示其在狭窄空间中的操作能力。

研究方法与流程

研究分为以下几个主要步骤：

1. 机器人设计：

   • 3D MASR由一个被动臂和单个移动执行器（MA）组成。被动臂由多个被动旋转关节和棱柱关节组成，无需电线或电机。MA通过蜗轮装置驱动关节，并锁定关节位置。
   • 机器人具有五个自由度，包括四个旋转关节和一个棱柱关节。MA配备了夹持器，能够沿臂移动并抓取物体。

2. 控制与驱动：

   • 机器人的控制系统集成在MA上，使用Arduino Nano微控制器控制MA的运动、关节旋转和夹持器操作。
   • 通过磁编码器和霍尔传感器实现精确的关节角度控制。

3. 运动学分析与路径规划：

   • 研究团队开发了一种基于神经网络的逆运动学（Inverse Kinematics, IK）求解器，优化MA的运动路径，最小化任务完成时间。
   • 通过雅可比矩阵进行线性逼近，进一步提高路径规划的精度。

4. 实验验证：

   • 研究团队通过3D打印的机器人原型进行了多项实验，验证了机器人在3D空间中的操作能力、夹持物体的能力以及物体沿臂传输的能力。

主要结果

1. 轻量化与模块化：

   • 3D MASR的重量仅为2.3公斤（1米长的臂和1公斤的有效载荷），相比传统机器人显著减轻。
   • 机器人具有高度模块化设计，易于更换部件，适用于多种任务。

2. 路径规划优化：

   • 基于神经网络的IK求解器能够有效减少任务完成时间，并通过雅可比矩阵进一步提高了路径规划的精度。
   • 实验表明，机器人在执行任务时的平均误差小于1毫米，任务完成时间显著缩短。

3. 实验验证：

   • 机器人在实验中展示了其在狭窄空间中的灵活操作能力，能够高效地抓取、传输和放置物体。
   • 实验还模拟了水果采摘等实际应用场景，展示了机器人在农业等领域的潜在应用价值。

结论与意义

本研究提出了一种创新的3D最小驱动串联机器人（3D MASR），通过移动执行器（MA）实现了高效的关节驱动和路径规划。该机器人具有轻量化、模块化和易于维护的特点，适用于空间探索、农业、维护和搜救等对速度要求不高的应用场景。研究的主要贡献包括： 1. 设计了具有被动关节和移动执行器的3D MASR，显著降低了机器人的重量和复杂性。 2. 开发了基于神经网络的路径规划算法，优化了任务完成时间。 3. 通过实验验证了机器人在实际应用中的性能，展示了其在狭窄空间中的灵活操作能力。

研究亮点

1. 创新设计：3D MASR采用被动臂和移动执行器的设计，减少了驱动器的数量，降低了机器人的重量和复杂性。
2. 高效路径规划：基于神经网络的IK求解器和雅可比矩阵的线性逼近方法，显著提高了路径规划的精度和效率。
3. 广泛应用前景：该机器人在空间探索、农业、维护和搜救等领域具有广泛的应用前景。

未来工作

未来的研究将集中在以下几个方面： 1. 使用多个移动执行器（MA）进一步提高机器人的灵活性和任务执行效率。 2. 优化机器人设计，减少关节间隙和变形，提高机器人的精度和稳定性。 3. 开发更先进的运动规划算法，处理复杂环境中的障碍物，并提高机器人的操作速度。

本研究为轻量化、模块化的串联机器人设计提供了新的思路，展示了其在多种应用场景中的潜力。