Whole-Body Proprioceptive Morphing: A Modular Soft Gripper for Robust Cross-Scale Grasping

📄 arXiv: 2510.27666v1 📥 PDF

作者: Dong Heon Han, Xiaohao Xu, Yuxi Chen, Yusheng Zhou, Xinqi Zhang, Jiaqi Wang, Daniel Bruder, Xiaonan Huang

分类: cs.RO

发布日期: 2025-10-31

💡 一句话要点

提出一种具有全身本体感受形变的模块化软体夹爪，用于稳健的跨尺度抓取

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 软体机器人 模块化设计 本体感受 形状变形 跨尺度抓取

📋 核心要点

  1. 传统软体夹爪形态固定，难以实现生物体级别的跨尺度灵巧操作，现有形变方法局限于局部，无法进行全局拓扑重构。
  2. 设计了一种模块化软体夹爪，通过分布式气动执行器网络实现全身本体感受形变，可重构拓扑结构，形成多种多边形。
  3. 实验证明，该方法扩大了抓取范围，提升了对不同几何形状和尺度的泛化能力，并实现了多物体和内部钩取等新操作。

📝 摘要（中文）

本研究受到章鱼等生物系统的启发，它们通过自适应地重构整个形态来实现精湛的跨尺度操作，而这在机器人技术中仍然难以实现。传统的软体夹爪虽然具有柔顺性，但大多受到固定全局形态的限制，并且先前的形状变形工作主要局限于局部变形，未能复制这种生物灵巧性。因此，我们引入了协作式全身本体感受形变的范例，并在模块化软体夹爪架构中实现。我们的设计是一个模块化自感知气动执行器的分布式网络，使夹爪能够智能地重构其整个拓扑结构，实现多个可控的变形状态，从而形成不同的多边形形状。通过集成来自嵌入式传感器的丰富本体感受反馈，我们的系统可以无缝地从精确的捏取过渡到大型包络抓取。实验表明，这种方法扩大了抓取范围，并增强了对各种物体几何形状（标准和不规则）和尺度（高达10倍）的泛化能力，同时还解锁了新的操作模式，例如多物体和内部钩取。这项工作提出了一个低成本、易于制造和可扩展的框架，该框架融合了分布式驱动和集成传感，为在机器人操作中实现生物水平的灵巧性提供了一条新途径。

🔬 方法详解

问题定义：现有软体夹爪的全局形态固定，难以适应不同形状和尺寸的物体，尤其是在跨尺度抓取任务中表现不足。先前的形状变形方法主要集中在局部变形，无法实现像章鱼等生物那样灵活的全身拓扑重构，限制了其操作能力。

核心思路：本研究的核心思路是模仿生物体（如章鱼）的全身形变能力，设计一种模块化的软体夹爪，通过控制各个模块的形变来实现整体拓扑结构的重构。这种设计允许夹爪根据目标物体的形状和尺寸自适应地调整自身形态，从而实现更稳健和灵活的抓取。

技术框架：该软体夹爪由多个模块化的自感知气动执行器组成，形成一个分布式网络。每个模块都配备了传感器，用于感知自身的状态（如压力、形变等），并将这些信息反馈给控制系统。控制系统根据这些反馈信息，协同控制各个模块的充气和放气，从而实现夹爪的整体形变。整个过程可以分为以下几个阶段：1. 目标物体识别与姿态估计；2. 基于物体信息的夹爪形变规划；3. 气动执行器控制与本体感受反馈；4. 抓取过程调整与优化。

关键创新：该研究的关键创新在于提出了“全身本体感受形变”的概念，并将其应用于软体夹爪的设计中。与传统的局部变形方法不同，该方法允许夹爪进行全局拓扑结构的重构，从而更好地适应不同形状和尺寸的物体。此外，通过集成嵌入式传感器，夹爪可以实时感知自身的状态，并根据这些信息进行自适应调整，提高了抓取的鲁棒性和精度。

关键设计：每个模块化执行器包含一个气囊和嵌入式传感器。气囊的形状和尺寸经过优化设计，以实现所需的形变范围和力输出。传感器用于测量气囊的压力和形变，并将这些信息反馈给控制系统。控制系统采用PID控制算法，根据目标形变和实际形变之间的误差，调整气动阀门的开度，从而实现对气囊的精确控制。此外，还设计了一种基于多边形逼近的形变规划算法，用于根据目标物体的形状，生成夹爪的形变序列。

📊 实验亮点

实验结果表明，该软体夹爪能够成功抓取各种形状和尺寸的物体，包括标准物体和不规则物体，尺度范围可达10倍。与传统的固定形态夹爪相比，该夹爪的抓取成功率更高，泛化能力更强。此外，该夹爪还实现了多物体抓取和内部钩取等新的操作模式。

🎯 应用场景

该研究成果可应用于各种需要灵活抓取的场景，如：医疗机器人辅助手术、工业自动化生产线上的异形物体抓取、家庭服务机器人处理不同形状的物品、以及探索未知环境的搜救机器人。该技术有望提升机器人在复杂环境下的操作能力，并推动软体机器人技术的发展。

📄 摘要（原文）

Biological systems, such as the octopus, exhibit masterful cross-scale manipulation by adaptively reconfiguring their entire form, a capability that remains elusive in robotics. Conventional soft grippers, while compliant, are mostly constrained by a fixed global morphology, and prior shape-morphing efforts have been largely confined to localized deformations, failing to replicate this biological dexterity. Inspired by this natural exemplar, we introduce the paradigm of collaborative, whole-body proprioceptive morphing, realized in a modular soft gripper architecture. Our design is a distributed network of modular self-sensing pneumatic actuators that enables the gripper to intelligently reconfigure its entire topology, achieving multiple morphing states that are controllable to form diverse polygonal shapes. By integrating rich proprioceptive feedback from embedded sensors, our system can seamlessly transition from a precise pinch to a large envelope grasp. We experimentally demonstrate that this approach expands the grasping envelope and enhances generalization across diverse object geometries (standard and irregular) and scales (up to 10$\times$), while also unlocking novel manipulation modalities such as multi-object and internal hook grasping. This work presents a low-cost, easy-to-fabricate, and scalable framework that fuses distributed actuation with integrated sensing, offering a new pathway toward achieving biological levels of dexterity in robotic manipulation.