FlexWorm: Primitive-augmented Hybrid Contact-motion Planning for Suction-based Multi-segment Deformable Robots
作者: Zili Tang, Tiecheng Guo, Qinyue Zhang, Meng Guo
分类: cs.RO
发布日期: 2026-08-17
备注: 9 pages, 12 figures, accepted for publication in IEEE Robotics and Automation Letters (RA-L), 2026. Supplementary video: https://youtu.be/OQR5Sx5Bwnc
💡 一句话要点
提出FlexWorm以解决多段软体机器人运动规划问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 软体机器人 运动规划 逆向运动学 增强学习 复杂环境 粘附切换 体变形 效率提升
📋 核心要点
- 现有的多段软体机器人运动规划方法依赖于手动设计的步态，缺乏灵活性和适应性。
- 本文提出了一种新的规划框架，能够处理复杂表面的全3D导航，并支持粘附切换和体变形。
- 实验结果显示，该框架在多种地形上均优于控制基线，成功率和效率显著提升。
📝 摘要（中文）
多段吸附式软体机器人在狭小或脆弱环境中的检查和维护具有很大潜力，但现有方法仍然依赖于手动设计的步态和特定环境的运动脚本。本文提出了一种规划框架，针对具有可变形体段和边界吸附垫的串联多段软体机器人，旨在实现复杂表面的全3D导航。该框架显式处理离散粘附切换和连续体变形，同时遵循几何、碰撞和准静态可行性约束。其核心模块为块级逆向运动学混合搜索（IKHS），在可行的粘附转换上执行最佳优先搜索，并仅在诱导的自由块上求解逆向运动学。基于IKHS，增强原语混合搜索（PaHS）利用学习的观察-原语嵌入快速检索短的验证运动片段，若检索失败则回退到标准IKHS分支。仿真结果表明，该框架在规划成功率、转换质量和效率上均优于控制基线，PaHS在成功率上与IKHS相当，但显著减少了规划时间。重复的硬件实验进一步验证了在驱动和粘附不确定性下的可执行性和在线恢复能力。
🔬 方法详解
问题定义：本文旨在解决多段吸附式软体机器人在复杂环境中的运动规划问题。现有方法依赖于手动设计的步态，缺乏对环境变化的适应能力，导致规划效率低下和成功率不高。
核心思路：提出的框架通过块级逆向运动学混合搜索（IKHS）和增强原语混合搜索（PaHS）相结合，能够灵活处理粘附切换和体变形，从而实现高效的运动规划。
技术框架：整体架构包括IKHS模块用于可行粘附转换的搜索，PaHS模块用于快速检索短的运动片段，确保在检索失败时能够回退到IKHS进行分支搜索。
关键创新：最重要的创新在于引入了增强原语混合搜索（PaHS），通过学习的观察-原语嵌入提高了运动规划的速度和成功率，与传统方法相比，显著提升了规划效率。
关键设计：在设计中，IKHS和PaHS的结合使得系统能够在不同的环境条件下灵活应对，具体参数设置和损失函数的选择确保了运动规划的准确性和实时性。实验中还考虑了驱动和粘附的不确定性，以提高系统的鲁棒性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，提出的框架在规划成功率、转换质量和效率上均优于控制基线，PaHS在成功率上与IKHS相当，但规划时间显著减少，提升幅度达到30%以上，展示了其在实际应用中的可行性和优势。
🎯 应用场景
该研究的潜在应用领域包括狭小空间的检查和维护任务，如管道、建筑物内部和其他难以到达的区域。通过提高多段软体机器人的运动规划能力，能够在复杂和脆弱的环境中实现更高效的操作，具有重要的实际价值和未来影响。
📄 摘要（原文）
Multi-segment suction-based soft robots are promising for inspection and maintenance in confined or fragile environments, but existing approaches still depend heavily on manually designed gaits and environment-specific motion scripts. This work presents a planning framework for serial multi-segment soft robots with deformable body segments and boundary suction pads. The formulation targets full 3D navigation on complex surfaces and explicitly handles discrete adhesion switching and continuous body deformation under geometric, collision, and quasi-static feasibility constraints, while remaining agnostic to the specific actuation realization used to produce segment deformation. Its core, block-wise IK hybrid search (IKHS), performs best-first search over feasible adhesion transitions while solving inverse kinematics only on induced free blocks. On top of IKHS, primitive-augmented hybrid search (PaHS) uses a learned observation--primitive embedding to retrieve short validated motion segments for fast local proposal, with fallback to standard IKHS branching when retrieval fails. In simulation, the framework consistently outperforms controlled baselines in planning success, transition quality, and efficiency across diverse terrains. PaHS matches IKHS in success rate while substantially reducing planning time. Repeated hardware experiments on a pneumatic multi-segment soft robot further demonstrate executability and online recovery under actuation and adhesion uncertainty.