CuBot-STT: Simultaneously Transport and Tighten for Lattice-type Modular Reconfiguration Robot
作者: Chongxi Meng, Da Zhao, Yanmin Zhou, Runjie Shen, Zhipeng Wang, Bin He
分类: cs.RO
发布日期: 2026-10-29
备注: 11 pages. Submitted to IEEE/ASME Transactions on Mechatronics
💡 一句话要点
提出CuBot-STT以解决模块化机器人运输与紧固问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 模块化机器人 重构技术 运输与紧固 机器人控制 Q学习 实验验证 结构优化
📋 核心要点
- 现有模块化机器人在运输和紧固功能上存在连接能力低或占用空间的内部组件等不足，限制了其应用。
- CuBot-STT通过一个外部机器人集成模块运输、锁定和释放功能，采用立方体模块设计以优化空间和功能。
- 实验表明，CuBot-STT在接口承载能力和模块重构效率上显著提升，展示了优于传统方法的性能。
📝 摘要（中文）
论文提出了一种新型的模块化重构机器人CuBot-STT，旨在通过一个外部机器人集成模块运输、接口锁定和释放功能。现有系统存在连接能力低或占用空间的内部紧固机器人等问题。CuBot-STT通过立方体模块提供结构支持和电力分配，采用齿轮传动将外部输入转化为四个螺旋锁定点的运动，保持内部空间。实验结果表明，该机器人在接口的正常和切向承载能力上分别达到300N和490N，并成功实现了11模块的自主重构。
🔬 方法详解
问题定义：本论文旨在解决现有模块化机器人在运输和紧固功能上的不足，尤其是连接能力低和内部组件占用空间的问题。现有系统通常依赖低容量连接或内部紧固机器人，限制了功能的灵活性和空间利用率。
核心思路：CuBot-STT的核心思路是通过一个外部机器人整合模块运输、接口锁定和释放功能，采用立方体模块设计以提供结构支持和电力分配，从而优化空间使用和功能集成。
技术框架：CuBot-STT的整体架构包括模块运输、接口锁定和释放三个主要模块。机器人使用交替支撑的脚、模块处理夹具和接口激活的紧固头，控制器协调两脚支撑和模块锁定，通过连续约束转移实现功能。
关键创新：CuBot-STT的最大创新在于将模块运输与接口锁定功能集成在一个外部机器人中，避免了传统方法中内部组件的空间占用，提升了模块化机器人的灵活性和效率。
关键设计：该系统采用齿轮传动将外部输入转化为四个螺旋锁定点的运动，保持内部空间的同时实现高效锁定。控制器通过分析下限和专家指导的Q学习来优化规划，确保机器人在重构过程中的高效性和可靠性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，CuBot-STT在正常和切向接口承载能力上分别达到了300N和490N，且在六个模块间实现了电气连续性。此外，该机器人成功实现了11模块的自主重构，展现出优于传统方法的搜索效率和性能提升。
🎯 应用场景
CuBot-STT的设计具有广泛的应用潜力，特别是在需要灵活重构的环境中，如建筑、制造和灾后救援等领域。其高效的模块运输和锁定能力能够显著提高工作效率，降低人工成本，推动模块化机器人技术的进一步发展与应用。
📄 摘要（原文）
Lattice-type modular reconfigurable robots rearrange standardized modules across tasks. Dedicated transport robots reduce module weight and cost by eliminating module level reconfiguration actuators. But existing systems use low capacity connections or internal fastening robots that occupy space for functional components. This paper presents CuBot-STT, which integrates module transport, interface locking, and release in one external robot. Cubic modules provide structural support and $24\,\mathrm{V}$ power distribution. On each face, a gear transmission converts one external input into motion of four helical locking points, preserving internal space. The robot uses alternating foot support, a gripper for module handling, and a tightening head for interface actuation. The controller coordinates two-foot support and module locking through continuous constraint transfers. The planner decomposes relocation costs into an analytical lower bound and a residual learned through expert-guided, goal conditioned Q-learning. Contact face $A^*$ search expands relocation sequences into robot primitives satisfying connectivity, asymmetric manipulation, and foot stance constraints. Experiments demonstrate normal and tangential interface capacities of $300\,\mathrm{N}$ and $490\,\mathrm{N}$, electrical continuity across six modules, and autonomous reconfiguration of an 11-module lattice. Planning benchmarks show superior search efficiency over analytical guidance and bidirectional heuristic search, with generalization beyond training lattice sizes without fine-tuning.