面向杂乱环境自主操作的可变形变刚度机器人运动与形态规划
在受限空间内的自主操作要求机器人能够同时穿越狭窄通道并操纵物体。然而，传统移动操作器通常体积过大，而顺应性软体操作器则受限于系绳和工作空间狭小。本文介绍了一种新型混合机器人，旨在解决这一权衡问题。该机器人通过利用其整个身体实现无需专用末端执行器的移动操作。它由
在受限空间内的自主操作要求机器人能够同时穿越狭窄通道并操纵物体。然而，传统移动操作器通常体积过大，而顺应性软体操作器则受限于系绳和工作空间狭小。本文介绍了一种新型混合机器人，旨在解决这一权衡问题。该机器人通过利用其整个身体实现无需专用末端执行器的移动操作。它由两个自主运动单元组成，通过一个变刚度桥（Variable-Stiffness Bridge, VSB）连接。该设计使机器人能够在刚性状态（用于高效运动）和柔性状态（用于全包围物体）之间切换。包围后，机器人重新硬化，以实现带有方向调节的推耦合平面运输。研究人员展示了该平台的第二代设计，其模块化VSB设计实现了状态转换速度提升2.5倍。此外，研究人员引入了一个全面的规划框架——基于Voronoi的运动与形态规划器（Voronoi-based Motion and Morphology Planner, VMMP），以实现高度杂乱平面环境中的自主导航。VMMP通过层次化分解解决高维规划挑战：它首先使用Voronoi图为机器人身体上的三个关键控制点生成可通行路径，然后通过约束优化重建运动学可行的机器人配置序列。源代码和仿真可在获取。
**论文解读：面向杂乱环境自主操作的可变形变刚度机器人运动与形态规划**
在工业检测、搜索救援等真实场景中，机器人需要在狭窄、杂乱的环境中同时完成导航和物体操作任务。传统移动操作器（如机械臂安装于移动底盘）虽具备刚性操作能力，但体积庞大，难以适应受限空间。顺应性软体机器人虽能变形通过狭小通道，但通常受系绳约束、工作空间有限，且负载能力不足。因此，如何在单一平台中融合刚性机器人的高效移动与负载能力，以及软体机器人的形态适应性与灵活性，成为混合机器人领域的关键挑战。现有变刚度技术（如形状记忆合金、颗粒阻塞）存在响应慢、能耗高或需外部真空源等局限。低熔点合金（Low-Melting-Point Alloy, LMPA）因其大刚度变化范围、高热导率及适合无绳系统，成为有前景的替代方案。然而，将LMPA变刚度与全自主移动操作结合，并解决高维形态与运动协同规划问题，尚无成熟方案。
本研究提出了一种名为自重构软-硬（Self-Reconfigurable Soft-Rigid, 2SR）机器人的新型混合平台，并构建了完整的运动学建模、控制与规划框架。该机器人由两个自主运动单元（Locomotion Units, LUs）通过模块化变刚度桥（Variable-Stiffness Bridge, VSB）连接，可在刚性状态（高效全向移动）和柔性状态（全身体包围物体）间切换，包围后重新硬化实现带方向调节的推耦合平面运输。第二代VSB采用模块化设计，基于LMPA的模块化单元，将状态转换速度提升2.5倍（刚性至柔性平均35.9秒，柔性至刚性47.1秒），并降低功耗。研究人员提出了混合运动学模型，基于心形曲线（Cardioid）近似柔性状态下的运动学，并设计了多模态模型预测控制器（Model Predictive Controller, MPC）和分层有限状态机，实现刚度状态与连续运动的协同控制。针对高维（5维）配置空间，提出基于Voronoi的运动与形态规划器（Voronoi-based Motion and Morphology Planner, VMMP），该规划器通过层次化分解：先利用Voronoi图分析环境生成三个关键控制点（前、中、后）的可通行路径，再通过约束优化重建运动学可行的机器人配置序列，最终选择最小化刚度转换的遍历配置集合。该论文发表在《Advanced Intelligent Systems》。
1. **模块化变刚度桥（VSB）设计**：采用电缆链结构连接LUs，节点内嵌独立LMPA基模块（MU），每个MU由硅胶棒、Fields metal合金层、铜加热丝及热敏电阻组成，通过分段控制实现刚度切换，并利用热滞效应设置不同熔固阈值。
2. **混合运动学建模**：基于心形曲线（Cardioid）近似柔性段变形，建立包含位置（xb, yb）、方向θb及两段曲率κ1, κ2的五维状态空间，并推导出刚性状态（全向移动）和三种柔性状态（单段弯曲、双段同步弯曲）的雅可比矩阵。
3. **多模态模型预测控制（MPC）**：针对四种刚度配置（[0,0], [1,0], [0,1], [1,1]）分别设计MPC，优化目标为状态误差与控制输入加权和，约束包括轮速极限，并通过运动与形态（M&M）控制器实现刚度状态切换与模式选择。
4. **基于Voronoi的层次化规划（VMMP）**：对障碍物集计算Voronoi图，识别可通行窄道；规划机器人前、中、后三点路径；通过约束优化（考虑曲率限制、电缆链最大弯曲π rad）将点序列映射为运动学可行配置序列；最后选择最小化刚度转换的关键配置集。
**2.1 模块化变刚度桥**：模块化设计使合金用量减少，实验验证刚性至柔性转换平均35.9秒，柔性至刚性47.1秒，为整体转换速度提升2.5倍。电缆链限制总弯曲为π rad（每段π/2 rad），防止LUs碰撞。
**3.1 混合运动学**：通过心形曲线模型（三个参数化场景）统一描述柔性状态，推导出运动学方程。分析表明，全柔性模式（双段弯曲）具有更好的可控性，可实现解耦的旋转和平移；半柔性模式则存在强耦合，导致可达工作空间在原点附近有较大排除区域。
**3.2 多模态运动与形状控制**：M&M控制器通过刚度状态管理（基于曲率误差阈值Δκmin）和运动协调（激活对应MPC）实现平滑切换，默认保持刚性以优化性能。
**4. Voronoi辅助规划**：VMMP通过环境分析、关键点路径规划、配置拟合和遍历配置选择四步，成功生成高密度杂乱环境下的可行轨迹，并支持全身体包围和包围后运输两种操作（实验验证了不同物体的包围过程及滑移影响）。
**总结讨论**：本研究通过模块化VSB设计与VMMP规划框架，有效解决了混合机器人在杂乱平面环境中运动与形态协同的难题。实验表明，模块化设计显著提升了状态转换速度与鲁棒性；心形运动学模型准确描述了柔性变形；VMMP实现了高维配置空间的高效搜索。但研究局限于平面场景，未来需扩展至三维操作（包括垂直位移、非平面变形及地形接触可行性）。此外，全身体包围并非力封闭抓取，在复杂机动下可能发生滑移，需进一步优化包围质量与控制策略。
本文提出了一种新型混合机器人，它通过模块化变刚度桥（VSB）实现了刚性高效运动与柔性全身体包围操作的无缝结合。第二代平台在状态转换速度上实现了2.5倍的提升。基于Voronoi的运动与形态规划器（VMMP）通过层次化分解，解决了高维配置空间中的自主导航问题，使机器人能够在高度杂乱平面环境中自主穿越并操作物体。实验验证了该框架在包围和运输任务中的有效性。源代码和仿真已开源，为未来三维扩展提供了基础。