面向受限空间作业的连续体机械臂形状感知、环境建模与避障一体化系统研究

《Advanced Intelligent Systems》：Shape Sensing, Mapping, and Obstacle Avoidance of the Continuum Manipulator in Confined Environments

　　

准确的形状感知与环境感知对于连续体机械臂的精确控制和安全自主作业至关重要。本文提出了一种集成形状感知、环境建模与避障功能的一体化系统，用于受限空间作业。在形状感知方面，融合了圆柱电容传感器与惯性测量单元（IMU）数据，并采用反向传播（BP）神经网络重构机械臂构型；进一步引入Morris方法评估软传感器信号及IMU姿态数据对末端执行器位置的敏感性。在环境感知方面，研制了基于VL6180X激光传感器阵列的小型化测距模块，通过坐标变换将局部距离测量值映射至世界坐标系，构建局部环境地图。自主避障通过预设安全阈值与反向运动策略实现。单段机械臂实验表明，直线轨迹与圆弧轨迹的平均位置误差分别为0.29 mm和1.24 mm，对应相对误差为0.31%和1.32%。在110 g末端负载条件下，三段机械臂的末端执行器平均预测误差为3.74 mm（相对误差为1.04%）。测距模块还成功重构了直径120 mm管道的内腔几何，验证了连续体机械臂在受限空间中自主作业的可行性。

一、研究背景与问题提出

连续体机械臂凭借其高冗余度和固有柔顺性，在微创手术、航空发动机检测维护、气体绝缘开关设备、空间太阳能帆板及核设施维护等受限与非结构化环境中展现出独特优势。对于在受限空间中作业的连续体机械臂而言，精确控制与安全自主运行从根本上依赖于两项关键感知能力：一是对自身空间构型的实时感知，即形状感知；二是对机械臂与周围环境边界交互状态的准确感知。然而，现有形状感知方法中，电学类传感方案虽具有较好工程适用性与较低制造成本，但精度仍有提升空间；磁学跟踪与光学测量方案或成本较高，或受环境干扰明显。在环境感知方面，外部立体视觉系统在物理受限环境中常因狭窄通道造成严重视觉遮挡、视野受限甚至无法部署；而集成于机械臂本体的微型传感器方案，如光电传感器、摩擦纳米发电机触觉传感器及微流控软压力传感器等，普遍存在有效感知距离短、环境鲁棒性差或无法重构周围空间环境等局限。因此，亟需发展一种兼具高精度形状感知与局部环境建模能力、并能在受限空间实现有效避障的一体化感知与控制框架。

二、研究内容与核心结论

针对上述问题，本文提出了一种集成形状感知、环境建模与避障功能的连续体机械臂系统。通过融合圆柱电容传感器与惯性测量单元（IMU）数据，利用反向传播（BP）神经网络实现机械臂构型的实时重构；研制了基于VL6180X激光传感器阵列的小型化测距模块，通过坐标变换将局部距离测量映射至世界坐标系以构建局部环境地图；并基于预设安全阈值与反向运动策略实现自主避障。实验结果表明：单段机械臂在直线和圆弧轨迹下的平均位置误差分别为0.29 mm和1.24 mm，对应相对误差为0.31%和1.32%；在110 g末端负载下，三段机械臂末端执行器平均预测误差为3.74 mm（相对误差1.04%），且重构的三维形状与实际构型高度一致；激光测距模块成功重构了直径120 mm管道的内腔几何，多方向避障实验均成功实现。该研究为连续体机械臂在受限空间中的自主作业提供了可行的感知与控制一体化解决方案。

三、关键技术方法

研究人员采用的主要技术方法包括：基于圆柱电容传感器与IMU数据融合的BP神经网络形状感知模型（针对三段机械臂分别建立三个独立网络，采用正则化机制防止过拟合）；基于Morris方法的全局敏感性分析（量化软传感器及IMU_RX、IMU_RY对各轴向末端位置预测的贡献）；基于VL6180X激光传感器阵列（14个测距芯片沿圆周均匀分布，测距范围0–200 mm）的环境建模方案，通过坐标变换实现局部测量到世界坐标系的映射；以及基于预设安全阈值与反向运动策略的闭环避障控制。实验数据来源于三段连续体机械臂平台，在100 Hz采样频率下采集共19300个样本，其中前15000个连续样本用于训练，后4300个用于验证；另在110 g末端负载条件下独立采集3000个样本作为泛化测试集。

四、研究结果

4.1 单段机械臂形状感知与敏感性分析

通过直线与圆弧两种轨迹实验评估BP神经网络预测性能。直线轨迹下平均位置误差为0.29 mm，最大误差1.26 mm，相对平均误差0.31%；圆弧轨迹下平均位置误差1.24 mm，最大误差2.09 mm，相对平均误差1.32%。结果表明预测精度随轨迹复杂度变化，直线轨迹预测误差更低。Morris敏感性分析显示：对整体末端位置，软传感器具有最大的μ值（0.89），贡献最大；对X轴位置，IMU_RY影响最大（μ_x=0.39）；对Y轴位置，IMU_RX影响最大（μ_y=0.31）；对Z轴位置，软传感器主导（μ_z=0.63）。部分输入变量表现出明显的非线性和交互效应。

4.2 多段连续体机械臂形状感知

三段机械臂在无负载条件下，第三段末端平均预测误差为2.97 mm，最大误差5.22 mm。将无负载预训练模型直接应用于110 g末端负载的独立测试集（不进行重训练或参数调整），末端执行器平均位置误差为3.74 mm，最大误差7.91 mm，相对误差1.04%，表明模型具有良好的泛化能力。将三段预测末端位置进行空间拟合，可实现连续体机械臂完整三维形状重构，重构结果与实际构型高度一致。

4.3 对比分析

与基于分段常曲率（PCC）模型的两种方法对比：方法1（仅用三个柔性电容传感器）相对平均误差1.61%、最大误差3.45%；方法2（一个电容传感器加IMU）相对平均误差0.68%、最大误差1.85%；本文BP神经网络方法相对平均误差0.70%、最大误差1.30%。结果表明BP神经网络方法在降低最大相对误差方面效果显著，且对负载条件下的形状估计具有明确适用性。

4.4 激光感知与避障测试

对14个VL6180X传感器进行线性度与重复性标定，大多数传感器线性度接近1，其中7号和9号传感器线性度异常（分别为0.38和1.42），经一阶多项式重新校准后满足精度要求；所有测距芯片标准差主要集中在1–1.5 mm范围内，且在15–150 mm测量范围内标准差不随距离显著增大。环境建模实验中，机械臂逐步进入直径120 mm钢管（每步沿z轴推进6.4 mm），利用激光传感器获取的距离信息重构出管道内腔的三维几何模型，但最大建模误差达12 mm。避障实验中，以人手作为障碍物分别置于机械臂不同方位，当距离低于预设安全阈值时，上位机发送运动指令驱动机械臂向障碍物反方向移动，所有测试工况均成功实现避障。

五、讨论与结论

本文提出了结合连续体机械臂形状感知与激光阵列传感模块的受限空间环境建模与避障一体化框架。单段机械臂两种轨迹的平均误差算术均值为0.765 mm，对应整体相对误差约0.81%。在110 g负载下相对误差为1.04%，重构三维形状与实际构型一致。VL6180X激光阵列成功重构了直径120 mm圆柱管道内腔几何，但最大建模误差达12 mm，仍有改进空间。多方向避障实验验证了所提闭环感知与控制框架的可靠性。未来研究方向包括：发展物理模型与数据驱动方法相结合的混合建模策略以进一步提升形状预测精度；利用人工智能将当前反应式避障策略扩展为动态障碍环境中的自适应决策，例如通过强化学习在标定仿真器中探索平衡任务进度、障碍间隙与运动平滑性的策略，并结合域随机化技术提高泛化能力；保留现有基于阈值的机制作为监督保护层，在间隙不足或观测不可靠时限制指令运动或触发保护性停止。这些扩展旨在增强系统对持续变化环境条件的适应性，但其有效性与泛化能力仍需通过具体实验验证。