面向柔性微物体的力-流协同操作方案与FlowNet实时流场预测框架

《Nature Communications》：Learning for micro-scale mechano-flow co-manipulation

　　

摘要

灵巧操作是机器人技术中一个基础但尚未解决的主题，尤其是在柔性物体微操作领域。外部力、材料固有属性和环境因素之间的复杂相互作用主导了形状变形，给学习和控制带来了巨大挑战。本文提出了一种面向柔性微物体的力-流协同操作方案。该方案通过动态调节气-液界面的流场，实现了对悬浮微物体的精确操控，同时能够控制操作平面和焦平面。基于可逆神经网络，提出了一种实时流场预测框架，称为FlowNet，能够高精度地双向预测输入流场及相应的时空流场分布。通过线性驱动特性表征、开环轨迹跟踪以及对不同柔性物体的操作等实验验证，我们证明了系统的通用性、精度和稳定性。所提出的系统为通过力-流相互作用对柔性微物体进行微操作提供了一种有前景的方案。