集群张拉整体连续体机器人

GA+DRL协同设计

采用遗传算法与深度强化学习同时优化拓扑结构与驱动规律，实现障碍规避与定点到达，展现张拉整体结构在连续体机器人中的应用潜力。

Xincui, Shi · 杨庆 · Kaiwen, Hu · 连宾宾 · 宋轶民 · 康荣杰 · 孙涛

Mechanism and Machine Theory 2025

技术优势

同时优化结构与控制

遗传算法与深度强化学习协同工作，使拓扑结构和驱动规律在统一框架下迭代，避免了分步设计带来的性能损失。

免手工建模

机器学习直接从仿真环境中学习结构行为，绕过了张拉整体结构精确解析建模的难题，设计者无需手工推导复杂方程。

适应复杂环境

深度强化学习训练的驱动策略能够处理避障和点到达任务，使连续体机器人在狭窄或障碍密集的空间中仍然能够灵活运动。

应用场景

• 柔性机械臂：用轻量高变形结构替代刚性机械臂，在非结构化环境中提供柔性操作能力。
• 狭窄空间作业：连续体构型可进入狭小弯折空间，配合强化学习规划避开障碍完成作业。
• 微创手术器械：柔性细长结构适合内窥手术路径，张拉整体自重轻、易消毒部件少。
• 集群机器人：集群化张拉整体单元可协同变形，为多机器人编队提供高自由度运动基元。