IJRR 连续体机器人预设行为自适应控制（BPAC）框架

中山大学谭宁老师团队提出了一种面向异构连续体机器人的行为预定义自适应控制（BPAC）框架，相关研究论文《Behavior-predefined adaptive control for heterogeneous continuum robots》在机器人领域顶级期刊The International Journal of Robotics Research上发表，并被SCI收录。

NOKOV度量动作捕捉系统为研究提供了高精度位姿真值，验证了标定板与视觉方法在跟踪机器人末端执行器位置时的精确性。

引用格式

Tan, Ning, et al. "Behavior-predefined adaptive control for heterogeneous continuum robots." The International Journal of Robotics Research 44.1 (2025): 65-95.

研究背景

连续体机器人的控制研究处于发展阶段，诸多挑战亟待解决。本文重点关注以下两个核心问题：其一，现有控制方法难以实现期望的任务空间性能；其二，异构连续体机器人的多样性为通用控制系统的开发带来了巨大挑战。

本文贡献

1. 结合预设性能控制与零化动力学方法，设计控制器实现连续体机器人的运动控制与视觉伺服。首次系统研究其任务空间预设性能控制，无需参数整定即可达到预设性能指标。

2. 基于零化动力学方法在线估计机器人速度级运动学模型，将控制器与估计器结合，形成自适应控制系统。该系统仅需简单初始化即可快速适配不同类型的连续体机器人。

3. 在五种异构连续体机器人平台上验证了方法的可行性、有效性与鲁棒性，在应用层面推动了异构连续体机器人通用控制的研究。

方法

研究提出一种行为预定义自适应控制（BPAC）框架，旨在实现异构连续体机器人的任务空间运动学控制与视觉伺服。该方法的核心由三个部分组成：

异构连续体机器人行为预定义自适应控制（BPAC）系统框图

1. 预设行为控制器：通过误差转换与驱动空间变换，使用户能同时预设瞬态误差、稳态误差与收敛时间，并在驱动空间自由度冗余时规避空间限制，保证末端执行器任务完成。

2. 雅可比估计器：采用基于零化动力学的在线自适应律，实时估计机器人雅可比矩阵，无需依赖解析模型与运动学参数，是实现异构平台通用控制的关键。

3. 收敛性与鲁棒性改进：针对外部干扰下传统性能函数可能因误差越界导致控制器失效的问题，提出一种可重调性能函数（RePF），能动态调整性能边界，显著提升系统的鲁棒性。

仿真研究

通过绳驱连续体机器人与同心管连续体机器人仿真验证了所提控制方法的有效性。

结果表明，系统能实现预设性能控制，保证任务空间误差的瞬态与稳态性能，满足驱动空间约束，并干扰下通过可重调性能函数保持稳定。在精度和鲁棒性上优于传统方法，同时验证了无模型自适应策略的可靠性。

实物实验

为验证预设行为自适应控制（BPAC）框架在实际系统中的性能，在五种异构连续体机器人平台上开展了实物实验：

绳驱连续体机器人：使其执行五角星轨迹跟踪与含障碍物的点对点任务。实验结果表明，末端位置误差在预设时间内收敛至小于2毫米。在存在未知额外负载的点对点任务中，可重调性能函数边界被重新调整以保持误差处于边界内。

实验采用了NOKOV度量运动捕捉系统作为测量基准，交叉验证数据显示，Micron Tracker测量的实际末端路径与NOKOV记录的高精度轨迹高度一致，平均误差仅为1.2毫米，为控制器所达到的精度提供了金标准。

绳驱连续体机器人实验平台

绳驱连续体机器人跟踪五角星路径的实验结果

验证Micron Tracker H3-60精度的实验设置

并联连续体机器人：控制其完成点对点定位与空间圆形路径跟踪。任务空间误差始终被约束于预设性能边界内，稳态误差小于1.5毫米。

并联连续体机器人执行圆形路径跟踪任务时的参考路径与实际路径曲线对比

同心管连续体机器人：控制其跟踪三维空间曲线路径。机器人成功完成跟踪任务且误差符合边界约束。同时，在执行跟踪任务遭受干扰时，可重调性能函数边界被重新调整以保持误差处于边界内，且干扰结束后误差收敛至零。

同心管机器人执行跟踪任务时的参考路径与实际路径曲线对比

柔性内窥镜：控制其开展视觉伺服实验以验证所提预设行为自适应控制方法。最终，通过激光点确定目标区域，并成功实现期望图像特征。且在外部干扰下，也控制其成功完成视觉伺服任务。

内窥镜执行激光引导视觉伺服跟踪任务时，图像平面中的参考路径与实际路径曲线对比

气动连续体机器人：在其原型存在固有抖动的情况下，仍实现了稳定的轨迹跟踪与抗干扰点对点控制。采用可重调性能函数（RePF）有效吸收了未建模动态与外部扰动的影响。

气动连续体机器人执行跟踪任务时的参考路径与实际路径曲线对比

实物实验充分证明了BPAC框架在不同结构、不同驱动方式的连续体机器人上的通用性、精确性与鲁棒性。

仿真及实物实验演示视频

NOKOV度量运动捕捉系统提供的亚毫米级精度轨迹数据，用以分析误差，验证实验中视觉系统精度。

作者简介

谭宁，中山大学计算机学院，副教授，博士生导师。主要研究方向：智能机器人、智能控制、医疗机器人、多机器人协同、仿生机器人及人工智能。

余鹏，中山大学计算机学院，博士生。主要研究方向：柔性连续体机器人、智能控制。

王鑫，中山大学计算机学院，博士生。主要研究方向：医疗机器人控制。

黄凯，中山大学计算机学院，教授，博士生导师。主要研究方向：嵌入式/CPS系统的基础理论及其工业应用。