合肥工業大學王正雨老師團隊針對繩牽引并聯連續體機器人的運動學建模提出一種基于Transformer網絡的分段學習方法，該方法較傳統建模性能卓越、精度更高。相關研究論文“Transformer-based segmented learning for kinematics modelling of a cable-driven parallel continuum robot” 發表于工程技術領域期刊Proc IMechE Part C: J Mechanical Engineering Science。
NOKOV度量動作捕捉系統為本研究提供了精確的機器人運動軌跡，助力驗證基于Transformer網絡的分段學習方法的有效性。
引用格式
Liu X, Wang Z, Li Z, Ma L, Wang D, Xu X. Transformer-based segmented learning for kinematics modelling of a cable-driven parallel continuum robot. Proceedings of the Institution of Mechanical Engineers, Part C. 2025;239(8):2942-2952. doi:10.1177/09544062241306683
研究背景
繩牽引并聯連續體機器人因其結構柔順性，在狹窄空間和復雜環境中的操作展現出巨大潛力。然而，其運動學建模復雜，傳統的建模方法存在計算復雜度高、模型精度有限等問題。近年來，數據驅動的學習方法逐漸被應用于繩牽引并聯連續體機器人的運動學建模中，但現有的學習方法在處理多空間映射時存在不足，導致建模精度受限。為解決這些問題，合肥工業大學王正雨老師團隊圍繞繩索驅動繩牽引并聯連續體機器人的運動學建模展開研究。
本文貢獻
-
提出一種基于機器學習的繩牽引并聯連續體機器人的動力學建模方法。
-
在此方法中，將分段學習算法應用于具有多個空間映射的系統，以降低學習復雜性并提高預測精度。
-
在此方法中，引入Transformer網絡，以增強不同系統映射之間的建模能力，并能有效處理回歸任務，實現準確的預測。
研究對象
研究設計了一種平面的繩牽引并聯連續體機器人（PCR），該機器人具有三個自由度，包括在平面內的平移和旋轉。機器人的末端執行器呈等邊三角形，通過耦合單元與連桿連接，連續體機制使用單自由度連續體機制。
圖片：PCR的結構，主要包括末端執行器、連續體機制、繩索和線性執行器
建模方法
分段學習策略：研究通過分段學習，分別建立了從任務空間到配置空間（即從末端執行器位置向量到連續體機制關節預測向量）和從配置空間到執行空間（即從連續體關節預測向量到電機位移預測向量）的映射關系。
Transformer網絡架構：使用 Transformer 網絡作為基礎網絡結構單元，通過自注意力機制和前饋神經網絡實現長序列建模，提供全局上下文特征提取和并行計算能力。
通過分段學習策略，Transformer網絡能夠更準確地捕捉任務空間、配置空間和驅動空間之間的映射關系。
圖片：Transformer-based Segmented Learning（TBSL）方法的結構，包括基于Transformer的神經網絡單元以及從任務空間到配置空間再到執行空間的分段學習框架
現場試驗
實驗平臺：包括繩牽引并聯連續體機器人、電機驅動器、校準桿、NOKOV度量動作捕捉系統等。為實時捕捉機器人末端執行器的位置和連續體機制的彎曲角度，實驗現場共搭設4組Pluto 1.3C動作捕捉鏡頭，以驗證建模方法的有效性。
圖片：實驗平臺，包括繩牽引并聯連續體機器人（PCR）、NOKOV運動捕捉鏡頭、電機驅動器和主機計算機
實驗設計：研究設計了圓形和方形軌跡，用于評估本研究和傳統建模方法的軌跡跟蹤精度。
實驗結果：基于Transformer網絡的分段學習方法在圓形和方形軌跡下的最大誤差、平均絕對誤差和均方根誤差均顯著低于傳統建模方法。
繩牽引并聯連續體機器人（PCR）現場實驗
NOKOV度量動作捕捉系統為實驗提供了亞毫米級精度的機器人實際運動軌跡數據，用以分析誤差，驗證新建模方法的有效性和卓越性。
作者簡介
劉旭昌，合肥工業大學機械工程學院碩士研究生。主要研究方向為：柔索驅動連續體機器人、連續體手術機器人
王正雨（通訊作者），合肥工業大學機械工程學院副教授、碩士生導師。主要研究方向：先進機器人技術與智能控制、剛柔軟耦合驅動醫療機器人、智能制造機器人裝備與系統
李紫千，合肥工業大學機械工程學院碩士研究生。主要研究方向為：機器人技術、人工智能
馬樂，合肥工業大學機械工程學院碩士研究生。主要研究方向為：柔索驅動連續體機器人、連續體探測機器人、人工智能
王道明，合肥工業大學機械工程學院教授，博士生導師。主要研究方向：機器人技術及應用、車輛線控制動技術、智能結構與系統
徐新洲，南京郵電大學物聯網學院碩士研究生導師。主要研究方向：音頻信號智能處理、機器學習與人工智能
