Making Waves: A Membrane-Coupled Delta Array for Manipulating Objects Below the Actuator Spacing
作者: Bailey Dacre, Andrés Faíña, Oliver Kroemer, Zeynep Temel
分类: cs.RO
发布日期: 2026-09-30
💡 一句话要点
提出膜耦合的Delta阵列以解决操控小物体的问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 分布式操控 Delta机器人 物体操控 可拉伸织物 操控精度 机器人技术 自动化
📋 核心要点
- 现有的分布式操控系统要求物体必须被多个执行器同时支撑，导致可操控物体的大小受到严格限制。
- 本文提出通过将Delta机器人末端执行器与可拉伸织物耦合，形成一个连续的操控表面，从而消除物体大小的限制。
- 实验结果显示，该平台能够在76%的成功率下操控15mm至90mm的物体，显著提高了操控精度和范围。
📝 摘要（中文）
分布式操控系统通过多个执行器的协调运动来操控物体。然而，物体必须同时被多个执行器支撑，因此执行器中心间距对可操控物体的大小施加了严格的下限。本文通过将8x8阵列的三自由度Delta机器人末端执行器与可拉伸织物耦合，消除了这一限制，将64个离散接触点转变为一个连续表面，能够操控小于执行器间距的物体。我们将该阵列视为该表面上的位移场，研究局部准静态和循环场作为操控原语。这些原语可以在整个阵列上全局应用或局部限制在每个跟踪物体周围，以独立并行操控多个物体。我们训练了一个作用于低阶离散余弦变换系数的策略：在相同的动作维度下，指挥19个Delta邻域将放置误差减半。该策略在硬件上无须适配即可以76%的成功率转移。该平台能够操控15mm至90mm的物体，覆盖了执行器间距43.3mm的六倍范围。
🔬 方法详解
问题定义：本文旨在解决分布式操控系统中物体大小受限的问题。现有方法要求物体必须被多个执行器同时支撑，导致可操控物体的大小受到严格限制。
核心思路：通过将8x8阵列的Delta机器人末端执行器与可拉伸织物耦合，形成一个连续的操控表面，能够操控小于执行器间距的物体。这种设计使得多个执行器的接触点可以有效地转变为一个连续的操控区域。
技术框架：整体架构包括一个8x8的Delta机器人阵列，末端执行器通过可拉伸织物耦合。系统通过局部准静态和循环场作为操控原语，能够全局或局部操控多个物体。
关键创新：最重要的创新在于将离散的接触点转变为连续的操控表面，从而消除了物体大小的限制。这一方法与传统的分布式操控系统本质上不同，后者无法操控小于执行器间距的物体。
关键设计：在训练策略时，采用低阶离散余弦变换系数作为输入，指挥19个Delta邻域的策略能够将放置误差减半。该策略在硬件上无须适配即可以76%的成功率转移，显示出其有效性。实验中，平台能够操控15mm至90mm的物体，覆盖了执行器间距的六倍范围。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该平台在操控物体的成功率达到76%，并且能够有效操控15mm至90mm的物体，覆盖了执行器间距43.3mm的六倍范围，显著提高了操控精度和范围。
🎯 应用场景
该研究的潜在应用领域包括精细物体操控、机器人抓取和自动化生产线等。通过消除物体大小的限制，能够在更广泛的场景中实现高效的物体操控，具有重要的实际价值和未来影响。
📄 摘要（原文）
Distributed manipulator systems manipulate objects through the coordinated motion of many actuators. However, an object must be supported by several actuators at once, so the centre-to-centre actuator spacing imposes a hard lower bound on manipulable object size. We remove this bound by coupling the end-effectors of an 8 x 8 array of three degrees-of-freedom delta robots with a stretchable fabric, turning 64 discrete contacts into a continuous surface capable of manipulating objects smaller than the actuator spacing. Viewing the array as a displacement field over that surface, we investigate local quasi-static and cyclic fields as manipulation primitives. These primitives can be applied globally across the array or locally confined around each tracked object to independently manipulate several objects in parallel. We then train a policy acting on low-order discrete cosine transform coefficients: at equal action dimension, commanding a nineteen-delta neighbourhood halves the placement error of commanding the whole array. The policy transfers to hardware without adaptation at 76% success. The platform manipulates objects from 15mm-90mm, a six-fold range spanning both sides of the actuator spacing, 43.3mm, on a single surface.