Harnessing Deep Learning of Point Clouds for Inverse Control of 3D Shape Morphing

要約

ソフト ロボティクスの重要な分野である形状モーフィング デバイスは、ヒューマン マシン インターフェイス、生体模倣ロボティクス、生物学的システムと相互作用するツールなどの分野で重要な応用価値を持っています。
3 次元 (3D) プログラマブル シェイプ モーフィング (PSM) を実現するには、アレイベースのアクチュエータの導入が不可欠です。
しかし、3D PSM の開発を妨げる重大な知識ギャップは、これらのソフト アクチュエータ アレイによって形成される複雑なシステムを制御するという課題です。
この研究では、点群データを使用して形状モーフィング デバイスの構成を表し、深層学習を使用してこれらの構成を制御入力にマッピングするという新しいアプローチを初めて導入します。
我々は、点群データから高次元連続ベクトルへの回帰を実現する手法であるShape Morphing Net (SMNet)を提案します。
SMNet を以前の 2D PSM アクチュエータ アレイに適用すると、制御精度が 82.23% から 97.68% に大幅に向上します。
さらに、3 つの異なるアクチュエータ機構を備えた 3D PSM デバイスへの適用を拡張し、3D 形状モーフィング技術の制御に対する SMNet の普遍的な適用性を実証します。
私たちのデモンストレーションでは、3D PSM デバイスがターゲット形状を首尾よく複製する逆制御の有効性を確認します。
これらの形状は、物理オブジェクトの 3D スキャンまたは 3D モデリング ソフトウェアを通じて取得されます。
結果は、3D PSM デバイスの変形可能な範囲内で、所望の形状を正確に再現できることを示しています。
この研究結果は、特に複雑な 3D 形状変換を必要とするアプリケーションにおいて、ソフト ロボティクスにおける大幅な進歩を示し、この分野の将来の開発のための基礎的な枠組みを確立します。

要約(オリジナル)

Shape-morphing devices, a crucial branch in soft robotics, hold significant application value in areas like human-machine interfaces, biomimetic robotics, and tools for interacting with biological systems. To achieve three-dimensional (3D) programmable shape morphing (PSM), the deployment of array-based actuators is essential. However, a critical knowledge gap impeding the development of 3D PSM is the challenge of controlling the complex systems formed by these soft actuator arrays. This study introduces a novel approach, for the first time, representing the configuration of shape morphing devices using point cloud data and employing deep learning to map these configurations to control inputs. We propose Shape Morphing Net (SMNet), a method that realizes the regression from point cloud data to high-dimensional continuous vectors. Applied to previous 2D PSM actuator arrays, SMNet significantly enhances control precision from 82.23% to 97.68%. Further, we extend its application to 3D PSM devices with three different actuator mechanisms, demonstrating the universal applicability of SMNet to the control of 3D shape morphing technologies. In our demonstrations, we confirm the efficacy of inverse control, where 3D PSM devices successfully replicate target shapes. These shapes are obtained either through 3D scanning of physical objects or via 3D modeling software. The results show that within the deformable range of 3D PSM devices, accurate reproduction of the desired shapes is achievable. The findings of this research represent a substantial advancement in soft robotics, particularly for applications demanding intricate 3D shape transformations, and establish a foundational framework for future developments in the field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google