科学家提出超鲁棒动作估计方法
文章导读
潜水员在水下频繁切换打腿模式时，外骨骼为何总是“慢半拍”甚至产生危险振荡？传统算法依赖海量数据训练，面对突发动作往往反应迟钝，导致人机协同失效。中科院最新提出的URAO方法彻底打破了这一僵局：它不靠数据集，却能在一周内精准捕捉频率突变，将相位估计误差直接砍掉近一半。这意味着助力能真正做到“动作一变，动力即达”。但这项无需训练的自适应技术，究竟是如何在复杂水流中实现毫秒级响应的？答案可能颠覆你对水下机器人控制的认知。
— 内容由好学术AI分析文章内容生成，仅供参考。
在水下勘探、管道检修、沉船救援等任务中，潜水员常常需要根据环境情况调整打腿频率和动作模式来调整前进速度。
近日，中国科学院深圳先进技术研究院基于前期研制的柔性潜水助力外骨骼系统PEAKED，提出超鲁棒自适应振荡器动作相位估计方法（URAO），攻克了水下高频突变打腿动作的相位精准预测难题，让水下外骨骼助力更同步、更安全、更高效。
URAO不依赖数据集训练，能够适应不同潜水员的动作特征，并兼容交替自由泳打腿和蛙泳打腿两类典型水下动作，具有良好的泛化性。同时，URAO可针对打腿频率的快速变化进行快速估计。
团队在室内静水池和室外70米泳池中开展了多组外骨骼助力对照实验，结果表明该方法通常可在1个打腿周期内完成稳定同步，比传统方法估计误差降低49.5%，有效克服了传统方法适应慢、易振荡、预测失效的问题。
基于URAO提供的精准相位感知能力，团队研制的PEAKED柔性潜水外骨骼能够在水下打腿方向切换的瞬间及时输出相应助力。无论是蛙泳还是交替打腿，系统都能将助力延迟控制在较低水平，实现更自然的人机协同，做到“动作一变化，助力就跟上”。这对于提升潜水员在复杂水下任务中的运动效率和作业安全性具有重要意义。
相关研究成果发表在IEEE/ASME Transactions on Mechatronics上。研究工作得到国家重点研发计划和国家自然科学基金的支持。
URAO超鲁棒水下动作相位估计算法框架
© 版权声明
本文由分享者转载或发布，内容仅供学习和交流，版权归原文作者所有。如有侵权，请留言联系更正或删除。
相关文章
听起来像科幻片的装备，潜水员都能飞起来？
这波同步真是省心👍