机构名称：
¥ 1.0
摘要 - 软机器人表现出合规性，并具有无限的自由度。多亏了这些特性，可以利用此类机器人进行手术，康复，仿生，探索未经培养的环境和工业抓地力。在这种情况下，它们吸引了来自各个领域的学者。但是，非线性和滞后作用也给机器人建模带来了负担。遵循其灵活性和适应性，软机器人控制比刚性机器人控制更具挑战性。为了建模和控制软机器人，以成对或单独使用了大量数据驱动的方法。本评论首先简要介绍了两个用于数据驱动方法的基础，即物理模型和雅各布矩阵，然后总结了三种数据驱动方法，即统计方法，神经网络和增强学习。本评论比较了这些类别内外的建模和控制器功能，例如模型动态，数据要求和目标任务。最后，我们总结了每种方法的功能。对现有建模和控制方法的优势和局限性进行了讨论，我们预测了软机器人中数据驱动方法的未来。网站（https://sites.google.com/view/23zcb）是为此评论而构建的，将经常更新。
应用于软机器人建模和控制的数据驱动方法：评论
主要关键词
相关文件推荐
