基于BLS的微机器人精确柔性轨迹跟踪新方法！

微型磁性螺旋机器人。

由于这些机器人可以在狭窄的环境中灵活移动，因此在靶向治疗中，具有微型尺寸和在低雷诺数液体中游泳能力的磁性微型机器人的使用前景广阔。

然而，由于期望的复杂轨迹的非线性和多样性的影响，在不频繁调整控制器的情况下保证微机器人的跟踪精度是一个挑战。

近日，中国科学院深圳先进技术研究所徐胜、徐甜甜等领导的研究团队开发了一种基于广义学习系统(BLS)的微机器人精确柔性轨迹跟踪新方法。

这项研究发表在11月1日的《IEEE控制论汇》上。

与传统的深度学习方法相比，bls具有结构简单灵活的特点，可以达到较好的准确率。

研究小组开发了基于BLS的学习型微机器人伺服控制算法，并将李雅普诺夫理论与复杂学习方法相结合，推导出控制器参数约束。

他们还开发了一种基于bls的控制器训练算法，使用多个期望跟踪轨迹作为演示，并通过训练算法获得控制器参数。

仿真和实验结果表明，基于bls的方法训练速度快，仅需6秒左右。

训练后的基于bls的控制器可以更好地跟踪不同形状和速度的轨迹，且由于其较强的泛化能力，不需要进行参数调整。此外，由于采用了BLS方法，当需要新的演示时，节点的数量可以灵活调整。