洛桑联邦理工学院(EPFL)可重构机器人实验室(RRL)的研究人员最近开发了一种新方法，用于重新配置模块化机器人，其灵感来自于折纸艺术。在Sage的国际机器人研究杂志上发表的一篇论文中概述了这种方法，它消除了系统转换过程中的连接变化。
模块化可重构机器人是多功能系统，可以改变其形状，以在各种环境中执行不同的任务。这在基于任务的设置中尤其有用，例如空间，识别，采样或搜索和救援操作。在这些情况下，传统的固定形态机器人可能难以适应复杂和不确定的环境，而模块化机器人系统可以自主地重新配置和适应新环境。
模块化系统的可重新配置性是通过改变其整体结构的形态以及连接和断开其模块来实现的。尽管使用这些系统具有显着的优点，但是大量的单个组件和所涉及的自由度(DoF)使得改变其配置极具挑战性。
为了规划和优化这一过程，过去的研究提出了各种方法，可分为两大类。第一类需要通过将系统的模块化体系结构划分为不同的模块集来进行目标配置，这可以简化重新配置过程。这些方法可以促进特定任务的最终配置的设计，但是它们无法解决动态重新配置过程。
优化重新配置的另一种方法是在系统转换为所需形状时最小化连接变化的数量。尽管这些重新配置规划器旨在减少连接更改的数量，但它们仍然需要某种形式的断开连接并在此过程中的模块之间进行连接。这些连接变化是耗时的，可能导致整体转换的复杂化并且可能导致不对准，从而导致系统的机械故障。
为了解决现有方法的局限性，RRL的研究人员团队引入了一种新的策略来规划模块化机器人系统的重新配置，该策略来自于折叠折纸的过程。折纸是日本传统艺术，将平板纸折成各种三维物体或形状。
研究人员在他们的论文中写道：“我们的方法包括一个能量最优的重新配置规划器，它可以产生初始的2-D装配模式和模块化单元的驱动序列，从而最大限度地降低能耗。”
研究人员设计的算法框架包括两个主要部分：自动建模算法和启发式算法。自动建模算法生成机器人聚合体的运动学模型和动态推导，计算预定折叠序列的预折叠图案的扭矩消耗，并使用运动计划来考虑结构的厚度。另一方面，启发式算法包括一个最佳的二维布局规划器，后面是两个折叠序列规划器：一个用于不同布局的统一驱动规划器和一个特定布局内的最佳规划器。
RRL设计的新方案有效地解决了模块化机器人中能量最优重新配置规划的NP完全问题，为系统模块的初始组装和折叠顺序生成了能量最优的重新配置方案。研究人员使用模拟机器人平台Mori模拟评估了他们的策略，并取得了非常有希望的结果。
研究人员在他们的论文中写道：“我们通过将算法应用于模拟折纸机器人Mori来证明我们方法的有效性。” “我们的结果表明，与自动建模算法相比，启发式算法可以产生高质量的重新配置方案，同时节省了大量的计算时间和精力。”