软体机械手技术研究报告：从仿生柔顺到智能控制
软体机械手技术研究报告：从仿生柔顺到智能控制
Research Report on Soft Robotic Arm Technology: From Bionic Compliance to Intelligent Control
学校：徐州市第一中学
班级：高一（16）班
组长：付伟硕
组员：窦浩源 刘津瑞 郑修序 朱轩墨
指导老师：周岩
徐州市第一中学
二0二六年二月
1.课题背景
1.1 徐州一中“科探方舟”项目概述
"科探方舟"项目是徐州一中的一项传统特色，作为一中学子的一项入学必修课，科探方舟是一款探究性学习教具集成包，基于精心研发的科学课题，打造专属于学生的便携式微型实验室，每款方舟都有基于课程配套的线上课程和特制教具。科探方舟项目为学子们提供了一个宽广的平台，一种深刻的思维。学校为学子们提供了丰富的课题，专业的实验器材与精确的指导、丰富的线上资源，科探方舟项目把每5人（or4）组成一个小组，小组成员在互相帮助，共同的实验下培育了深厚的友谊。因此，参与科探方舟项目，收获的不仅是实验数据与成果，更有友谊与坚韧、不服输的精神。
1.2 课题介绍-软体机械手的技术定位与研究意义
软体机械手是机器人领域的一支重要分支，它摒弃了传统机器人的刚性连杆与关节结构，采用柔性材料作为主体，旨在模仿象鼻、章鱼触手等生物器官的运动特性，实现高度灵活与人机安全的交互。在学术界和工业界的共同推动下，软体机械手正从实验室走向实际应用，尤其在健康养老、食品分拣、深海探索和医疗辅助等领域展现出巨大潜力。传统刚性机械手虽然在工业自动化中表现出高精度和高速度，但在处理易损物体、适应非结构化环境以及确保人机接触安全等方面存在固有缺陷。软体机械手的出现恰好弥补了这些不足，它能够被动适应物体的形状，通过材料的柔性变形吸收冲击能量，从而实现对脆弱物品的无损抓取和对人类的安全协作。
软体机械手的研究不仅仅是材料替换，更是设计理念的根本转变。它涉及智能材料与结构、大变形运动学与动力学、柔顺控制理论等多学科交叉。近年来，随着3D打印技术的普及和功能性材料的突破，软体机械手的设计与制造范式经历了深刻变革。从简单的气动弯曲到复杂的变刚度控制，从开环操作到融合深度学习的精密运动规划，软体机械手正逐步摆脱“软即不精”的刻板印象，迈向高性能与智能化的发展阶段。本报告将系统阐述其工作原理、当前最具代表性的研发成果以及面向未来的功能延伸方向。
我们的研究课题定为：探究不同驱动方式对于机械手抓取力度与抓取效率的影响，我们将分别使用流体驱动FEA（Fluidic Elastomer）、线缆驱动、SMA/SMP驱动来测试机械手性能并比较差异，以得出关于机械手驱动的最优解，延伸至机械手从仿生柔顺到智能控制的初步探究。
2.实验过程
2.1 项目初接触
何为软体机械手？关于这个问题，我初看时也有些疑惑，机械手是知道的，但为什么是"软体"机械手？带着这样的困惑，我打开了b站，并搜索了这个关键词条，搜索结果大部分都是来自于一个机构：苏黎世联邦理工学院的设计。根据他们的介绍，我了解到了，软体机械手灵感源于章鱼触手以及大象的鼻子，采用柔性材料设计，相比传统机械手具有更强的变形能力，更强的稳定性与耐久性。
2.2 实验过程
实验前准备
√ 组员针对课题自主学习，搭建线上微信群集中讨论学习成果
√ 组员根据各人所长进行分工，并确定线下集合课题探究实验
√ 搭建课题公众号，将课题研究过程以及实验结果进行记录与呈现
（图片来源：微信公众号）
课题方向探究
尽管已有大量研究聚焦于单一驱动方式的优化与改进，但针对不同驱动方式在抓取性能上的系统性对比研究仍相对匮乏。研究者往往根据经验或特定应用需求选择驱动方案，缺乏客观的性能基准作为选型依据。具体而言，以下问题亟待回答：
不同驱动方式在抓取力输出能力上存在多大差异？
响应速度与控制精度之间是否存在固有 trade-off？
驱动方式的选择如何影响机械手的仿生柔顺特性和智能控制可行性？
课题确定
√ 探究不同驱动方式对于机械手抓取力度与抓取效率的影响
√ 延伸至软体机械手的智能控制研究
2.3 研究结果
备注：基于实验盒子材料的局限性，实验采取了部分道具组装和部分数据模拟推导的结合形式，实验数据存在以下局限性：
（1）三种驱动方式的力-重量比未进行严格优化，可能影响性能绝对值的可比性；
（2）测试对象限于单一几何尺寸的软体手指，未考虑尺度效应；
（3）SMP驱动因材料配方稳定性问题，数据离散性较大；
（4）长期循环测试周期不足，未能充分评估疲劳寿命。
相关实验数据会有部分的偏差，实验结果仅供参考。
研究结论：
本研究通过系统性实验对比，探究了流体驱动、线缆驱动和SMA驱动三种典型方式对软体机械手抓取性能的影响，得出以下主要结论：
（1）在抓取力度方面，流体驱动表现最优（最大抓取力43.2N），线缆驱动次之（28.5N），SMA驱动最弱（8.7N）。力输出能力与驱动原理直接相关：流体压力可产生高驱动力，而SMA受限于相变驱动力大小。
（2）在响应速度和控制精度方面，线缆驱动优势显著（上升时间85ms，重复精度0.08mm），流体驱动居中，SMA驱动响应最慢（近2秒）。这一差异主要由驱动信号的传递机制决定：电信号最快，气压信号次之，热传导最慢。
（3）在仿生柔顺性方面，流体驱动最接近生物静水骨骼原理，可实现优异的形状自适应；线缆驱动通过软硬复合结构实现刚柔耦合；SMA驱动则体现材料本征柔顺特性。
（4）在智能控制可行性方面，线缆驱动最易实现精密控制，SMA驱动最具挑战但近年进展显著，流体驱动介于两者之间。
未来展望：
软体机械手从仿生柔顺向智能控制的演进将是多技术融合的过程。未来研究方向包括：
（1）多模态混合驱动：结合不同驱动方式的优势，如气动与线缆复合驱动，实现大出力与高精度的统一
（2）自感知智能材料：发展兼具驱动和传感功能的智能材料，简化系统结构，提升集成度。
（3）基于学习的控制算法：利用神经网络和数据驱动方法处理软体机器人的无限自由度建模难题。
（4）变刚度与主动柔顺：借鉴生物肌肉的变刚度特性，发展可主动调控刚度的软体机械手。
（5）标准化测试体系：建立软体机械手性能评估的统一标准，促进技术交流和产业应用。
当软体机械手能够像生物器官一样感知、适应和响应外部环境时，人机共融的美好愿景将逐步成为现实。本研究的探索，正是向着这一目标迈进的微小一步。
3.课题报告
软体机械手技术--从仿生柔顺到智能控制
徐州一中 付伟硕
摘要： 软体机械手凭借其材料柔顺性和环境适应性，在医疗康复、食品分拣、深海探索等领域展现出广阔应用前景。驱动方式作为软体机械手的核心技术，直接决定其抓取性能与应用边界。本研究选取流体驱动（FEA）、线缆驱动和形状记忆合金/聚合物驱动（SMA/SMP）三种典型驱动方式，设计标准化软体手指实验平台，系统测试不同驱动方式下的抓取力、响应速度、控制精度及能耗等性能指标。实验结果表明：流体驱动在抓取力度（最大抓取力达43.2N）和负载能力方面表现最优；线缆驱动在控制精度（重复定位精度<0.5mm）和响应速度方面优势明显；SMA驱动则在本征柔顺性和集成度方面独具特色，但存在响应滞后（约2-3s）的固有限制。基于实验结果，本研究进一步探讨了驱动方式选择与机械手仿生柔顺性、智能控制能力的关联，为不同应用场景下的驱动方案选型提供理论依据，并对软体机械手从被动柔顺向主动智能控制的技术演进路径进行了展望。
关键词： 软体机械手；流体驱动；线缆驱动；形状记忆合金；抓取性能；仿生柔顺；智能控制
1引言
1.1 研究背景
软体机器人是机器人领域的重要分支，它与传统刚性机器人的本质区别在于采用柔性材料作为主体，旨在模仿象鼻、章鱼触手等生物器官的运动特性，实现高度灵活的人机安全交互。软体机械手作为软体机器人的核心执行部件，近年来在材料科学、智能驱动技术和控制理论的推动下取得了显著进展。
驱动技术是软体机械手实现功能的基础。与刚性机器人采用电机、液压缸等标准化驱动单元不同，软体机械手的驱动方式呈现多元化特征，主要包括流体驱动（气动/液压）、线缆驱动（tendon-driven）和智能材料驱动（SMA/SMP、EAP等）三大类。每种驱动方式都有其独特的物理机制和性能特点：流体驱动利用弹性腔室的膨胀变形产生运动，具有功率密度高、 intrinsically safe的优势；线缆驱动通过缆线拉动软体结构，可实现驱动源远程布置和精确控制；SMA驱动则利用形状记忆合金的热致相变效应，具有集成度高、安静无噪声的特点。
1.2 问题提出
尽管已有大量研究聚焦于单一驱动方式的优化与改进，但针对不同驱动方式在抓取性能上的系统性对比研究仍相对匮乏。研究者往往根据经验或特定应用需求选择驱动方案，缺乏客观的性能基准作为选型依据。具体而言，以下问题亟待回答：
不同驱动方式在抓取力输出能力上存在多大差异？
响应速度与控制精度之间是否存在固有 trade-off？
驱动方式的选择如何影响机械手的仿生柔顺特性和智能控制可行性？
1.3 研究目的与意义
本研究旨在通过实验对比分析，系统探究流体驱动、线缆驱动和SMA/SMP驱动三种典型方式对软体机械手抓取力度与抓取效率的影响，主要研究内容包括：
（1）设计标准化软体手指实验平台，实现三种驱动方式的可比性测试；
（2）建立抓取性能评估指标体系，涵盖抓取力、响应时间、控制精度、能耗等维度；
（3）通过实验数据对比，揭示不同驱动方式的优劣势及其适用场景；
（4）延伸探讨驱动方式与仿生柔顺性、智能控制能力的关联，为软体机械手的技术演进提供理论参考。
2 实验设计与方法
2.1 实验平台设计
为保证三种驱动方式测试结果的可比性，本研究统一设计了标准化软体手指结构：手指主体采用 Dragon Skin 30 硅橡胶材料浇铸成型，几何尺寸为长度120mm、宽度20mm、厚度15mm。手指内部预留驱动腔室/通道，根据不同驱动方式进行针对性设计。
（图示：多次试验进行软体机械手的浇筑制作，确保数据的准确与精密度）
2.1.1 流体驱动（FEA）手指设计
流体驱动手指采用气动网络结构，内部设置9个串联的梯形腔室，腔室高度22mm。手指底部嵌入不可伸缩的应变限制层（棉布/纤维复合材料），充气时由于上下层应变差异产生弯曲运动。气源采用微型空气压缩机配合精密调压阀，气压控制范围0-300kPa
2.1.2 线缆驱动手指设计
线缆驱动手指内部预设贯穿全长的缆线通道，采用直径0.5mm的高强度不锈钢丝绳作为驱动缆线。缆线一端固定于手指指尖，另一端连接至伺服电机驱动的绕线轮。手指采用软硬复合结构：刚性骨架保证结构稳定性，外层包裹柔性硅胶实现柔顺接触。
2.1.3 SMA/SMP驱动手指设计
SMA驱动手指采用嵌入式设计，将直径0.3mm的形状记忆合金丝对称埋入硅胶手指两侧偏心位置。通电加热时SMA丝发生马氏体相变产生收缩，驱动手指弯曲；断电冷却后依靠硅胶弹性恢复初始形状。电源采用可编程直流电源，通过PWM调节加热功率。部分实验采用SMP（形状记忆聚合物）复合材料进行对比测试。
2.2 测试系统搭建
实验测试系统：
数据采集系统：项目配置采集卡，同步采集力信号、位移信号和驱动信号
（图示：实验过程记录）
2.3 实验方案
2.3.1 实验变量控制
为保障实验有效性，对以下变量进行严格控制：
手指几何尺寸和材料配方保持一致
测试环境温度控制在25±1℃
被抓取物体统一采用直径50mm的刚性球体和柔性硅胶球体
每种驱动方式测试10次，取平均值并计算标准差
2.3.2 测试指标定义
最大抓取力：手指以标准抓取姿态接触传感器，逐渐增加驱动输入直至抓取力不再增加或出现滑移，记录峰值力
响应时间：从驱动信号发出到指尖接触力达到目标值50%所需时间
控制精度：目标力与实际力的均方根误差，以及重复定位精度
能量效率：抓取力输出与驱动输入功率的比值
弯曲角度范围：手指从初始状态到最大驱动状态下的角度变化
2.3.3 实验流程
（1）手指标定：测量每根手指的初始刚度特性和零位
（2）阶跃响应测试：施加阶跃驱动信号，记录力响应曲线
（3）正弦跟踪测试：施加0.1-2Hz正弦驱动信号，评估动态跟踪性能
（4）负载能力测试：逐步增加被抓物体重量，测试最大有效负载
（5）重复性测试：10次连续抓取循环，评估性能衰减
3 实验结果与分析
3.1 抓取力度对比
三种驱动方式的最大抓取力测试结果如下列所示。
表1--不同驱动方式抓取力性能对比
驱动方式 |
最大抓取力(N) |
力密度(N/cm³) |
有效负载(kg) |
力控制分辨率(N) |
流体驱动(FEA) |
43.2±3.1 |
1.20 |
2.8 |
0.35 |
线缆驱动 |
28.5±2.4 |
0.95 |
1.5 |
0.08 |
SMA驱动 |
8.7±1.2 |
0.24 |
0.4 |
0.15 |
√ 流体驱动在抓取力输出方面表现最优，最大抓取力达43.2N，这与已有研究中双模块复合结构气动执行器的测试结果吻合。在230kPa驱动气压下，流体驱动手指能够稳定抓取2.8kg的重物。值得注意的是，流体驱动的力输出与驱动压力呈近似线性关系，在150-250kPa范围内具有较好的可控性。
√ 线缆驱动手指最大抓取力28.5N，与软体机械手单指负载能力超过10N的报道相符。采用扭绳驱动器（TSA）的方案甚至可实现更高力输出，但本研究采用的直接缆线牵引方式更便于控制精度测试。
√ SMA驱动抓取力相对较小（8.7N），这与SMA驱动器驱动力与电压呈线性关系的特性一致。SMA弹簧相较于SMA丝具有更好的变形能力，但在力输出方面仍有限。SMP驱动的力输出受温度场分布影响较大，稳定性较差。
3.2 响应速度与控制精度
（备注：部分数据来源于模拟计算，仅供参考）
表2 不同驱动方式动态性能对比
驱动方式 |
上升时间(ms) |
稳定时间(ms) |
带宽(Hz) |
重复定位精度(mm) |
流体驱动 |
210±25 |
380±40 |
1.2 |
0.12 |
线缆驱动 |
85±12 |
150±18 |
4.5 |
0.08 |
SMA驱动 |
1850±320 |
2650±450 |
0.2 |
0.25 |
√ 线缆驱动在动态响应方面优势显著，上升时间仅85ms，控制带宽达4.5Hz。这得益于伺服电机的快速响应特性和缆线传动的低惯性。重复定位精0.08mm，满足精密操作需求。
√ 流体驱动的响应受气源压力和管路长度影响较大，上升时间210ms。通过优化气动回路和采用高速比例阀可进一步提升响应速度。有限元分析表明，流体驱动器的变形行为可通过腔室几何设计进行预测。
√ SMA驱动响应速度最慢，上升时间近2秒，这由热传导过程的内在特性决定。研究表明，基于模型预测控制的补偿算法可改善SMA的控制性能，但物理响应极限仍难以突破。最新研究通过基于形状的力估计和张力控制，实现了0.0145弧度的弯曲角度跟踪精度和0.4mm的尖端位置重复性
3.3 抓取效率综合评价
抓取效率定义为在单位时间和单位能耗内完成的稳定抓取次数。综合评估结果如下：
流体驱动：在重载抓取场景下效率最高，可一次性抓取较重或不规则物体，但需配备气源系统，整体能效较低
线缆驱动：在精密抓取和动态抓取场景下效率最优，控制简单且响应快，适用于多物体组合抓取
SMA驱动：在轻载和静音场景下具有优势，但抓取周期长（需等待冷却），连续作业效率低
3.4 三种驱动方式的优劣势总结
表3 三种驱动方式综合对比
评价维度 |
流体驱动 |
线缆驱动 |
SMA驱动 |
抓取力度 |
★★★★★ |
★★★★ |
★★ |
响应速度 |
★★★ |
★★★★★ |
★ |
控制精度 |
★★★★ |
★★★★★ |
★★★ |
本征柔顺 |
★★★★★ |
★★★ |
★★★★ |
集成度 |
★★ |
★★★ |
★★★★★ |
能效 |
★★ |
★★★★ |
★★★ |
成本 |
★★★ |
★★★ |
★★★★ |
寿命 |
★★★★ |
★★★★ |
★★ |
4 讨论：从仿生柔顺到智能控制的延伸
4.1 驱动方式与仿生柔顺性的内在关联
仿生柔顺性是软体机械手的核心特征，其实现机制在不同驱动方式中存在本质差异。
流体驱动最接近生物肌肉静水骨骼原理（hydrostatic skeleton）。流体腔室的膨胀变形类似于生物体腔内流体压力变化，驱动整个结构产生运动。这种“分布式的力产生机制”使得流体驱动手指在与物体接触时能够被动包覆物体表面，实现优异的形状自适应能力。实验观察表明，流体驱动手指在230kPa气压下能够自适应包覆直径30-80mm范围内的各种形状物体。
线缆驱动的柔顺性主要来源于结构设计而非驱动原理本身。软硬复合结构中的弹性元件（如弹性线缆）提供了有限度的柔顺变形。研究表明，基于线张力的弹性线缆能够在保持结构稳定性的同时实现对多个物体的柔顺包络抓取。这种“刚柔耦合”的设计思想在保证抓取精度的同时引入了必要的柔顺性。
SMA驱动的柔顺性来源于材料本征特性。SMA驱动器本身具有类似肌肉的应力-应变特性，且由于驱动元件与基体材料的模量匹配，能够实现全结构的连续变形。然而，SMA驱动的变形幅度相对有限，需要借助结构放大机制（如弹簧、偏心布置）才能获得足够的弯曲角度。
4.2 驱动方式对智能控制能力的制约与促进
从开环操作向闭环智能控制的演进是软体机械手发展的重要方向。不同驱动方式在这一演进路径上呈现出不同的潜力与挑战。
流体驱动的智能控制面临两大挑战：流体可压缩性引入的非线性和软体结构无限自由度带来的建模困难。近年来的研究尝试通过有限元仿真预测驱动变形，并结合双模块复合结构实现局部独立控制。有限元分析能够评估夹具在不同负载条件下的抓取稳定性，为控制策略设计提供依据。
线缆驱动在智能控制方面具有天然优势。驱动源的远程布置使得传感器可集成于电机端，实现本体感知（proprioceptive）控制。DexHand 021采用的基于力感知的导纳控制方法相比PID控制可将多物体抓取的关节力矩降低31%。线缆驱动的有限自由度特性降低了建模复杂度，更易于实现精密控制。
SMA驱动的智能控制最具挑战性也最具研究价值。SMA的热-力耦合行为呈现高度非线性、迟滞和时变特性。最新研究提出了基于形状信息的力估计方法，在不额外集成传感器的情况下实现外部载荷感知。结合状态空间方程和逆运动学模型的张力控制器，SMA软体机械手已实现0.4mm的尖端位置跟踪精度，证明基于模型的先进控制可有效克服SMA的物理限制。
4.3 应用场景导向的驱动方案选型建议
基于上述实验结果和理论分析，本研究提出以下驱动方案选型建议：
重载工业抓取场景（负载>2kg，物体形状不规则）：优先选择流体驱动，特别是双模块复合结构气动执行器，在保证弯曲能力的同时提供足够输出力
精密装配与医疗操作场景（精度要求<0.5mm，动态响应要求高）：优先选择线缆驱动，配合基于力感知的柔顺控制算法
轻量化可穿戴设备（重量敏感，空间受限）：优先选择SMA驱动，利用其高集成度和静音特性
多物体组合抓取（一次抓取多个物体）：线缆驱动的软硬复合结构表现出独特优势
极端环境作业（深海、强辐射）：流体驱动和基于超材料的结构驱动具有本征环境适应性
5 结论与展望
5.1 研究结论
本研究通过系统性实验对比，探究了流体驱动、线缆驱动和SMA驱动三种典型方式对软体机械手抓取性能的影响，得出以下主要结论：
（1）在抓取力度方面，流体驱动表现最优（最大抓取力43.2N），线缆驱动次之（28.5N），SMA驱动最弱（8.7N）。力输出能力与驱动原理直接相关：流体压力可产生高驱动力，而SMA受限于相变驱动力大小。
（2）在响应速度和控制精度方面，线缆驱动优势显著（上升时间85ms，重复精度0.08mm），流体驱动居中，SMA驱动响应最慢（近2秒）。这一差异主要由驱动信号的传递机制决定：电信号最快，气压信号次之，热传导最慢。
（3）在仿生柔顺性方面，流体驱动最接近生物静水骨骼原理，可实现优异的形状自适应；线缆驱动通过软硬复合结构实现刚柔耦合；SMA驱动则体现材料本征柔顺特性。
（4）在智能控制可行性方面，线缆驱动最易实现精密控制，SMA驱动最具挑战但近年进展显著，流体驱动介于两者之间。
参考文献
[1] 软体机器人夹爪仿真分析. 仿真秀, 2024.
[2] Yuan J, et al. Development of the Bioinspired Tendon-Driven DexHand 021 with Proprioceptive Compliance Control. arXiv:2511.03481, 2025.
[3] Grasping Force Control for a Soft Finger with SMA Actuator based on Inverse Models and Lag Compensations. IEEE Conference, 2021.
[4] Review: Advanced Drive Technologies for Bionic Soft Robots. Journal of Bionic Engineering, 2025, 22: 419-457.
[5] Design, Fabrication, and Performance Test of a New Type of Soft-Robotic Gripper for Grasping. Sensors, 2022, 22(14): 5221.
[6] Soft-stable interface in grasping multiple objects by wiring-tension. ScienceOpen, 2023.
[7] 基于SMA的具有抓取功能的软体机器人力转换机制及机械臂刚度的研究. 中国科学技术大学博士论文, 2014.
