针对这些痛点，来自 中山大学计算机学院谭宁老师团队 了一套创新解决方案 ： 将神经常微分方程（ NODE）的数据高效建模能力与预设时间同步稳定归零神经动力学（PTSS-ZND）模型的可靠控制特性相结 合，构建出兼具高效性与稳定性的新型控制系统。 这一成果已被国际顶级期刊《 IEEE Transactions on Robotics》录用，为连续体机器人技术的突破奠定了基础。 在仿生机器人的前沿探索中，连续体机器人已成为一个备受瞩目的新兴领域，代表着当前技术创新的一个重要 前沿方向。 连续体机器人的设计灵感源自自然界中的软体生物，如象鼻、章鱼触手和蛇类。与传统由刚性连杆和明确关节 组成的机器人不同，连续体机器人全身柔软可弯曲，能在三维空间中连续变形。这种特性赋予了它们无与伦比 的灵活性：可以挤过比自身直径更窄的空间，能安全地与脆弱物体或人类互动，且易于微型化。 但这份 "柔性优势" 背后，是巨大的技术挑战。传统机器人的运动规律可以通过刚体力学精确描述，而连续体 机器人的形变过程涉及复杂的力学耦合，如同用数学公式描述水流的任意形态，难度极大。 早期，工程师们采用 "分段常曲率假设" 建模，将机器人近似为一系列弯曲 ...