對數螺旋結構在生物附肢中廣泛存在，為連續型機械臂提供了獨特的形態優勢，使其能夠完成觸及、纏繞、抓取等複雜操作。然而，此前報道的對數螺旋機器人雖然具備可擴充套件製造和靈活抓取能力，但缺乏逆運動學和閉環控制。針對這一關鍵問題，來自多所機構的研究團隊開發了首個形態特定的閉環任務空間控制框架，專門用於對數螺旋連續臂。
該框架基於MuJoCo模擬環境構建了分段肌腱驅動模型，採用中心線骨架和等邊肌腱佈線，能夠精確捕捉錐形柔順性和接觸動力學。核心創新在於：從對數螺旋運動學中直接推匯出解析任務空間雅可比矩陣，並引入線上誤差補償機制——透過Broyden割線更新和卡爾曼濾波估計，持續修正由非線性變形、接觸和幾何失配引起的建模誤差。
研究團隊透過一系列平面和空間模擬驗證了框架效能，包括軌跡跟蹤、姿態調節、擾動抑制、三維位置跟蹤以及位置-姿態聯合控制。與傳統的分段常曲率基線相比，該方法在各項指標上均取得更優表現：跟蹤誤差顯著減小，姿態漂移得到有效抑制，且雅可比估計誤差保持有界。此外，控制器還被應用於形態賦能的操縱任務，如藉助障礙物的接觸-纏繞-釋放運動、自適應全臂抓取以及多臂協同操作。
實驗結果證明，將對數螺旋形態與線上雅可比補償相結合，能夠實現對高度欠驅動連續型機械臂的精確、魯棒且可擴充套件的控制。該框架為未來的硬體實現和基於學習的軟體機器人控制建立了物理基礎的基準。論文已發表在arXiv上，程式碼和模擬資料已公開。