从软体动物和柔软器官获得灵感的仿生软体机器人已经获得了研究者的大量关注。与刚体机器人相比,软体机器人由于使用柔软、具有弹性的材料制作,拥有了更好的变形能力、环境适应能力和交互安全性,能够非常灵活地运动和操作,非常适合在一些动态的、不确定的和非结构化的环境中应用,例如医疗手术、灾难救援、军事侦察和科学探索。受到章鱼和象鼻启发,本文研究的软体机器人是用硅胶制成的,参考肌肉收缩方式,机器人内部嵌入四根拉线,拉线与在末端的圆环相连,通过舵机改变拉线长度使得末端受力,从而使软体机器人变形,同时,还在软体机器人末端嵌入了一个相机和一个距离传感器。如何利用软体机器人的变形能力完成特定的任务(例如心脏消融手术)是具有挑战性的工作。在软体机器人行进过程中,为了能够控制机器人来躲避环境中的障碍物,本文提出了一种软体机器人三维形状控制算法。通过假设软体机器人中心线具有常曲率和挠率,定义了机器人的三维形状参数,即曲率、挠率和偏转角。利用圆柱螺旋线方程来描述机器人形状,获得了驱动拉线长度和形状参数之间的函数关系,并推导获得了能表示拉线长度变化速率和形状参数变化速率之间关系的雅可比矩阵。根据该雅可比矩阵设计了形状控制算法,并进行了形状控制实验。实验结果证明了该三维形状控制算法的有效性。在软体机器人末端到达目标位置之后,为了能够控制机器人的变形来跟踪环境中的运动物体(运动的心脏),本文提出了一种带有运动补偿的迭代学习控制算法,能够利用软体机器人的变形能力,使得机器人末端始终朝向心脏表面目标点,同时,还能保持目标点在相机坐标系下的深度为一个固定值。通过末端的相机和距离传感器获得的信息,结合软体机器人模型,计算出了心脏表面目标点在软体机器人基座坐标系下的实时三维位置,即得到了心脏运动信息。然后,使用了一个加权线性频域组合器对心脏运动进行了建模,使用扩展卡尔曼滤波的方法对模型参数进行更新。通过获得的心脏运动模型,计算出当前的运动补偿量。同时,利用峰值检测的方法,获得了心脏运动的周期,并实时修改迭代学习控制器的迭代周期。将迭代学习控制器的输出和运动补偿量之和,作为控制器的最终输出来控制软体机器人拉线长度。实验表明了该心脏运动跟踪算法的有效性。