從 WoS – RHN 開始：看穿軟體機器人研究生最常踩的三個研究坑

圖片來源：WoS – RHN: Control and modeling of soft robots for dynamic environments – Explorer   https://tinyurl.com/3w3dn5re
以上這張圖，展示了軟體機器人動態環境控制研究中，哪些核心文獻真正撐起了整個研究社群。

如果你是剛踏進 soft robotics 或是 任一新興主題領域 的研究生，很可能在某個夜深人靜、模擬又炸掉的時刻，冒出這個念頭：

「是不是只有我，覺得這個領域每一篇 paper 都很厲害，
但沒有一篇真的教我怎麼活下來？」

放心，這不是你不夠聰明，而是你碰巧走進了一個研究界集體卡關中的新興主題。

以軟體機器人控制這個主題為例，這三個坑，幾乎是不論早晚都會一腳踩入。
差別只在於：你是掉進去一次，還是開始玩傳送門(Portal)了？

坑一：

「我想一次解決 Dynamic Environments」

典型研究生內心 OS：

「既然真實世界是動態的，那我的模型就應該一開始就考慮全部。」

這個念頭本身沒有錯，錯的是 —— 你真的相信你現在解得動它。

在 soft robotics 文獻裡，Dynamic Environments 出現的頻率，大概等同於 RPG 裡的「最終奧義」—— 大家都在用，但每個人心裡想的不是同一招。

有的時候它指的是：

• 外部擾動很多
• 環境不確定
• 接觸條件一直變

更有的時候，其實只是：

• 模型很不準
• 我也不知道接下來會發生什麼
• 所以我不敢假設環境是靜態的

換句話說，Dynamic 很多時候不是一個被嚴格定義的問題，更可能是一種研究焦慮的總稱。

👉 第一個坑就在這裡：你把「研究願景」當成了「研究問題」。

對應的那篇《Soft Robots Modeling: A Structured Overview》，其實早就偷偷告訴你一件殘酷但很重要的事：

👉 軟體機器人的建模，沒有「標準答案」。

不是你沒找到，是真的沒有。

這篇 overview 不是要你放棄模型、直接擺爛，而是在提醒你一個研究界常見、但很少說破的現實：

模型不是用來炫技的，而是用來完成任務的。

換成白話文就是 —— 你不需要每次都端出「物理全餐」，有時候「夠用就好」，反而比較能活到實驗那一關。

坑二：

「只要模型夠準，控制自然會成功」

典型研究生行為：開始瘋狂加參數、換建模方法、FEM 一路開到天亮，然後電腦風扇開始模仿直升機。

這是 soft robotics 的第二個經典幻覺：

「真實 ≈ 可控」。

但很快你就會發現一件殘酷的事：

• 模型越真，算得越慢
• 算得越慢，就越不適合即時控制
• 最後你得到一個「非常準，但永遠來不及反應」的系統，而且燒錢燒時間

👉 第二個坑：把「物理真實性」誤當成唯一價值。

如果說前一篇是在提醒你「模型別選太滿」，那這篇《Model-Based Control of Soft Robots: A Survey》幾乎就是在你肩膀上拍一拍，然後踩下煞車說一句：

「同學，先不要。」

整篇文章其實就在幫你分清楚兩種人生路線：

• 一種是 模擬派：模型要像、要細、要什麼都能解釋
• 另一種是 控制派：模型不用完美，但一定要算得完、跑得動

前者很適合拿來寫模擬圖、做漂亮動畫；後者才是能真的拿來接控制器、接感測器、接現實世界的版本。

所以這篇 survey 的潛台詞其實是：

👉 模型的工作，不是複製世界，而是抓住「真正會影響行為的那幾件事」。

其餘的細節，在控制問題裡，反而是可以被「假裝沒看到」的。

坑三：

「我要做一個完整、通用、什麼都能應付的控制器」

這一坑，通常發生在你已經被前兩坑炸過之後。

你開始想：「那我乾脆做一個比較完整的系統吧？」

於是你同時想要：

• 非線性
• 動態回饋
• 接觸控制
• 真實環境
• 還要能證明穩定性

恭喜你，你已經走到 研究生地獄的隱藏結局。

👉 第三個坑：你跳過了「可被證明的最小版本」。

再回頭看《Model-based Dynamic Feedback Control of a Planar Soft Robot》，你會發現它表面看起來好像「做得不多」，實際上卻非常老練。

他們做了三個非常研究生該學的選擇：

• 不做 3D，只做 平面版（planar）
• 不追求最真，只求 能分析
• 不談通用，只證明 一個真的跑得起來的案例

這不是縮水，更不是偷工減料，而是很清楚地在跟你說：

「我知道整個問題有多大，所以我先把它壓到一個不會把數學炸掉的版本。」

更有趣的是，他們並沒有因為簡化，就把軟體機器人「變硬」。

相反地，他們刻意保留了那種軟綿綿、會順著環境走的自然柔順性，再想辦法讓傳統控制理論「學會怎麼跟它相處」。

這不是退縮，比較像是研究裡的一種高級自制力：

👉 先站穩，再談遠方。

反過來看，這三篇其實在教你同一件事

如果把這三個坑反過來看，其實就是一條很清楚的研究路線：

1️⃣ 先界定你要處理的是哪一種「動態」
不是全部，而是其中一小塊。

2️⃣ 模型是為控制服務的，不是為了逼真而存在
能算、能分析、能回饋，比像不像更重要。

3️⃣ 先做出一個「站得住」的版本，再談擴展
研究不是一次性地鎖定最終 Boss。

給研究生的那句話

如果你現在在 soft robotics 或 任何新興主題 的文獻裡載浮載沉，請記得這件事：

真正厲害的研究，從來不是一次解完所有問題，而是知道自己現在該避開哪一個坑。

這三篇文章，不是在告訴你怎麼變強，而是在幫你少被送回新手村幾次。

對研究生來說，這樣就夠了。

【參考文獻】

• Duriez, C., Bieze, T. M., Escande, A., Kheddar, A., & Marchal, D. (2021). Soft robots modeling: A structured overview. IEEE Transactions on Robotics, 37(3), 852–870.
• Thieffry, M., Marchal, D., & Duriez, C. (2022). Model-based control of soft robots: A survey of the state of the art and open challenges. IEEE Robotics & Automation Magazine, 29(3), 90–105.
• Della Santina, C., Katzschmann, R. K., Bicchi, A., & Rus, D. (2020). Model-based dynamic feedback control of a planar soft robot: Trajectory tracking and interaction with the environment. The International Journal of Robotics Research, 39(4), 490–513.

推廣組 柯文仁 / 本文搭配ChatGPT進行寫作輔助。