تشهد مجالات الروبوتات الناعمة (Soft Robots) اهتمامًا متزايدًا في التطبيقات المختلفة مثل التدخل الطبي، التأهيل، وإعادة التأهيل، نظرًا للمرونة العالية والامتثال الفطري الذي تتمتع به. تُعد الروبوتات الناعمة المودولية (Modular Soft Robots) من الفئات الناشئة من أنظمة الروبوتات، حيث تتألف من عدة أجزاء متصلة، مما يمكّنها من أداء مهام معقدة بطرق ديناميكية.

ومع ذلك، تواجه عملية تصميم المتحكمات (Controllers) للروبوتات الناعمة المودولية تحديات كبيرة بسبب الديناميات غير الخطية، وتعقيد النمذجة، ووجود كثرة مفرطة في الأجزاء. غالبًا ما تتطلب طرق التحكم الحالية إعادة تدريب المتحكمات بالكامل في كل مرة يتغير فيها شكل الروبوت.

وللتغلب على هذه التحديات، قدم الباحثون إطار عمل مستوحى من التعلم المستمر قادر على التكيف بشكل تدريجي مع التغيرات في شكل الروبوت مع الحفاظ على المعرفة السابقة. يتيح هذا الإطار للمتحكم تعلم تكوينات جديدة للروبوتات المودولية بشكل متسلسل دون نسيان ما تم تعلمه سابقًا. علاوة على ذلك، يمكن استخدام نفس الإطار في حالة الروبوتات ذات التكوينات الثابتة بطريقة موزعة للتعلم الديناميكيات الخاصة بكل وحدة، مما يعزز السيطرة المحلية والدقة المحسنة.

تمت تجربة الطرح المقترح من خلال تجارب تتبع المسار في بيئة محاكاة باستخدام روبوت ناعم مدفوع بالأوتار، وكذلك على ذراع روبوتية ناعمة هوائية مكونة من ثلاثة وحدات في العالم الحقيقي. تظهر التجارب قدرة الإطار على التكيف من خلال تجربة الوصول، حيث يقوم المتحكم بتفعيل الوحدات الضرورية فقط للوصول إلى هدف افتراضي، مما يقلل من التكاليف الحسابية.