基于地形依赖贝叶斯优化的中央模式发生器控制在两栖鳍状肢运动中的增强研究

《Advanced Robotics Research》:Enhancing Amphibious Flipper-Based Locomotion Through Terrain-Dependent Bayesian Optimization of Central Pattern Generator Control

【字体: 大 中 小 】 时间:2026年10月22日 来源:Advanced Robotics Research

编辑推荐:

  海龟利用鳍状肢在水生和陆地环境中运动,尽管这两种环境的力学需求存在显著差异。这种多模态能力启发了能够利用鳍状肢推进在异质地形中作业的两栖机器人,但步态性能强烈依赖于环境条件。在此,研究人员利用由Hopf中央模式发生器(H-CPG)控制的海龟仿生机器人,研究地形

  
海龟利用鳍状肢在水生和陆地环境中运动,尽管这两种环境的力学需求存在显著差异。这种多模态能力启发了能够利用鳍状肢推进在异质地形中作业的两栖机器人,但步态性能强烈依赖于环境条件。在此,研究人员利用由Hopf中央模式发生器(H-CPG)控制的海龟仿生机器人,研究地形依赖的鳍状肢运动。该控制器对前鳍、后鳍和髋关节的步态时序、振荡器振幅、耦合及划水幅度进行参数化。首先,研究人员开展基于仿真的敏感性分析,以确定CPG参数在多种环境中如何影响前进速度和运输成本,并比较对角协调与同步协调两种模式。随后,采用多目标贝叶斯优化(MOBO)识别地形和步态特异的控制器,以平衡速度与能量消耗。优化后的控制器通过仿真引导、硬件校准的工作流程迁移至实体平台,并在刚性、沙地、岩石、坡面和水生测试环境中进行评估。硬件实验表明,在陆地、颗粒介质、岩石和坡面地形中,对角协调改善了前进推进和电力运输成本,而同步协调在水中表现更优。这些结果表明,有效的两栖运动需要地形依赖的步态选择与参数调优,而非单一的固定协调模式,为在异质环境中运行的仿生两栖机器人提供了设计洞见。

论文解读

一、研究背景与意义

海龟是研究两栖鳍状肢运动的理想生物模型,其前鳍既用于水生推进,又在其关键生命阶段与陆地基质相互作用。成年海龟主要生活于水中,但在筑巢期间需穿越海滩,幼龟孵化后也需从巢穴爬向海洋。这种水陆转换使同一鳍状肢形态暴露于根本不同的相互作用力学环境中:陆地推进高度依赖基质接触与滑移,而水生推进则由流体介导的推力和随之产生的身体运动所支配。因此,一种在某一环境中表现良好的步态在另一环境中可能效率低下甚至无效。
中央模式发生器(CPG)为生成节律性运动指令提供了紧凑框架。在动物中,CPG是即使缺乏节律性感觉输入也能产生节律运动模式的神经回路,其活动可通过感觉反馈和下行指令进行调节,以适应不同运动情境下的频率、占空比、振幅和协调方式。这一生物学原理推动了基于低维振荡器模型的机器人控制器发展,包括Hopf、Matsuoka、Rayleigh、van der Pol和Kuramoto型振荡器等。当这些振荡器以耦合网络形式组织时,能够产生稳定的极限环行为并编码肢体间相位关系,从而在四足机器人、两栖机器人和蛇形机器人等系统中实现节律控制。
然而,将CPG控制应用于两栖鳍状肢运动面临与传统足式系统不同的挑战。在足式机器人中,触地和离地提供了明确的接触转换,可用于识别支撑相和摆动相并与步态周期同步反馈。而鳍状肢驱动的运动并不总是表现出同样明确的转换:在陆地上,鳍状肢可能在划水的大部分时间内与基质保持接触并发生滑移或变形;在游泳时,鳍状肢则与周围流体持续相互作用。因此,步态时序和参数选择不能仅依赖清晰分离的接触事件,CPG参数的效果会随周围介质发生显著变化。
既往CPG机器人研究通过引入感觉反馈和优化方法应对变化的运动条件,但步态性能与机器人及其环境相互作用的力学特性密切相关。研究人员此前引入了一款海龟幼体仿生鳍状肢机器人,并证明陆地运动受鳍状肢力学特性和协调策略的强烈影响。本研究在此基础上,将平台扩展至两栖和异质地形运动,探索能够随各地形力学需求调整协调模式和参数范围的控制框架,同时明确考虑前进速度与能量消耗之间的权衡。

二、主要技术方法

研究人员采用仿真引导、硬件验证的研究流程。首先在Webots仿真环境中构建刚性、沙地、岩石、水体和倾斜地形模型,通过拉丁超立方采样(LHS)对七维CPG参数空间进行150次采样,计算各参数与前进速度和机械运输成本(CoT)之间的Pearson R2一阶敏感性系数,据此缩减优化搜索空间。随后采用基于高斯过程(GP)代理模型的多目标贝叶斯优化(MOBO),以qLogNEHVI采集函数进行超体积改进最大化,识别各地形-步态条件下的Pareto最优控制器。最后将代表性控制器迁移至物理机器人,通过硬件振幅缩放因子校准后,在刚性地面、沙地、岩石、10°上下坡和水池中开展实验验证,每种条件重复三次,并采用双因素方差分析(ANOVA)检验地形与步态的交互效应。

三、研究结果

参数敏感性分析结果
敏感性分析揭示了四个一致的规律。第一,耦合强度在所有16种地形-步态条件下对前进速度和CoT的R2均低于0.06,中位R2仅为0.004,表明在扫描范围内耦合强度的变化在振荡器稳定锁定后不显著改变推进或能量消耗,因此该参数在所有后续优化中被固定。第二,前鳍前后划水振幅增益A_fore在14/16条件下返回最高的CoT R2,峰值达0.54,但该参数在平坦地形和所有游泳条件下对前进速度变化几乎没有贡献(R2≤0.03),表明同一参数对能量消耗的预测力与对推进的贡献基本正交,这与红海龟前肢划水振幅调节推力大小而非单纯循环频率的生物力学特征一致。第三,在平坦和下坡地形上,支撑相频率ω_st是速度的主要预测因子,而在上坡条件下,主导速度参数转变为摆动相频率ω_sw,这一反转反映了辅助运动与阻力运动之间的根本力学差异:下坡时重力加速度辅助推进阶段,循环速率驱动速度;上坡时限制因素是恢复阶段,其持续时间直接决定肢体能否及时重新定位以进行下一次动力划水。第四,极限环振幅参数μ在平坦、游泳和沙地条件下R2低于0.05,其效应被振幅增益参数吸收,但在岩石和倾斜地形上升至临界相关水平,与μ在设置振荡器收敛速率方面的次要作用一致。
多目标贝叶斯优化结果
MOBO在16种地形-步态条件下均满足收敛准则。下坡条件产生了最高的前进速度包络,同步步态在20°下坡达到代表性解中的最大速度,且CoT相对较低,这与重力辅助前进一致。上坡条件则相反,陡坡将最大速度较平坦地形削减50%–65%,并急剧提高CoT,其中20°上坡同步步态的膝点解CoT达6.23。岩石地形在两项指标上均为最困难条件:最大速度低于0.03 m/s,两种步态的CoT均超过3.0。
仿真预测的步态偏好呈现明确的地形依赖性:对角协调在刚性基质、沙地、上坡和岩石地形上受到青睐,而同步协调在水中和下坡地形上更有效。在刚性地面和沙地上,从同步到对角膝点解的向量位移主要向右,表明对角协调在维持相当或改善能量消耗的同时提高了前进速度。在倾斜地形上,位移向更低CoT方向旋转,表明对角协调在某些坡度条件下对能量归一化推进的改善强于对原始速度的改善。水中呈现相反趋势:同步协调在两项目标上均占Pareto优势,表明当推进由流体推力而非基质锚定介导时,协调的双边鳍状肢运动更有效。
硬件验证结果
硬件实验验证了仿真引导的步态偏好趋势。在刚性基质上,对角步态平均前进速度达1.92±0.12 cm/s,高于同步步态的1.54±0.06 cm/s,同时将电力CoT从28.95±0.29降至23.95±4.58。在沙地上,两种步态的差异更为显著:对角步态达0.78±0.14 cm/s,同步步态仅0.23±0.01 cm/s,对应CoT分别为15.52±2.63和40.20±7.26。同步步态在沙地上虽然横向RMS偏差较低,但其极小前进位移表明这种表观直线性与有效运动无关。在岩石地形上,对角步态前进速度为1.35±0.21 cm/s,优于同步步态的0.72±0.05 cm/s,CoT也较低,但横向RMS偏差更大(5.25±1.28 cm对1.71±0.96 cm),表明对角协调在提高速度和能量归一化推进的同时牺牲了路径直线性。
坡面实验进一步分离了两种步态。在10°下坡上,对角步态达2.34±0.12 cm/s,同步步态为1.87±0.12 cm/s,CoT分别为17.71±4.56和25.16±3.13。在10°上坡上,差异最为显著:对角步态维持1.55±0.24 cm/s的前进速度,而同步步态仅产生0.07±0.02 cm/s,导致同步上坡CoT飙升至88.21±5.96,而对角步态仅为18.50±1.65。这表明上坡运动受有效牵引和恢复时序限制,而非单纯电力不足。
水中是唯一同步协调优于对角协调的硬件环境。同步步态达2.18±0.37 cm/s,对角步态为1.59±0.20 cm/s,CoT分别为25.68±4.04和40.68±7.30。这一反转在力学上一致:陆地依赖交替基质接触维持牵引与恢复时序,而水中推进依赖产生流体推力并限制偏航不对称性,协调的双边鳍状肢运动能产生更平衡的前向推力。双因素方差分析显示,地形与步态的交互效应对前进速度(p=6.5×10??)、电力CoT(p=1.7×10?13)、能量消耗(p=1.3×10?12)和平均电力功率(p=1.1×10??)均显著,表明步态效应强烈依赖于运动环境。

四、结论与展望

本研究通过仿真引导和硬件验证的框架,证明海龟仿生两栖机器人的有效运动需要地形依赖的步态选择与参数调优,而非单一固定协调模式。对角协调在陆地、颗粒介质、岩石和坡面地形上更有效,因其支持交替基质接触与恢复;同步协调在水中更有效,因双边鳍状肢运动改善了流体介导推进。研究仍存在若干局限:当前控制和验证主要依赖开环CPG控制,尚不能在线适应基质、滑移、鳍状肢载荷或身体姿态的变化;硬件验证使用代表性控制器而非完整Pareto集;坡面测试聚焦10°上下坡,20°陡坡有待进一步机械和控制器调优后的鲁棒性测试;仿真模型未完全捕捉电力损耗、舵机行为、柔性鳍状肢变形、颗粒基质动力学和流体-结构相互作用。
未来工作将聚焦四个方向:扩展硬件实验以覆盖速度优先和效率优先的Pareto控制器及更多坡度条件;将机载传感(摄像头、惯性测量、水接触传感、电力测量)纳入运动回路;开发基于地形识别的步态选择框架,利用机载摄像头训练轻量级地形分类器并在Raspberry Pi上实时部署;采用强化学习或其他策略搜索方法重新设计CPG控制器,将相位关系、支撑-摆动时序、恢复持续时间和关节映射函数作为可学习策略组件,使机器人能够学习更丰富的鳍状肢行为。总体而言,这项工作表明形态、步态协调和环境交互必须综合考虑,为能够在复杂异质环境中自主选择和优化运动策略的地形自适应两栖机器人奠定了基础。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号