日前，复旦大学工程与应用技术研究院方虹斌青年研究员团队首次提出中枢模式发生器（Central pattern generator, CPG）启发的仿蠕虫移动机器人多功能控制架构，其在实现多类型步态集成控制的同时，有效提高了机器人的运动效率，强化了机器人的场景适应能力。2023年5月17日，相关研究以“A CPG-based versatile control framework for metameric earthworm-like robotic locomotion”为题发表在国际综合性期刊《先进科学》（Advanced Science），并被遴选为封底文章。
图1 该工作被遴选为Advanced Science 2023年第10卷第14期封底文章
以蚯蚓为代表的无腿动物在狭窄、崎岖的非结构化环境中拥有出色的移动性能，为仿生移动机器人的设计与开发提供了丰富的灵感。传统分节型仿蠕虫移动机器人的运动，通常需要从形态学上模拟蠕虫的后退蠕动波以生成步态；每更换一种运动模式，机器人所有单元的状态都需要全局计算和人为重新指定，缺乏高效性和自主性，无法适应日趋复杂的机器人工作环境和任务。
针对以上问题，方虹斌研究团队将仿生机器人研究从形态学深拓至神经科学，探索仿蠕虫移动机器人的神经启发运动控制方法。CPG是无需高层控制和反馈输入就能产生节律运动行为的生物神经环路，蚯蚓也被证实通过CPG产生节律信号来协调数目巨大的体节的运动。方虹斌研究团队通过模仿蚯蚓腹式神经索上的分布式振荡器，为机器人构建了基于Hopf振荡器的人工CPG网络，实现了神经振荡和机器人节段变形间的映射（图2）。通过调制振荡器网络的集群动力学并模拟生物CPG的神经调节，不仅复现了仿蠕虫机器人传统的时间对称相位协调步态和离散步态，还首创非对称相位协调步态（图3），并通过理论和实验证实了新步态在运动性能上的优越性。除此之外，利用CPG极限环的动态特性，该控制架构还实现了机器人运动步态间的平滑切换，以避免机器人在切换步态、启动刹车时发生单元状态陡变，强化了机器人的场景适应能力，对延长机器人的使用寿命至关重要（图4）。
图2 仿蠕虫移动机器人CPG控制架构基本思路
图3 基于CPG的多功能集成控制架构及其涵盖的多种步态
图4 机器人完成从前进到后退的步态无缝切换
该研究通过神经科学、非线性动力学和机器人学的跨学科交叉，为分节型仿蠕虫移动机器人提供了一个通用、有神经科学依据、多功能集成的控制架构，形成了调制神经振荡器网络时空动力学的新思路，是神经启发控制在仿蠕虫移动机器人多态运动中的成功探索与实践，将有助于提升蠕动机器人的自主性和环境适应性。
复旦大学工研院博士研究生周沁彦为本文第一作者，方虹斌青年研究员为本文通讯作者。相关工作得到了国家重点研发计划“智能机器人”重点专项, 国家自然科学基金重点项目和上海市“科技创新行动计划”启明星等项目的资助。
原文链接：https://onlinelibrary.wiley.com/doi/10.1002/advs.202370088
