15、无肢机器人自适应运动控制的研究与实践

无肢机器人自适应运动控制的研究与实践

在机器人领域，无肢机器人的运动控制是一个极具挑战性和吸引力的课题。本文将深入探讨基于反馈耦合CPG（中央模式发生器）模型的自适应运动控制方法，通过模拟生物神经系统的工作原理，使机器人能够在复杂环境中实现自适应运动。

1. 感官整合对CPG输出的影响

感官反馈在生物的运动控制中起着至关重要的作用。在CPG模型中，感官输入可以改变其输出，从而使机器人能够适应不同的环境。通过叠加正常的CPG输出和生成的感官输入，实现了感官整合。实验表明，在传入刺激消失后，CPG输出能够恢复到正常振荡。

2. 运动优化

在自适应运动中，确定每个情况下的刺激量λ以及感官神经元输出的时间常数（δm和δr）是一个难题。为了解决这个问题，采用了遗传算法（GA）来进化CPG中的相关参数。

• 参数编码 ：使用从标准二进制GA派生的实数GA，将候选解编码为固定长度基因的基因组，每个基因对应一个参数。对于控制模型，每个振荡器有5个参数需要进化，具体参数如下表所示：
  | 参数 | 情况 | 描述 | 范围 |
  | — | — | — | — |
  | λ1 | 1 | 头部侧弯曲刺激 | [-1, 1] |
  | λ2 | 1 | 尾部侧弯曲刺激 | [-1, 1] |
  | λ3 | 2 | “驼峰”姿势刺激 | [-1, 1] |
  | δm | 1或2 | 调制时间常数 | (0, 20] |
  | δr | 3 | 恢复时间常数 | (0, 20] |

• 适应