18、SCRMA：水下蛇形机器人的快速运动适应算法

SCRMA：水下蛇形机器人的快速运动适应算法

1 引言

随着社会和工业的发展，人类对海洋资源的开发需求日益增长。目前，水下作业主要有手动和机器人作业两种方式。水下蛇形机器人具有成本低、事故率低且不受复杂水下环境影响等优点。在水下机器人中，蛇形机器人的运动步态多样，能够灵活地穿越复杂的水下环境，非常适合在操作空间小、障碍物分布密集或水流条件复杂的环境中工作。

蛇形机器人的步态生成方法主要有三种：
- 基于曲线的方法 ：如Hirose通过蛇形机器人实现多种步态，Ma提出了蛇形曲线。这种方法不需要精确的机械模型，但内部参数与机器人运动之间的因果关系只能进行定性分析，且对环境的学习能力较弱。
- 基于动态模型的方法 ：其模型参数的物理意义明显，但对于复杂的高自由度水下蛇形机器人，很难建立精确的模型并生成步态。
- 基于CPG的方法 ：通过模仿脊椎动物的神经系统构建，能够生成不同的步态模式。例如Ouyang将控制分为三部分，除了CPG，还使用了类似小脑的小脑模型关节控制器（CMAC）进行快速学习和适应环境扰动，以及比例 - 微分控制器（PD）实现更快的收敛。这种方法允许在线更新参数，计算成本低且速度快，但模型参数调整复杂，且没有实际的物理意义。

然而，由于水下蛇形机器人结构复杂，以及目前在流体动力学方面的知识不足，对其进行建模以及对复杂水下情况（如洋流）的建模仍然是一个难题。因此，现有的方法在估计未知干扰方面不够准确，蛇形机器人运动控制的准确性和速度还有很大的提升空间。

近年来，随着人工智能的快速发展，强化学习越来越受欢迎，许多