罗马尼亚贝碧思鲍耶大学大学和法兰克福大学的研究小组最近合作开展了一项研究，探索模拟和现实世界轮式机器人上实施kick control。术语“kick control”指的是短的高阶命令，采取一定的方法控制底层压力。

“当我们移动时，我们的肌肉是否会对大脑发出的信号作出反应？还是会考虑关节，肌腱和肌肉本身的状态？”研究人员之一Claudius Gros表示，“如果是后者这样，我们可称之为身体运动。我们的研究致力于研究化身如何帮助动物和机器人在环境中穿行。”

在自然界中，即使是具有简单神经系统的动物也可以在各种复杂环境中行动。为了在已知和未知环境中移动，机器人应具有类似的感觉运动技能。然而，到目前为止，全世界的科学家和工程师一直在努力设计具有类似于人类和动物的机器能力的机器人。



“在不断变化的环境中协调大量执行器肯定是一项具有挑战性的任务，”参与该研究的另一位研究员BulcsúSándor指出，“那么，为什么我们不让机器人的身体通过接管大部分计算来做艰苦的工作呢？遵循这个想法，我们建议一种替代的控制方案，其中运动模式以自组织的方式产生在这个框架中，运动是通过大脑与机器人的身体和环境之间的动态相互作用而产生的。”

Sándor，Gros等人设计了一个控制器框架，其中的运动不是严格定义的，而是通过一组方程来描述，这些方程用于控制动态变化的执行器，并结合身体的感官信息。然后，他们在LPZRobots仿真环境中测试和改进了这些方程。

“由于机器人与环境的相互作用，可以创造出几种自组织的运动模式，”Sándor说，“这使得我们可以通过明确定义的信号在这些行为基元之间切换。这就是我们所说的kick control。最后，我们在真实世界轮式机器人上实现了这一理念。”

协调身体中许多肌肉的收缩是一项非常具有挑战性的任务，这是大多数人类和动物与生俱来的技能。他们试图设计一种更简单的方法，将这种技能灌输给机器人。

 

Gros表示，“如果大脑只给出一个短的踢动信号并且动物或机器人的身体本身会进行协调良好的运动，那会不会更简单？这是kick control背后的关键理念。正如我们发现的，当机器人处理自组织执行器时，可以实现这一点。”

研究人员在模拟和现实轮式机器人上评估了他们的框架，通过局部反馈回路独立地生成不同不同轮式机器人的动力学。这些反馈回路由速率编码神经元介导，该神经元处理描述每个轮的实际旋转角度的感知输入。随后，类似于蒸汽机车中使用的模拟传动杆将神经活动的变化转换为旋转运动。

“我们展示了如何使用自组织的运动模式来产生身体运动的，”Sándor说，“使用这种控制方案可能有助于简化为完成各种运动任务而需要进行的复杂计算。将其与其他方法结合起来可能会产生强大的工具来产生复杂的机器人行为。我们的框架也有助于其理解动物和人类运动。”

这项研究可能会带来一种有效控制机器人运动的新技术。该框架的关键实用优势在于，它将部分计算负荷分配给机器人的身体。模型还可以用于在高中物理课程中教授动态系统，因为它允许交互式的演示。

研究人员现在计划在更复杂的机器人架构上测试他们的算法，将不同的感官模态结合到他们的方程中。例如，他们可以将kick control应用于控制器的分层组织，其中视觉信息触发特定的运动模式。

Gros表示，“我们目前正在努力将我们的原则推广到足式机器人，特别是六足机器人，我们的第一批成果很有希望，我们还在研究通过感官信息激活kick control。”

论文：
arxiv.org/abs/1806.09321