中國青年科學家潛心研究六年蟑螂步態，開發出全新多足機器人步態以及運動模型

此文特別感謝約翰霍普金斯大學工程學院機械工程學助理教授黎陳所給予的支持。

你了解蟑螂嗎？普通人會說這是一種害蟲，繁殖很快，而且會傳播細菌；昆蟲學家會說蟑螂屬於節肢動物門，昆蟲綱，蜚蠊目（Blattaria）體扁平，黑褐色；而畢業於北京大學，目前是約翰霍普金斯大學工程學院機械工程學助理教授的黎陳則會說，機器人通過模仿蟑螂的運動軌跡，可以得到更強的機動性。

就在今年 2 月，黎陳在《Bioinspiration & Biomimetics》期刊上連續發表了兩篇論文，題目分別為《昆蟲與多足機器人在顛簸地形中、身體與地面間的交互》（Body-terrain interaction affects large bump traversal of insects and legged robots）和《昆蟲與多足機器人在跨越巨型間隙時的動力模型》（Dynamic traversal of large gaps by insects and legged robots reveals a template）。

在第一篇論文中，黎陳指出，昆蟲與多足機器人在穿越複雜地形時，面對大型障礙物時，他們必須要快速穿越。但是在這個過程中，昆蟲和多足機器人的身體都會和障礙物發生接觸。以現有的科學成果來看，科學家對於這個過程的描述是和理解都是欠缺的，比如機器人需要達到什麼樣的性能才能穿越特定高度的障礙物等等。

為了解決這個問題， 黎陳和博士後研究者 Sean W. Gart 展開了研究。他們選擇觀察的對象是蟑螂，因為蟑螂在快速奔跑的過程中，可以穿過高於其尾部四倍的障礙物，遠遠超過了現有多足機器人所能達到的水平。

起初，研究團隊認為，玄機可能在蟑螂腿上的刺。然而，足跗節的刺實際上是一種感知器官，類似於人類的眼睛、鼻子和嘴。這些刺有感受嗅覺功能，用來尋找食物和發現配偶，同時還有感受聲音、振動的功能，以避開敵害。

既然不是這些刺，那答案究竟會是什麼呢？於是黎陳和 Sean 準備了一個密封的透明箱子，箱子裡面有兩條「賽道」，分別是顛簸賽道和巨型間隙賽道，箱子外面則是高速攝影機。這兩條賽道分別用來模仿蟑螂平時的生活環境，以更好的觀察這些昆蟲的習性。

圖丨波士頓動力所掌握的步態技術與主流截然不同

後來，他們發現，蟑螂的步態規律和傳統仿蟑螂式六足機器人設計中提到的並不相同。傳統的機器人所採用的步態名為交替三角形步態，即將身體兩側的六條腿分成兩組，以三角形支架結構交替前行。身體左側的前、後足及右側的 中足為一組，右側的前、後足和左側的中足為另一組，分別組成兩個三角形支架。

當一組三角形支架中所有的足同時提起時，另一組三角形支架的三隻足原地不動支撐身體，接著重心前移，並以中足為支點向前移動，同時機體的重心落在另一組三角形支架的三隻足上，然後再重複前一組的動作，以此交替運動使機體前行。

多足機器人的移動需要保證三點：1.滿足機身運動約束；2.保證擺動腿足端能夠落到理想的落足點；3.確保機身具有足夠的穩定裕度。通常，多足機器人為了實現第二點和第三點需要不斷調整機身位姿，這是一個複雜且不穩定的過程，會影響機器人的步態效率，從而降低穿越障礙的成功率。

圖丨昆蟲的三角步態行走

事實上，蟑螂的步態非常特殊，結合了動量景觀模型的測算後，黎陳和 Sean 得出了結論：蟑螂和多足機器人在穿越障礙時，保持低初始偏航角和高初始俯仰角的步態會使得穿越的成功率變高，並且能夠突破更崎嶇的路面以及更高的障礙。因此，他們改進了傳統的交替三角形步態，新步態可以跨越的高度比以往高了75 %。

跨越間隙

在上文中，我們提到，研究團隊為蟑螂準備了兩條賽道。第一條賽道用來觀察蟑螂如何穿越障礙，而第二條賽道則是用來觀察蟑螂如何跨越間隙。

因此，在第二項研究中，黎陳把重點放在了反饋上。蟑螂的反饋本能與反射機能、機器人的反饋主要來自於先前知識和高保真度環境監測。可是，在一些複雜地形中，感測器和線路規劃很可能受到帶寬、噪音等不利條件的干擾，以致於機器故障。

傳統的規劃主要包括兩部分內容：機身工作空間求解和機身位姿調整。現有的機身工作求解主要採用數值解析法，鑒於這種演算法涉及到了大量的逆運動解析，因此效率並不是很高。雖然可以用蒙特卡洛方法來避免逆解產生的問題，然而在非平坦地形時，依然效率不高。機身工作空間則是上述機身移動時所需要保證的三點。

跨越間隙時機器人還需要考慮另外一件事，那就是重心移動路線。機身高度則是該路線中的一個重要參數，隨著機身高度的增加，機器人足端可達區域就會越來越小，也就致使其跨越間隙的距離越來越短。

通過對蟑螂進行觀察，研究團隊發現，蟑螂可以很快速地穿過一個和它身體差不多長的間隙，而在穿越之前，蟑螂沒有對間隙的大小進行過測量。這樣的行為引起了科學家們的好奇，於是他們結合高速攝影和三維模型，開發了一種動態捕捉運動預測模型。

該模型可以幫助多足機器人在穿越間隙時控制偏航角和俯仰角，從而提高了穿越距離。根據該團隊的介紹，動態捕捉運動預測模型最高可以實現50%的穿越距離提升。

研究的應用

黎陳告訴 DT 君，實驗室目前主要研究動物/機器人與複雜的三維地面環境的力學相互作用，比如：

對昆蟲：熱帶雨林中的草叢/灌木/掉落的樹葉樹枝/碎石，山區的石頭堆/樹叢。

對多足機器人：地震/山洪塌方，坍塌的建築物/瓦礫，塞滿東西的房間/倉庫，狹窄的建築物結構（管道，通風系統）。

同時，黎陳指出，絕大多數的機器人研究集中於如何控制機器人繞過/躲避障礙物，而不是如何成功的越過它們（比如自動駕駛車輛繞過所有的障礙物）。這正是因為我們沒有完善的力學模型來指導機器人的機械設計和控制方法來通過複雜地面環境，而只能靠用各種感測器來感知障礙物並繞過它們。

黎陳說到，「剛發表的兩篇文章是我們的最初嘗試，研究的是兩種類型的簡單三維地面環境（大空隙和大台階）。我們不僅發現了快速通過這兩種地形的力學原理，還應用這些原理提高了機器人能通過的最大障礙尺度。因為我們的模型非常簡單（低自由度，並不包含腿或其它關節），我們發現的這些力學原理也適用於其它類型的機器人（比如車輛）上幫助他們通過這些地形。」

多足機器人在顛簸地形的步態研究聽起來意義其實比想像中的要大，尤其是災難後的救援工作。現有的救援機器人都不是智能機器人，需要人工遠程遙控才可完成救援搜索工作。如果多足機器人可以自己穿過複雜地形找到傷者，那麼救援周期就會大大縮短。有的時候，僅僅慢了一兩秒，可能就損失一條生命。

此外，多足機器人也是地外搜索的常客。和現有的救援機器人類似，目前的太空搜索多足機器人也不是智能的，仍然需要人工遠程操作。

圖丨左為ASV，右為Genghis II

在上述的兩項應用領域中，輪式機器人也佔有一席之地。不過多足機器人的地面適應力更強，其運動冗餘豐富，可以實現複雜步態。這個特點，在仿生多足機器人身上得到了放大，麻省理工學院在1990年設計開發的 Genghis II 仿生多足機器人的性能，遠遠超出了 1986 年的六足機器人 Adaptive Suspension Vehicle（ASV）。後者不但滿足了所有多足機器人的特點，而且在面對顛簸地形時依然穩定。

更穩還是更快？

研究團隊的實驗結果是多足機器人在新步態以及新模型的支持下，跨越了更高的障礙，穿過了更高的間隙，但是他們並沒有過多強調這項研究可以使機器人在面對複雜地形時提升行進速度。

這是因為步態周期內，擺動腿數量越多，雖然會提升機器人的行進速度，但是也會降低機器人的步態穩定性。在研究團隊的成果中，他們偏向於實際應用。低穩定性的產品並不適合於投入實地，而行進速度快則通常是輪式機器人的研究重點。

黎陳自 2012 年開始就在研究蟑螂步態，他表示，研究的靈感來源於觀察蟑螂在雜亂的三維地形中移動，這些障礙物的尺寸遠遠超過了蟑螂的大小，可他們卻能越過障礙達到目的地。

他計劃將更加隨機分散的複雜地形投入於研究之中，以便獲得更高的研究成果。「我們正在擴展研究更多其它類型複雜三維地面環境中的運動，通過更多系統的動物實驗，機器人實驗，和物理建模加深和推廣對複雜地面環境相互作用力學原理的理解（Terradynamics）。」

「我們最終希望能通過我們的基礎研究幫助人們更好的設計和控制地面機器人通過（而不是繞過/躲避）這樣的複雜地面環境，就像空氣動力學和水動力學（Aerodynamics & Hydrodynamics）幫助我們理解動物如何飛行和游泳和設計飛機/飛行機器人和船舶/潛艇/水下機器人一樣。」

這兩項研究成果更像是多足機器人領域的工具，利用其去開發多足機器人，就能少走彎路，實現更高性能。這對於該領域來說無疑是推動產業的奠基石。不過，研究成果到最終生產之間仍存有一定距離，比如機身「死鎖」、位姿有效耦合等等。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！