中枢模式发生器(CPG)在机器人运动控制中的突破性应用 - 受生物神经系统启发 研究团队开发八神经元CPG网络 解决四足机器人多关节协同控制问题 显著提升运动多样性和适应性[1][2][3] - 新架构基于对称性原则 将四神经元扩展为八神经元 实现全局对称性协调腿间运动 局部对称性协调单腿关节[4][5][9] - 通过构建立方体结构网络 顶层四个神经元控制髋关节 底层四个神经元控制膝关节 每个关节都有专属节律控制单元[9] 步态生成与切换技术突破 - 八神经元CPG可稳定产生五种步态：行走 小跑 溜步 跳跑 腾跃 超越现有四神经元架构不超过三种步态的限制[2][4][9] - 开发四种高效步态转换策略：直接切换适用于简单转换 强力配对通过强刺激稳定目标步态 等待切换保证100%成功率 等待-强力配对处理最复杂转换[11] - 利用神经动力学系统分岔调控 确保各关节控制信号在步态切换时保持连续平滑 避免突变或中断[12] 仿真环境测试表现 - 在商用四足机器人模型(Unitree Go1)测试中 步态转换成功率表现优异 行走/小跑/溜步转换成功率近100% 跳跑/腾跃转换成功率优于多数现有方案[13][15] - 转换过程中机器人身体姿态 运动速度和重心高度只有微小平滑变化 快速适应新步态节奏 展现良好稳定性和适应性[17] 传感器融合与环境适应性 - 集成视觉感知框架：通过头部摄像头识别地面路径标记 模糊控制器自动调整左右腿步幅差实现转向和路径跟踪 无需人为干预[18] - 开发本体感知反射框架：模拟髋关节扭矩传感器 斜坡行走时扭矩增大触发反射回路 自动从省力小跑切换为稳定行走步态 返回平地时自动恢复小跑[18] - 基于反射的自主步态切换增强环境适应性 体现感知-动作闭环思想 让机器人适应性大大增强[18] 技术应用与拓展前景 - 研究成果发表于国际机器人领域顶级期刊《International Journal of Robotics Research》 由浙江大学曲绍兴团队主导 获国家自然科学基金支持[3] - 目前正将CPG网络拓展至人形机器人运动控制 探索在多自由度 高动态步态生成与切换中的潜力[21] - 为具身智能研究和人形机器人动态行走与复杂环境适应提供新技术解决方案[21]