“相比与传统的通过软件算法开发的步态控制器，这篇文章提出用电路来模拟肌肉的反射，从而决定的腿部的运动，这更像生物的下意思的通过肌肉的伸缩来控制腿部的运动。” 谈及日本学者发表的一项机器猫成果，来自加州大学伯克利的博士生李钟毓如是告诉 DeepTech。

最近，来自日本大阪大学的谷川豊章（今年 3 月已经博士毕业离校）、増田容一助教、石川将人教授在 FrontiersinNeurorobotics 杂志上发表的一篇论文中，向人们展示了有关四足动物的步行机制的研究成果，而且与以往通过动物实验研究不同，他们的研究没有进行任何动物试验，而是使用自己开发的四足机器人进行研究。

在四足机器人上，研究团队进行了不同的步行实验，从而在没有动物试验的情况下在机器人上重现了基于猫的神经生理学实验。此外，进行步行实验的四足机器人并没有中央模式生成器，而是通过电路来模拟肌肉的反射，而试验发现，没有中央模式生成器的的四足机器人能够自动生成稳定的步态模式和腿部轨迹。

有关四足动物产生运动的机制的研究，尤其是四足动物如何能够立即对各种环境干扰做出反应并保持平衡且协调的运动的机制，过去已经有不少的研究。

例如，过去已有研究通过在动物实验发现，正是四足动物的髋关节的角度的改变使他们在从摆动向站立过程成功过渡。但是，这些研究主要关注的是四足动物站立和摆动阶段的个体反射机制，并没有阐明整个反射回路。

此外，也有其他多项研究表明，对于四足动物的运动的模拟并不需要使用振荡器模型或复杂的 CPG 模型（中枢模式发生器 Central pattern generators），仅仅通过对脊柱反射、身体动力学和环境之间的相互作用的建模就可以实现腿部轨迹和稳定步态的模拟。

不过，在这些研究中设计者将步行运动分为多个阶段（例如站立、离地、摆动和触地阶段），并为每个阶段设计了单独的反射规则。所以，这些研究没有解释这些许多反射规则是如何集成到动物体内的，即产生稳定步态和腿部轨迹的反射回路的整体结构。

在这里首先简单解释四足机器人平台的机械设计。如下图所示，每条腿由两个连杆组成，通过带动上下旋转关节，腿可以在矢状面内自由活动。腿部模块还可以做内收和外展运动在侧倾方向上旋转；因此，腿具有三个自由度。每个关节由无刷直流（BLDC）电机驱动。有关腿部模块的详细机制，见下图 B。

四足机器人的控制系统，则是由一个用于 BLDC 电机的低级控制器和一个再现肌肉特性和反射的高级控制器组成。

为了模拟四足动物的步行，研究人员将四足动物的腿部肌肉模拟简化为以下模型。这一模型由模拟髋关节（Hipjoint）、伸髋肌（hip extensor）、髋屈肌（hipflexor）、膝踝伸肌（knee-ankleextensor），膝踝屈肌（knee-ankleflexor）和脚趾（Toe）的元素组成。

此外，研究人员还制定了一个反射电路模型，该反射电路模型可以模拟髋关节和膝 - 踝伸肌之间的相互兴奋性反射、膝 - 踝伸肌的自兴奋性反射以及膝 - 踝屈肌到髋伸肌的抑制性反射。

四足机器人的步行实验

在准备好四足机器人的各项工作之后，研究人员对四足机器人进行了几项试验。

首先，研究人员使用四足机器人进行了步行实验。在步行实验开始时，研究人员使机器人的每条腿保持在静止状态，并将其放在跑步机上以激活反射回路。

试验发现，即使没有中央节奏发生器或模式发生器，四足机器人也能产生稳定的步态。下图 8 显示了机器人的步态图。图中的 RF、LF、RH 和 LH 分别代表右前腿、左前腿、右后腿和左后腿，彩色区域表示地面接触。结果表明，每条腿的触地时间是随着时间逐渐调整的。在试验开始 4 秒钟后，右前 - 后退（RF-RH）和左前后腿（LF-LH）的触地时间表现区域相同，这表明，四足机器人开始形成了步伐

上图则显示了从 6.95 秒开始，当右腿触地时相对于髋关节（在 x 轴）和地面（在 z 轴）的脚趾位置。箭头表示脚趾运动的方向。可以看出，所设计的反射回路在无需预先设计的轨迹的情况下，可以自主产生步行轨迹。

此外，研究人员还使用四足机器人进行了另外两项试验，一项是在机器人形成稳定的步态后，刺激肌肉力反馈通路，来模拟脚踝伸肌神经受到其他干扰的情况下站立阶段的自动延长。从下图中我们看到，当在试验进行到 2-3.5 秒时研究人员给右后腿（RH）的膝踝伸肌神经刺激时，右后腿触地的时间相应延长了 1.37 秒，也就是说四足机器人的站立阶段相应的延长。

但是在另一个实验中，当研究人员去除所有腿中的相互兴奋通路的影响时，发现四足机器人的步态不稳定。这表明，由交互兴奋性反射引起的站立阶段的延长对稳定步态的产生有很大贡献。

这项研究不仅对于理解四足动物的运动机制有着很大的贡献，也为四足机器人的开发提供了新的思路。

在被问到这一四足机器人与十分出名的波士顿动力的机器人的区别与优缺点时，李钟毓博士表示：波士顿动力的机器狗使用的是基于的算法的控制器，直接给出每个关节的目标位置或者力矩，而并没有通过电路来模拟肌肉的运动。通过电路的好处是可以模拟复现生物的通过肌肉和神经来控制步态的本能 -- 动物脑中并没有一个算法去计算某个关节具体的力矩大小，完全是下意识的条件反射。但是这个方法的缺点是并没有展现出更复杂，更灵活的步态。

-End-

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。