從撲騰的天蛾和跳躍的羚羊到起伏的蛇和線蟲……各種生物通過神經和機械控制的結合產生運動。通過神經回路整合和處理感覺信息，動物產生運動命令并通過復雜的信號網絡執(zhí)行精確的身體運動。動物不僅依靠神經元（例如腦細胞和周圍神經）來控制運動，而且還利用身體的物理特性（例如肌肉的彈性）來幫助它們在神經元做出反應之前對環(huán)境做出自發(fā)反應。因此，從生物系統(tǒng)產生的運動來看，可以認為“具身智能”主要由“計算智能”和“機械智能”兩部分組成。

新認識：“機械智能”是“具身智能”的重要組成部分。 “具身智能”是近年來整個機器人界非常流行的一個概念。作為研究仿生機器人的機器人學博士研究生，他也是生物力學、生物物理學、機器人物理學等多學科領域的研究員。在最新的研究中，美國佐治亞理工學院的王天宇展示了其團隊對機械智能和生物運動中的具身智能的獨特理解和解釋。近日，相關論文發(fā)表在《Science Robotics》（IF=34.0）[1]上，標題為《機械智能簡化陸地無肢運動的控制》（MechanicalIntelligences simplizes Control in terresciallimblesslocomotion）。王天宇和佐治亞理工學院博士后Christopher Pierce為共同第一作者，佐治亞理工學院教授Daniel I. Goldman為通訊作者。這項研究得到了生物學、物理學、機器人學等領域同行和專家的認可。他們相信這項研究有潛力將無肢生物運動的研究以及復雜地形中無肢機器人的設計和控制提升到一個全新的水平。為更深入地理解跨系統(tǒng)的廣義無肢運動以及如何利用生物學中學到的原理來提高機器人性能開辟了更多新的可能性。

圖丨相關論文（來源：Science Robotics）

基于對“具身智能”的獨特理解，王天宇將“機械智能”的概念延伸到仿生機器人運動的研究中。以研究中的無肢機器人（也稱為蛇形機器人）為例，它會向左和向右彎曲身體的各個部分，這種運動稱為“橫向波動運動”。如果機器人碰撞到障礙物，它們必須調整身體姿勢來轉彎或繞過障礙物。為了完成這一任務，人們可以設計一種算法、一個控制系統(tǒng)或一個復雜的物理系統(tǒng)。例如，通過在機器人的頭部或身體上安裝力傳感器，設計一種算法，當機器人的頭部或身體感受到足夠大的力時，可以讓機器人遠離或繞過障礙物。所以，這賦予了機器人一定程度的“計算智能”?；蛘?，通過設計機器人驅動身體的方式、選擇制造機器人身體的材料等，讓機器人在與環(huán)境發(fā)生碰撞時，可以自發(fā)地使身體變形，以應對障礙物，而無需“思考”。這樣，機器人就具備了“機械智能”。

“機械智能”的秘密在于驅動模式無肢運動是自然界中常見的運動模式，發(fā)生在各種不同且通常高度復雜的異質環(huán)境中，跨越長度尺度和神經系統(tǒng)復雜性。從擁有超過100 萬個神經元的一米長的蛇到只有302 個神經元的微小毫米大小的秀麗隱桿線蟲。當這些生物系統(tǒng)進入陌生而復雜的環(huán)境時（如樹林中的蛇、腐爛水果中的線蟲），它們不需要任何時間去觀察和學習自己的環(huán)境，就能自發(fā)地在環(huán)境中自由穿梭。在生物運動學方面，科學家們在理解這種運動控制的“計算智能”方面取得了巨大進展，包括神經回路的結構、功能和動力學。但僅僅擁有計算智能是不夠的。這些生物系統(tǒng)體內隱藏的“機械智能”，也是它們能夠完成如此不可思議的動作過程中的重要組成部分。目前，缺乏針對無肢生物系統(tǒng)運動的機械智能研究。主要原因之一是科學家很難在完全阻斷神經活動的同時，將身體功能從神經系統(tǒng)中分離出來，研究生物體的運動機制。這導致開發(fā)機器人系統(tǒng)對于研究生物系統(tǒng)的運動具有重要意義。 —— 通過構建“機器人物理”模型，即開發(fā)特定的機器人系統(tǒng)來研究生物運動的機制?？茖W家可以在機器人系統(tǒng)中進行在生物體中難以完成的實驗。例如，讓蛇形機器人旋轉90度是極其容易的，但控制蛇旋轉90度幾乎是不可能的。如果將當今最前沿的無肢機器人系統(tǒng)與自然界中常見的無肢生物系統(tǒng)進行比較，一個非常顯著的差異體現(xiàn)在身體的驅動方式上：幾乎所有的無肢機器人中，每個關節(jié)的旋轉都是通過一個旋轉來實現(xiàn)的。通過電機。在無肢生物系統(tǒng)中，身體的彎曲是通過驅動每個關節(jié)兩側的肌肉收縮來實現(xiàn)的。王天宇意識到機械智能的秘密可能就隱藏在駕駛模式中。

鑒于此，他和他的團隊設計并制造了一種新型無肢機器人，名為MILLR（機械智能無肢機器人）。 MILLR每個關節(jié)的彎曲由兩根獨立控制的繩索驅動，可以左右拉動每個關節(jié)。當繩子拉緊時，它可以主動將關節(jié)拉向一側；當繩子放松時，該側的關節(jié)不再受到限制，并且可以被動地適應環(huán)境施加在其上的力。

圖丨理解機械智能的新型無肢機器人（來源：Science Robotics）

通過規(guī)劃和協(xié)調每根繩索的張力松弛運動，可以在MILLR 上實現(xiàn)可編程、可量化、動態(tài)和各向異性的身體柔順性。當機器人碰撞障礙物時，根據不同的身體柔順狀態(tài)，機器人可以選擇性地保持體形或在障礙物施加的力的影響下被動彎曲。由于這種身體靈活性，許多原本會導致機器人停止移動或卡住的碰撞現(xiàn)在自然會導致機器人變形并順應障礙物，并且機器人可以繼續(xù)推動其身體前進。在實驗室搭建的多障礙環(huán)境模型中測試MILLR時，王天宇發(fā)現(xiàn)身體順應性過低會導致MILLR被障礙物卡住，而順應性過高又會導致身體無法保持所需的波動姿勢。從而無法提供足夠的動力前進。只有當MILLR被給予適度的身體順應性時，它才能在開環(huán)控制下在障礙環(huán)境中自發(fā)前進，而無需對環(huán)境進行任何感知并主動調整身體姿勢。這正是MILLR 上的機械智能。反映。同時，通過機器人實驗與類似環(huán)境下的秀麗隱桿線蟲生物體的比較，發(fā)現(xiàn)當MILLR具有中等的身體柔韌性時，無論是開環(huán)速度表現(xiàn)還是身體運動學都與秀麗隱桿線蟲非常相似。這也驗證了一個生物學假設：僅靠機械智能就足以讓無肢系統(tǒng)應對行動過程中遇到的障礙。最后，通過在MILLR上安裝頭部碰撞傳感器，對線蟲運動過程中“向后”行為的功能進行了實驗探索。同時，研究團隊發(fā)現(xiàn)，適當?shù)挠嬎阒悄芸梢詮浹a機械智能的不足，或者與機械智能相輔相成，從而提升運動表現(xiàn)。在這一點上，機器人系統(tǒng)MILLR 是體現(xiàn)智能的一個例子，它展示了與機械和計算智能協(xié)同工作時可能具有的最強大的運動能力?？傊@項研究強調了機械智能在塑造無肢系統(tǒng)運動中的作用，并為線蟲和其他無肢動物的神經控制和機械控制之間的相互作用提供了見解。同時，通過機器人MILLR，團隊驗證了機械智能在無肢機器人運動中的重要作用，希望進一步推動無肢機器人在搜救、工業(yè)檢測、農業(yè)、行星探測等領域的應用。其他領域。

它最初是一個“副業(yè)項目”，但形成了“機器人-生物學”的閉環(huán)。另據悉，王天宇本科就讀于上海交通大學密西根學院電氣與計算機工程專業(yè)，隨后獲得美國卡內基梅隆大學機械工程碩士學位。目前，他在佐治亞理工學院攻讀機器人學博士學位，主要研究受生物啟發(fā)的無肢和多足機器人在復雜環(huán)境中的運動。

圖片|王天宇（來源：王天宇）

他表示，這項研究最初源于一個碩士學位研究的課題，即如何設計控制算法，讓蛇形機器人具備身體靈活性，以應對復雜的環(huán)境地形。當時他用幾千行代碼實現(xiàn)了這個目標。但當他看到看似毫不費力的生物如何實現(xiàn)這一目標時，他開始懷疑：難道它們在移動時就沒有那么多“思考”嗎？那么是什么讓他們能夠如此輕松地實現(xiàn)只需要數(shù)千行計算機代碼即可實現(xiàn)的功能呢？他加入佐治亞理工學院攻讀博士學位后。在機器人學方面，他發(fā)現(xiàn)研究小組此前曾對蛇如何利用肌肉驅動和身體被動來克服障礙進行過相關研究。于是他萌生了進一步建造一個機器人來模擬蛇利用肌肉驅動身體的方式的想法。與導師溝通后，導師認為這個方向值得探索。不過，由于當時沒有專門資金用于這個機器人項目，他同意嘗試將其作為“副業(yè)”。隨著研究的不斷深入和一些志同道合的伙伴的加入，王天宇和他的團隊發(fā)現(xiàn)他們設計的蛇形機器人的一些行為和體形與他們觀察到的線蟲非常相似。因此，該項目進一步發(fā)展。這不僅僅是受生物學啟發(fā)的機器人設計。反過來，機器人也可以作為實驗工具，更好地了解生物體的運動，從而形成“機器人-生物學”的閉環(huán)。雖然輪式和腿式機器人在運動能力方面無可比擬，但在實際應用場景中仍然存在一些特殊情況。這些傳統(tǒng)的移動機器人很難使用。例如，在倒塌建筑物的廢墟中，在縱橫交錯的管道系統(tǒng)中，在土壤、沙子和雪等顆粒介質中，或者在極端環(huán)境中的冰川裂縫中。然而在這樣的環(huán)境下，無肢機器人卻可以利用其狹長的身體移動，完成搜救、工業(yè)調查、農業(yè)管理、甚至外星地質勘探等一系列任務。了解機械智能在無肢運動中的作用不僅有助于他們更深入地了解生物的運動，而且有助于設計和制造無需復雜傳感和控制算法即可更好應對復雜環(huán)境的無肢機器人。未來，在機器人方面，他希望進一步擴大機械智能原理的應用范圍，包括制造3D機器人，讓它們能夠完成更多的步態(tài)，比如側彎、手風琴等。還制作了防水版本，以擴大水下無肢機器人運動的研究范圍。在生物學方面，團隊希望進一步研究生物體中肌肉和肌腱驅動的原理，加深對生物體機械智能表現(xiàn)的量化和理解。此外，這項研究中發(fā)現(xiàn)和驗證的機械智能原理有望擴展到更多無肢生物系統(tǒng)，如蛇和鰻魚。參考文獻： 1.Wang T. et al.機械智能簡化了陸地無肢運動的控制?？茖W機器人8,85(2023)。 https://www.science.org/doi/10.1126/scirobotics.adi22432.https://ty-wang.github.io /3.https://crablab.gatech.edu/4.https://ty-wang.github.io/排版：何晨龍、Doakes