图灵汇官网

近日，中国科学院深圳先进技术研究院的研究人员提出了一种新型的复杂运动学习控制方法，专门应用于微型仿鱼磁驱动机器人。该方法利用宽度学习网络来训练磁场变化与仿鱼机器人动作基元之间的关系，从而实现了机器人的复杂运动。这种方法不仅不需要复杂的参数调整，还具有很高的鲁棒性和稳定性，能够有效抵御外部干扰。

微型仿鱼机器人因其构造精巧且体积小巧，能够在复杂狭窄的空间中灵活移动，适用于微孔探查和精准治疗等领域。然而，由于磁场与机器人运动之间存在强烈的非线性关系，精确控制机器人按照预定轨迹运动极具挑战。特别是在人体内部等复杂环境中，准确获取目标轨迹坐标通常较为困难，这限制了追踪控制策略的应用。因此，有必要将机器人的基本运动模式，如直线行进、直角转弯、S形转弯和C形转弯等，封装成基础运动单元，以便在后续的宏观运动路径规划中方便调用，从而简化实时控制指令的计算复杂度。

研究团队结合宽度学习理论，对磁控仿鱼机器人的运动基元进行了训练和学习。他们设计了一个以宽度神经网络为核心的微型机器人基本运动控制器，并基于李雅普诺夫稳定理论推导出控制器参数的约束条件，简化了不同运动基元的训练过程。同时，他们提出了一种通过磁场参数变化和机器人速度矢量变化来训练控制器的方法，使用户只需改变训练数据类型就能获得多种运动基元。这种方法还能确保控制器的稳定性。

通过仿真和实验，研究团队成功开发出多种复杂运动的微型机器人控制器，并进行了避障实验。实验中，研究人员通过人为摇晃容器或暴力触碰机器人来模拟真实环境中可能遇到的复杂干扰。结果显示，仿鱼机器人能够直接调用C形转弯和S形转弯等运动基元，高效避障并最终到达指定区域，证明了该方法的强大抗扰能力。这一成果符合高层运动指令规划的理念，大大简化了实时控制指令的计算复杂度，为微型机器人的多机协同运动或无参考轨迹下的最优运动规划奠定了基础，同时也适用于无人机、无人车及工业机器人的复杂运动控制。

该研究得到了国家重点研发计划、国家自然科学基金、广东省自然科学基金、中国科学院青年创新促进会等多个项目的资助。