深圳先進院提出磁控仿魚微型機器人復(fù)雜運動

   研究成果以“A Robot Motion Learning Method Using Broad Learning System Verified by Small-scale Fish-like Robot”為題，發(fā)表在智能控制領(lǐng)域權(quán)威期刊IEEE Transactions on Cybernetics(JCR一區(qū)，影響因子：19.118)。徐升副研究員為第一作者，徐天添研究員為通訊作者，中國科學(xué)院深圳先進技術(shù)研究院為第一單位。 

   微型仿魚機器人由于構(gòu)型合理、尺度很小，可以更為靈活地在復(fù)雜狹小空間內(nèi)穿梭作業(yè)，在微孔探查、靶向治療等小尺度操作領(lǐng)域具有巨大的應(yīng)用潛力。但是，受磁場與機器人運動之間的強非線性影響，使得機器人按要求軌跡運動控制十分具有挑戰(zhàn)。同時，在復(fù)雜場景中，如人體內(nèi)，理想目標(biāo)軌跡的準(zhǔn)確坐標(biāo)往往不便獲取，限制了追蹤控制策略的應(yīng)用。體內(nèi)環(huán)境迂曲復(fù)雜，存在頻繁方向改變，控制器反復(fù)調(diào)整計算復(fù)雜繁瑣，存在重復(fù)性。因此，十分有必要將微型機器人的底層運動封裝為基本運動，例如直走，直角彎，S形彎，C形彎等，并將這些基本運動作為高層運動指令庫的基元，便于在后續(xù)的宏觀運動路徑規(guī)劃中按需調(diào)用，可降低實時控制指令的解算復(fù)雜度。研究團隊結(jié)合寬度學(xué)習(xí)理論，對磁控仿魚機器人的運動基元開展訓(xùn)練學(xué)習(xí)完成多種復(fù)雜運動。 

  研究團隊設(shè)計了以寬度神經(jīng)網(wǎng)絡(luò)為主體的微型機器人基本運動控制器；基于李雅普諾夫穩(wěn)定理論，推導(dǎo)了保障機器人運動穩(wěn)定的控制器網(wǎng)絡(luò)參數(shù)約束，大大簡化不同運動基元的控制器參數(shù)訓(xùn)練學(xué)習(xí)過程；提出了以磁場參數(shù)變化與機器人速度矢量變化為所需數(shù)據(jù)的控制器網(wǎng)絡(luò)參數(shù)訓(xùn)練方法，使用者只需通過改變訓(xùn)練數(shù)據(jù)的種類即可獲得多種運動基元，而且考慮了穩(wěn)定約束的訓(xùn)練算法可以保證所獲得的控制器必然穩(wěn)定。

圖2 基于寬度神經(jīng)網(wǎng)絡(luò)的微型仿魚機器人運動基元學(xué)習(xí)控制方法

圖3 微型仿魚機器人結(jié)構(gòu)及運動原理，磁驅(qū)動實驗系統(tǒng)

   通過仿真及實驗，研究團隊運用所提的學(xué)習(xí)控制方法獲得了銳角彎、J形彎、S形彎等多種運動基元的微型機器人控制器，并開展了仿魚機器人避障運動實驗。在機器人運動過程中我們通過人為搖晃容器、暴力碰觸機器人模擬了真實場景中可能存在的復(fù)雜擾動，機器人在復(fù)雜環(huán)境中，直接調(diào)用C形彎，S形彎等運動基元實現(xiàn)高效避障，通過使用所提方法機器人均可以抵達(dá)最終指定區(qū)域，驗證了所提方法的強抗擾能力。該成果符合高層運動指令規(guī)劃的思想，大幅簡化了實時控制指令解算復(fù)雜度，為微型機器人的多機集群運動或無參考軌跡最優(yōu)運動規(guī)劃打下基礎(chǔ)，同時還可推廣至無人機、無人車以及工業(yè)機器人的復(fù)雜運動控制。

圖4 機器人多次執(zhí)行“S”形避障實際效果

圖5 機器人強抗擾能力驗證（暴力阻攔、容器振動）

   該系列研究工作得到了國家重點研發(fā)計劃、國家自然科學(xué)基金、廣東省自然科學(xué)基金、中科院青促會、深圳市等科技項目資助。