弗吉尼亚理工研究团队开发生物启发步态系统，推进先进机器人运动

两年前，Kaveh Hamed目睹儿子Nikaan独自迈出第一步。他看着一岁的Nikaan在摇摇晃晃的腿上向前蹒跚，见证了从匍匐到摇摇欲坠站立，再到第一次行走，最后双脚稳健奔跑的全过程。

这些记忆让Hamed联想到数学，正如他观察爱犬Telli奔跑时一样。当Telli向他冲来并切换为小跑步态，他再次思考如何将这种敏捷性赋予机器人。十余年来，Hamed致力于开发控制算法，使腿足机器人能更像人类和动物般行走奔跑。

观察Nikaan与Telli的运动让他意识到还有太多未知领域。“这看似简单问题，”Hamed说，“我们每天行走、奔跑、爬楼、跨越间隙。但将其转化为数学与机器人极具挑战。”

Hamed于去年加入弗吉尼亚理工，任工程学院机械工程系助理教授兼混合动态系统与机器人运动实验室负责人。以来，他与研究团队在系内合作者及全国其他高校协作下，致力于提升机器人生物启发运动能力。目前团队开展四个国家科学基金会资助项目，均源于人/动物启发并聚焦软件开发。

从假肢到四足机器人：多维攻关

其中一项目探究双足运动在动力假肢韧性运动中的应用。Hamed团队与密歇根大学电子工程与计算机科学系副教授Robert Gregg合作，为Gregg的动力假肢模型开发去中心化控制算法。其余三项目围绕四足机器人，结合传感器、控制算法与AI，提升机器狗敏捷性、稳定性、灵巧性，及对周围环境和同类的响应能力。

Hamed表示，尽管每年制造更多腿足机器人，但该领域距离达到其两足/四足生物原型的敏捷性仍有漫漫长途。“我们认为动物运动中的敏捷性——如猎豹、山狮——目前机器人即便最先进也无法紧密追赶，”他说，“机器人技术飞速进步，但机器人与生物对应体之间仍存在根本鸿沟。”

源自四足伙伴的启发

在机器狗研究中，Hamed旨在通过开发支撑动物运动敏捷稳定性的先进智能控制算法填补鸿沟。其方法整合先进反馈控制算法、数学优化技术与传感器应用，植根于动物基础生物学。脊椎动物平衡控制主要发生在脊髓，振荡神经元相互通信产生节律运动。这是自然功能——为何腿足动物和人类闭眼仍能行走，Hamed解释。但导航复杂环境（楼梯、巨石）需要视觉与大脑解读。Hamed团队用传感器与鲁棒控制算法在机器狗中创造类似效应：编码器（关节位置关系传感器）、惯性测量单元（机器人本体相对地面方向传感器）构建类脊椎动物的平衡运动控制；相机与激光雷达（精准环境映射激光技术）实现机器视觉，更好指导机器人接触或规避障碍物。

团队为Ghost Robotics制造的三只机器狗配备这些传感器，测试新开发的智能鲁棒控制算法。机器人读取自身运动与环境测量后，车载计算机计算鲁棒控制动作引导从A点至B点。目前研究者已模拟并开始测试多种镜像真实动物的步态。机器狗开始能以更敏捷、平衡、快速的方式蹒跚、小跑、奔跑并以更锐利角度转向。团队还在探索将AI集成进控制算法，改善机器人真实环境中实时决策。

跨越弗吉尼亚理工内外的协作

Hamed借力协作引入AI与安全关键控制算法等新概念。在两项目中与加州理工学院机械与土木工程教授Aaron Ames合作，旨在开发新一代智能、安全、鲁棒控制算法，赋能四足/双足机器人在复杂环境中敏捷运动；并构建分布式反馈控制算法，使腿足机器人协同运动完成协作任务。近期，弗吉尼亚理工机械工程教授Alex Leonessa加入Ames与Hamed项目，适配分布式控制算法用于机器人导盲犬与人类的协同运动。Hamed说：“我从协作中学习。这就是推进知识的方式。知名公司在做惊人事情，但你看不到细节。我们想从科学数学中学习并分享发现。发表成果后，能对其他高校说：‘这些是我们用的算法，你们如何拓展？’”

Hamed看到这些增强在移动性、辅助能力及两者结合上的潜在效益与现实应用。地球超半数地形对轮式车辆不可达，敏捷腿足机器人可更好导航山地林地等崎岖陡峭地形。家庭办公室地面平坦可预测，但为双足行走设计的梯子楼梯仍构成机器人限制。Hamed认为若机器人要辅助行动不便者并共同生活，必须确保其能应对同等条件。在应急响应中机器人支持或替代人类（如工厂火灾救援），将受益于熟练腿部运用。Hamed对机器狗控制算法初测结果乐观，但算法开发将是持续过程。“我们用的算法真的是生物启发的吗？它们真像狗吗？我们在做数学。但必须是生物启发的。我们必须观察动物再修正算法——看它们如何应对场景，我们的控制算法如何反应。”