扑翼机器人推进器损伤的仿生补偿策略

为了维持完全自主性，自主机器人系统必须具备自我修复能力。通过补偿机制进行自我修复在自然界中时有发生：例如，某些鱼类即使失去76%的推进面，也能通过改变划水力学来保持推力不减。然而，由于无关的进化压力，将这些改变从生物体直接转移到机器人扑翼推进器上可能并非最优。我们转而寻求通过人工进化来确定对于受损机器人系统而言，何种划水力学改变是最优的。为了确定自然最优解与机器学习最优解是否不同，我们采用了一个信息物理系统，使用协方差矩阵自适应进化策略来寻找给定力下的最高效轨迹。我们实现了硬件在环的在线优化，利用一个受控的柔性平板进行实验功能评估。为了在部分截断后恢复推力产生，最高效的学习策略是增加振幅、增加频率、增加攻角振幅，并将攻角相移约110度。在鱼类中，文献大多仅报告了振幅的增加。为了恢复侧向力产生，我们遇到了一个更具挑战性的优化景观。在基于合力的参考系中发现了最优攻角轨迹的嵌套现象，但在振幅或频率上没有表现出明显的趋势——这与昆虫文献中报告的频率增加形成对比。这些结果表明，机械扑翼推进器如何最高效地适应扑翼推进器的损伤，可能与自然界的游泳者和飞行者并不一致。