利用流体动力传感器探测奇异尾流

受生物启发的机器游泳者的尾流感知因其与运动控制的关联而成为许多研究的焦点，特别是在集群和目标跟随的背景下。许多成功的尾流感知策略基于冯·卡门型尾流模型制定；然而，此类尾流感知技术在常见于游泳运动的奇异尾流类型中无效。确实，奇异尾流可表现出显著不同的动力学，因此必须相应建模和感知。在此，我们提出一种通用尾流检测协议，用于仅从测量的流体动力信号区分尾流类型。我们建立理想流动模型，并在概念验证研究中用于演示通用尾流检测框架。我们展示具有不同底层动力学的尾流在类鱼身体上施加 distinct 特征，这可在身体表面单点位置的时间序列测量中观察到。这些流体动力尾流特征被用于构建尾流分类库，然后用于根据流体动力信号测量对未知尾流分类。该尾流检测协议在此进行的大多数性能研究中被发现准确率超过 95%。因此，奇异尾流检测被证明是可行的，这表明此类技术有潜力成为未来多模型感知与运动控制策略的关键赋能者。