软体蛇形机器人中基于 CPG 的接触感知运动学习

在本文中，我们提出了一种基于无模型学习的控制方案，用于软体蛇形机器人，以提升其在杂乱环境中的接触感知运动性能。该控制方案包含两个协同控制器：一个生物启发式控制器（C1），用于控制软体蛇形机器人的转向与速度；以及一个事件触发调节器（R2），用于在预期障碍物接触及接触过程中控制蛇的转向。两个控制器的输入组合后作为 Matsuoka CPG 网络的输入，以生成平滑且节律性的驱动信号给软体蛇。为了实现两个控制器的稳定高效学习，我们开发了一种博弈论过程——虚拟博弈（fictitious play），利用基于共享势场的奖励函数训练 C1 和 R2 以完成目标跟踪任务。所提方法在仿真器中进行了测试与评估，与两种基线控制器相比，在含障碍环境中运动性能有显著提升。