小型化龙蝶式机器人上的地形特征化与 locomotion 适应

与大型机器人不同，小型化机器人大多局限于实验室环境，很少部署到实际应用场景。随着机器人尺寸的减小，机器人-地形相互作用发生根本性变化；然而，目前仍缺乏对小型化机器人应获取哪些感性信息以及在遍历复杂自然地形时应如何作出响应的系统性理解。为此，我们发展了能够适应多样化基质环境的小型化、智能、龙蝶式、适应性机器人（SILA Bot），其能够根据实际情况调整行动模式。我们使用深度可控的颗粒介质作为受控且具有代表性的地形范式。我们表明，最优的身体运动模式（从助力肢体收回于平坦地面上的standing-wave弯曲，到在深层颗粒介质中产生推进力的traveling-wave波动）可被参数化并近似为颗粒深度的线性函数。此外，关节扭矩等本体感知信号足以通过K近邻分类器估计颗粒深度，实现95%的准确率。基于这些关系，我们设计了一个简单的线性反馈控制器，以调节身体相位，显著改善了在地形深度未知的情况下的 locomotion 性能。这些结果为小型化 locomotion 的感知与控制建立了原则框架，同时在保持低计算复杂度的同时实现了有效的地形适应性 locomotion。