相关实验视频
Updated: Jun 29, 2025
10:56
Long-term Behavioral Tracking of Freely Swimming Weakly Electric Fish
Published on: March 6, 2014
12.5K
机器人运动学习显示出频率调节的出现,强大的游泳具有不变的斯特鲁哈尔数
Hankun Deng1, Donghao Li1, Colin Nitroy1
1Department of Mechanical Engineering, The Pennsylvania State University, University Park, PA 16802, USA.
Journal of the Royal Society, Interface
|March 26, 2024
概括
机器人鱼模型揭示了在运动过程中流体结构相互作用 (FSI) 中体现的特征. 这些发现为生物和人工系统的运动控制,步态生成和游泳表现提供了新的见解.
科学领域:
- 机器人和生物力学
- 流体动力学 流体动力学
- 控制系统 控制系统
背景情况:
- 鱼类的运动涉及由神经肌肉系统控制的复杂的流体结构相互作用 (FSI).
- 机器控制的FSI体现的特征是假设的,但尚未完全理解.
- 对运动学习,控制,步态和表现的影响需要进一步研究.
研究的目的:
- 用机器人模型调查鱼类灵感游泳中的体现特征.
- 探索中央模式生成器 (CPG) 和强化学习在控制运动中的作用.
- 分析机器人设计,控制参数和游泳表现之间的关系.
主要方法:
- 开发模块化,以鱼为灵感的机器人,具有不同的设计.
- 实施中央模式发生器 (CPG) 来控制机器人联合扭矩.
- 强化学习的应用,以优化最大游泳速度的CPG参数.
主要成果:
- 在CPG中,发动机频率比其他参数更快地趋同,这表明了可靠的控制.
- 新兴的游泳步态表现出对运动控制中断的弹性.
- 游泳速度与波浪速度相关,定义一个不变的斯特鲁哈尔数.
- 在生物和机器人鱼中确定了两个基本的波浪式游泳类.
- 机器人执行器展示了作为电机,虚拟弹和虚拟质量的双重功能.
结论:
- 机器人模型成功地复制并阐明鱼类运动中的体现特征.
- 斯特鲁哈尔数作为波浪式游泳效率的通用指标.
- 这些发现有助于更好地理解水中运动中的神经肌肉控制,步态生成和FSI.
