仿生机器人文献综述

仿生机器人运动是仿生设计的一个新兴分支。它是从自然界中学习概念并将它们应用于实际工程系统的设计。更具体地说，这个领域是关于制造受生物系统启发的机器人。仿生学和仿生设计有时会混淆。仿生学是模仿自然，而仿生设计则是向自然学习，并创造一种比在自然中观察到的系统更简单且更有效的机制。仿生学已经促成了机器人学的另一个分支——软机器人学的发展。生物系统已经根据它们的栖息地针对特定任务进行了优化。然而，它们是多功能的，并不是只为一种特定功能而设计的。仿生机器人是研究生物系统，并寻找可能解决工程领域问题的机制。然后，设计人员应该尝试简化和增强针对特定任务的机制。仿生机器人科学家通常对生物传感器(如眼睛)、生物执行器(如肌肉)或生物材料(如蜘蛛丝)感兴趣。大多数机器人都有某种运动系统。因此，本文介绍了不同的动物运动模式和相应的仿生机器人的例子。

机器人体系结构，就是指为完成指定目标的一个或几个机器人在信息处理和控制逻辑方面的结构方式。基于功能来分解基于功能分解的体系结构在人工智能上属于传统的慎思式智能，在结构上体现为串行分布，在执行方式上属于异步执行，即按照“感知一规划一行动”的模式进行信息处理和控制实现。以美国国家航天局和美国国家标准局所提出的NASR人MtI〕为典型代表。这种体系结构的优点是系统的功能明了层次清晰，实现简单。但是申行的处理方式大大延长了系统对外部事件的响应时间，环境的改变导致必须重新规划，从而降低了执行效率。因此只适合在已知的结构化环境下完成比较复杂的工作。基于行为来分解基于行为分解的体系结构在人工智能上属于现代的反应式智能，在结构上体现为并行(包容)分布，在执行方式上属于同步执行，即按照“感知一行动”的模式并行进行信息处理和控制。以麻省理工的RABrooks所提出的行为分层的包容式体系结构(SubsumptionArchitecture) 和Arkin提出的基于MotorSc hema的结构为典型代表。其主要优点就是执行时间短、效率高、机动能力强。但是由于缺乏整体的管理，很难适应于各种情况。因此只适用于在沐淘环境下执行比较简单的任务。基于智能分布来分解基于智能分布的体系结构在人工智能上属于最新的分布式智能，在结构上体现为分散分布，在执行上属于协同执行，既可以单独完成各自的局部问题求解，又能通过协作求解单个或多个全局问题。以基于多智能体的体系结构为典型代表。这种体系结构的优点是既具有“智能分布”的特点，又有统一的协调机制。但是如何在各个智能体之间合理的划分和协调仍然需要大量的研究和实践。该体系结构在许多大型的智能信息处理系统上有着广泛的应用。除以上三类主要的体系结构之外，还有一些改进的混合式体系结构，如带反馈环节的行为分解模式、基于分布式智能的分层体系结构、基于功能分解的多智能体结构等等。但是从整体上来看，它们或是在功能模块的灵活性和扩展性上不足，或是没能很好的协调慎思式智能与反应式智能，或是各层次间的交流机制不够完善。控制体系仿生式体系结构的思想原理从本质上来讲，慎思式智能、反应式智能以及分布式智能，都是对生物控制逻辑和推理方式的一种借鉴和仿生，但由于客观条件的限制和需求目的的局限，它们都只是从某一个角度和方向对生物智能的一种片面的、局部的模仿。本文的仿生式体系结构就是以前述的生物控制逻辑和行为推理为基础，充分借鉴基于慎思式智能、反应式智能和分布式智能等三种体系结构思想的优点与不足之处，针对机器人特别是未知环境下工作的移动机器人在控制体系结构方面所存在的缺点和问题，提出一种具有适应行为与进化能力的新的控制思想与理念。借鉴分布式智能的思想，在控制体系结构中引人社会式行为控制层；借鉴生物的自适应性思想，在控制体系结构中实现本代内的由慎思式行为层到反射式行为层的学习；借鉴生物的自进化性思想，在控制体系结构中实现多代间的由反射式行为层向本能式行为层的进化(或退化)。所以，仿生式体系结构共有四个行为控制层组成，即本能式行为控制层、反射式行为控制层、慎思式行为控制层和社会式行为控制层，它们并行接收来自感知层的外部和内部信息，各自作出逻辑判断和反应，发出控制信息到末端执行层，通过竞争和协调来调节自身并适应外部环境，从而按照目标完成工作任务。