機器人要模仿動物運動，一直是個技術難題。

魚擺尾巴游泳，蛇蜿蜒前進，尺蠖弓背爬行，章魚腕足靈活伸展——這些動物的運動方式看起來完全不同，但都有一個共同點：依靠身體彎曲來實現移動。

圖1 不同動物的身體彎曲運動

問題來了：能不能用一套數學模型，同時描述這些看似迥異的運動方式？

華南理工大學聯合廣電運通、珠海市海洋裝備研究院和北京大學等單位，最近在Research期刊上發表的一篇論文，給出了肯定答案。

研究團隊提出了一種面向多模態仿生運動的通用運動學模型，將身體曲率方程與非線性振蕩器結合，用同一套框架就能描述魚、蛇、尺蠖、章魚腕足等多種生物運動。

這意味著，仿生機器人終于找到了一種“通用運動語言”。

01.

為什么需要統一的“運動語言”

過去研究仿生機器人，通常是一種動物對應一套模型。

比如魚類巡游用行波方程描述，蛇形運動用蛇形曲線描述，尺蠖和章魚腕足又各有各的建模方法。這些模型在特定場景下確實有效，但問題也很明顯：缺乏統一性。

一旦研究對象從魚變成蛇，或者運動方式從直行變成轉彎，往往就需要重新建模、重新調參、重新設計控制算法。對仿生機器人研發來說，這大大增加了復雜度。

更關鍵的是，真實動物的運動遠比簡單周期擺動復雜得多。魚類不僅會直線巡游，還能完成C形急轉、S形急轉等高機動動作；章魚腕足既能向前伸展，也能大范圍掃掠；蛇和尺蠖在不同環境中也會切換身體形態。

以往的模型通常只能描述其中一部分運動，很難全面覆蓋。這就像每種動物說一種"方言"，機器人要學會多種動物的運動，就得掌握多種"方言"，效率低下且容易出錯。

因此，機器人研究迫切需要一種更底層、更通用的“運動語言”：既能表達不同動物的身體彎曲形態，又能方便地轉化為機器人的控制指令。

02.

從曲率出發，構建通用模型

華南理工團隊的核心創新，是從身體曲率這個更本質的角度出發。

曲率可以理解為“身體彎得有多厲害”。當曲率沿身體長度和時間發生變化時，就能形成不同的運動形態：小幅周期擺動對應魚類巡游，大曲率彎折對應魚類急轉，連續波狀彎曲對應蛇形前進，局部拱起對應尺蠖運動，非均勻彎曲則描述章魚腕足的伸展和掃掠。

研究團隊將曲率方程與非線性振蕩器結合起來。前者決定身體在空間上“彎成什么形狀”，后者決定運動在時間上“如何節律變化”。通過參數調整，模型可以在不同動物、不同運動模式之間自由切換。

圖2 通用運動學模型對多種生物運動的復現

從圖2的對比可以看出，通用模型成功復現了多種生物運動形態。在蛇形運動中，模型生成連續波狀曲線，對應蛇的前進和轉向；在尺蠖運動中，模型產生類似“Ω”形的身體姿態，描述其周期性弓身和伸展；在章魚腕足運動中，模型既能描述小角度的伸展動作，也能描述大范圍的掃掠動作。

這說明該模型不是只適用于某一種機器人，而更像一個可調節的“運動生成器”。研究人員只需根據目標動物的形態和運動特征設定參數，就能得到對應的身體曲線。

03.

從模型到實物：機器魚驗證

有了數學模型還不夠，仿生機器人最終需要真實運動。

研究團隊構建了一個"仿生對象選擇—運動優化—運動生成"的控制框架。

圖3 多模態運動優化框架

第一步是仿生對象選擇，確定要模仿的對象（魚、蛇、尺蠖或章魚腕足），并根據其運動特征設置模型邊界條件。第二步是運動優化，對于可以精確建模的多關節機器人或連續體機器人，結合動力學模型和仿真環境評估不同參數下的運動效果；對于難以精確建模的軟體、欠驅動或復雜流固耦合系統，則結合虛擬環境和機器學習方法進行優化。第三步是運動生成，將優化后的運動學曲線轉化為機器人各關節或執行器的控制信號。

這套框架把“從生物運動到機器人控制”的過程系統化了。研究人員不必為每一種運動單獨設計復雜控制器，而是可以在統一模型下進行參數搜索、仿真評估和控制生成。

為了驗證方法的有效性，研究團隊選擇了多關節機器魚作為實驗平臺。魚類運動是很好的驗證對象，因為它既包括穩定的巡游，也包括快速、大曲率的轉向動作。

視頻1展示了模型生成的多種魚類運動形態，包括直線巡游、巡游轉向、C-turn和S-turn。直線巡游時，身體擺動基本關于中軸線對稱；巡游轉向時，身體曲線出現一定偏置；C-turn中，魚體快速彎成類似C的形態；S-turn中，身體則呈現更加復雜的S形彎曲。

傳統魚類行波模型往往更擅長描述規則、對稱、平穩的巡游運動，但對大曲率、非對稱、快速轉向動作描述不足。本文模型從曲率出發，因此更容易生成C-turn和S-turn這類高機動動作。

為了讓機器魚執行連續曲率模型生成的身體曲線，需要將連續魚體離散成多個剛性連桿，并計算各個關節在不同時刻應達到的角度，再通過控制器驅動電機運動。視頻2展示了相應的動力學仿真效果。

視頻3展示了機器魚在頭部固定狀態下執行直線巡游、巡游轉向、C-turn和S-turn等運動時的身體姿態，說明模型生成的連續曲線可以有效映射到機器魚關節運動中。

隨后的游動實驗中，機器魚在真實水環境中不僅能夠完成穩定直線巡游，也能實現巡游轉向、C-turn和S-turn等動作，說明模型生成的運動能夠進一步轉化為實際推進和轉向能力。

更值得關注的是機器魚原地快速轉向的能力。在該實驗中，機器魚身體通過大幅度的快速彎曲，完成了極小轉彎半徑下的大角度航向改變。實驗結果顯示，優化后的S-turn最終轉向角達到約160°，峰值瞬時角速度達到350°/s，轉彎半徑僅為0.19倍身長。

這表明該模型不僅能實現機器魚的基礎游動，還可顯著提升其在狹窄空間穿行、避障、目標追蹤等場景下的高機動轉向能力。

04.

從"會動"到"善動"的跨越

這項研究的意義不僅在于構建了新的運動學模型，更為仿生機器人提供了統一的運動設計范式。

首先，該通用模型可大幅降低控制開發難度。一改以往各類仿生機器人需單獨建模、定制控制的弊端，能夠對魚類、蛇形、尺蠖、章魚腕足等多種運動形式進行統一表征，支持多運動模式在同一參數體系下生成與切換。

其次，模型可顯著提升機器人的復雜環境適應能力，使其靈活完成巡游、轉向、穿越、攀爬、抓取等多動作切換，高度復刻自然生物的運動特性。

此外，該模型還可融合強化學習算法，為難以精確建模的軟體機器人、欠驅動機器人及復雜流體環境提供運動先驗，有效降低訓練開銷、提升控制效率。

從更長遠看，這項研究也為生物力學和機器人學之間搭建了一座橋梁。它不僅能幫助機器人“模仿生命”，也能反過來幫助科學家理解動物運動背后的共同規律。

當機器人不再只是機械地執行軌跡，而是能夠像生物一樣通過身體形態協調產生運動時，仿生機器人或許將從“會動”邁向真正的“善動”。

該論文的第一作者為廣電運通的洪梓村博士，通訊作者為華南理工大學吳賢銘智能工程學院的鐘勇教授，合作作者包括華南理工大學費俊文、李巍華教授、珠海市海洋裝備研究院院長嚴俊、北京大學喻俊志教授、廣電運通研究總院院長田豐。

論文鏈接：

https://spj.science.org/doi/10.34133/research.1275?utm_source=researchgate.net&utm_medium=article