多足机器人

斯坦福机器人讲座 | 2026年春季 | 运动中的机械智能

本次讲座涵盖： • 额外的腿部（具有更高的控制维度）可以启用更广泛的能力范围 • 引入CI（反馈控制）可以在保持鲁棒性特征的同时提升多足运动的速度 • CI可能减少穿越特定地形所需的多余腿部数量 **视频 AI 总结**：该演讲介绍了介尺度机器人的形态智能（Morphological Intelligence）在运动控制中的理论与应用。演讲者通过信息论和生物学启发，探讨了如何利用冗余形态（如多足）和计算智能来生成可靠、高效的 locomotion，尤其是在噪声主导的复杂地形中。核心观点是：通过增加腿的数量和协调身体与腿的运动，可以在不依赖反馈的情况下实现可预测的运动，并进一步通过形态与计算的协同设计优化性能。 **主要内容**： - 介尺度机器人（约1千克）的定义及其在搜救、精准农业等场景中的重要性。 - 形态智能：利用冗余形态（如多足）被动应对环境扰动，实现无需反馈的可靠运动。 - 步进运动与数字信号传输的类比：通过离散化步进和冗余编码，减少噪声影响。 - 生物学启发：从蜈蚣等动物中学习身体与腿的协调，实现“陆地游泳”以提高速度。 - 形态与计算的协同：通过传感器估计地形复杂度，调整步态模式，实现速度和鲁棒性的平衡。 - 超越生物学：探索不对称形态和独立腿控制，通过图优化发现非对称步态可显著提升速度。 - 未来方向：将形态智能与计算智能结合，按需生成高效介尺度机器人。 2026年4月3日 Baxi Chong 是宾夕法尼亚州立大学机械工程系的助理教授。