机器人要模仿动物运动，一直是个技术难题。

鱼摆尾巴游泳，蛇蜿蜒前进，尺蠖弓背爬行，章鱼腕足灵活伸展——这些动物的运动方式看起来完全不同，但都有一个共同点：依靠身体弯曲来实现移动。

图1 不同动物的身体弯曲运动
 

问题来了：能不能用一套数学模型，同时描述这些看似迥异的运动方式？

华南理工大学联合广电运通、珠海市海洋装备研究院和北京大学等单位，最近在Research期刊上发表的一篇论文，给出了肯定答案。

研究团队提出了一种面向多模态仿生运动的通用运动学模型，将身体曲率方程与非线性振荡器结合，用同一套框架就能描述鱼、蛇、尺蠖、章鱼腕足等多种生物运动。

这意味着，仿生机器人终于找到了一种“通用运动语言”。

01.

为什么需要统一的“运动语言”

过去研究仿生机器人，通常是一种动物对应一套模型。

比如鱼类巡游用行波方程描述，蛇形运动用蛇形曲线描述，尺蠖和章鱼腕足又各有各的建模方法。这些模型在特定场景下确实有效，但问题也很明显：缺乏统一性。

一旦研究对象从鱼变成蛇，或者运动方式从直行变成转弯，往往就需要重新建模、重新调参、重新设计控制算法。对仿生机器人研发来说，这大大增加了复杂度。

更关键的是，真实动物的运动远比简单周期摆动复杂得多。鱼类不仅会直线巡游，还能完成C形急转、S形急转等高机动动作；章鱼腕足既能向前伸展，也能大范围扫掠；蛇和尺蠖在不同环境中也会切换身体形态。

以往的模型通常只能描述其中一部分运动，很难全面覆盖。这就像每种动物说一种"方言"，机器人要学会多种动物的运动，就得掌握多种"方言"，效率低下且容易出错。

因此，机器人研究迫切需要一种更底层、更通用的“运动语言”：既能表达不同动物的身体弯曲形态，又能方便地转化为机器人的控制指令。

02.

从曲率出发，构建通用模型

华南理工团队的核心创新，是从身体曲率这个更本质的角度出发。

曲率可以理解为“身体弯得有多厉害”。当曲率沿身体长度和时间发生变化时，就能形成不同的运动形态：小幅周期摆动对应鱼类巡游，大曲率弯折对应鱼类急转，连续波状弯曲对应蛇形前进，局部拱起对应尺蠖运动，非均匀弯曲则描述章鱼腕足的伸展和扫掠。

研究团队将曲率方程与非线性振荡器结合起来。前者决定身体在空间上“弯成什么形状”，后者决定运动在时间上“如何节律变化”。通过参数调整，模型可以在不同动物、不同运动模式之间自由切换。

图2 通用运动学模型对多种生物运动的复现
 

从图2的对比可以看出，通用模型成功复现了多种生物运动形态。在蛇形运动中，模型生成连续波状曲线，对应蛇的前进和转向；在尺蠖运动中，模型产生类似“Ω”形的身体姿态，描述其周期性弓身和伸展；在章鱼腕足运动中，模型既能描述小角度的伸展动作，也能描述大范围的扫掠动作。

这说明该模型不是只适用于某一种机器人，而更像一个可调节的“运动生成器”。研究人员只需根据目标动物的形态和运动特征设定参数，就能得到对应的身体曲线。

03.

从模型到实物：机器鱼验证

有了数学模型还不够，仿生机器人最终需要真实运动。

研究团队构建了一个"仿生对象选择—运动优化—运动生成"的控制框架。

图3 多模态运动优化框架
 

第一步是仿生对象选择，确定要模仿的对象（鱼、蛇、尺蠖或章鱼腕足），并根据其运动特征设置模型边界条件。第二步是运动优化，对于可以精确建模的多关节机器人或连续体机器人，结合动力学模型和仿真环境评估不同参数下的运动效果；对于难以精确建模的软体、欠驱动或复杂流固耦合系统，则结合虚拟环境和机器学习方法进行优化。第三步是运动生成，将优化后的运动学曲线转化为机器人各关节或执行器的控制信号。

这套框架把“从生物运动到机器人控制”的过程系统化了。研究人员不必为每一种运动单独设计复杂控制器，而是可以在统一模型下进行参数搜索、仿真评估和控制生成。

为了验证方法的有效性，研究团队选择了多关节机器鱼作为实验平台。鱼类运动是很好的验证对象，因为它既包括稳定的巡游，也包括快速、大曲率的转向动作。

视频1展示了模型生成的多种鱼类运动形态，包括直线巡游、巡游转向、C-turn和S-turn。直线巡游时，身体摆动基本关于中轴线对称；巡游转向时，身体曲线出现一定偏置；C-turn中，鱼体快速弯成类似C的形态；S-turn中，身体则呈现更加复杂的S形弯曲。

传统鱼类行波模型往往更擅长描述规则、对称、平稳的巡游运动，但对大曲率、非对称、快速转向动作描述不足。本文模型从曲率出发，因此更容易生成C-turn和S-turn这类高机动动作。

为了让机器鱼执行连续曲率模型生成的身体曲线，需要将连续鱼体离散成多个刚性连杆，并计算各个关节在不同时刻应达到的角度，再通过控制器驱动电机运动。视频2展示了相应的动力学仿真效果。

视频3展示了机器鱼在头部固定状态下执行直线巡游、巡游转向、C-turn和S-turn等运动时的身体姿态，说明模型生成的连续曲线可以有效映射到机器鱼关节运动中。

随后的游动实验中，机器鱼在真实水环境中不仅能够完成稳定直线巡游，也能实现巡游转向、C-turn和S-turn等动作，说明模型生成的运动能够进一步转化为实际推进和转向能力。

更值得关注的是机器鱼原地快速转向的能力。在该实验中，机器鱼身体通过大幅度的快速弯曲，完成了极小转弯半径下的大角度航向改变。实验结果显示，优化后的S-turn最终转向角达到约160°，峰值瞬时角速度达到350°/s，转弯半径仅为0.19倍身长。

这表明该模型不仅能实现机器鱼的基础游动，还可显著提升其在狭窄空间穿行、避障、目标追踪等场景下的高机动转向能力。

04.

从"会动"到"善动"的跨越

这项研究的意义不仅在于构建了新的运动学模型，更为仿生机器人提供了统一的运动设计范式。

首先，该通用模型可大幅降低控制开发难度。一改以往各类仿生机器人需单独建模、定制控制的弊端，能够对鱼类、蛇形、尺蠖、章鱼腕足等多种运动形式进行统一表征，支持多运动模式在同一参数体系下生成与切换。

其次，模型可显著提升机器人的复杂环境适应能力，使其灵活完成巡游、转向、穿越、攀爬、抓取等多动作切换，高度复刻自然生物的运动特性。

此外，该模型还可融合强化学习算法，为难以精确建模的软体机器人、欠驱动机器人及复杂流体环境提供运动先验，有效降低训练开销、提升控制效率。

从更长远看，这项研究也为生物力学和机器人学之间搭建了一座桥梁。它不仅能帮助机器人“模仿生命”，也能反过来帮助科学家理解动物运动背后的共同规律。

当机器人不再只是机械地执行轨迹，而是能够像生物一样通过身体形态协调产生运动时，仿生机器人或许将从“会动”迈向真正的“善动”。

该论文的第一作者为广电运通的洪梓村博士，通讯作者为华南理工大学吴贤铭智能工程学院的钟勇教授，合作作者包括华南理工大学费俊文、李巍华教授、珠海市海洋装备研究院院长严俊、北京大学喻俊志教授、广电运通研究总院院长田丰。

论文链接：

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