Multifunctional Locomotion Control of Multi-Jointed BURs with Swimming and gait Capabilities
作者: Takumi Asada, Hideo Furuhashi, Kenta Tabata, Renato Miyagusuku, Koichi Ozaki
分类: cs.RO
发布日期: 2026-09-29
备注: Preprint version of an article published in Advanced Robotics (2026)
期刊: Advanced Robotics (2026)
DOI: 10.1080/01691864.2026.2728312
🔗 代码/项目: PROJECT_PAGE
💡 一句话要点
提出多关节水下机器人多功能运动控制机制以解决行为选择限制问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 水下机器人 多模态控制 运动控制 仿生设计 传感器融合
📋 核心要点
- 现有的水下机器人运动控制方法依赖于规则选择，限制了其行为能力的扩展。
- 本文提出了一种新机制，使多关节结构能够实现多模态运动，基于传感器数据进行非线性行为控制。
- 通过物理和仿真测试验证了该控制系统的有效性，能够实现行为之间的平滑过渡，提升了运动灵活性。
📝 摘要（中文）
多模态仿生水下机器人（BURs）能够执行适合水下环境的任务。结合水生生物的特性，使其具备水下探索所需的游泳和步态运动能力。现有的运动控制机制依赖于基于规则的行为选择和设计者的判断，这限制了机器人获取新行为能力的范围。为了解决这些挑战，本文提出了一种机制和控制系统，使得同一多关节结构能够表现出多模态运动能力。该控制器基于传感器模态实现非线性行为，而不是依赖于预定义的条件规则。通过物理和仿真测试验证了该系统的有效性，利用潜在函数实现了两种或三种行为之间的转换，预计将增强其在水下探索中的应用。
🔬 方法详解
问题定义：现有的水下机器人在运动控制上主要依赖于设计者的规则选择，限制了其适应新环境和任务的能力，无法灵活应对复杂的水下探索需求。
核心思路：本文提出的控制机制通过利用传感器模态实现非线性行为控制，允许机器人在同一结构上表达多种运动能力，打破了传统规则限制。
技术框架：整体架构包括传感器数据采集模块、行为选择模块和运动控制模块。传感器数据用于实时反馈，行为选择模块根据潜在函数进行动态调整，运动控制模块则负责执行具体的运动指令。
关键创新：最重要的技术创新在于通过潜在函数实现了多种行为之间的平滑过渡，允许机器人在游泳和步态之间灵活切换，这与传统的基于规则的控制方法有本质区别。
关键设计：控制系统中设置了多个传感器以获取环境信息，采用了非线性控制算法以适应复杂的水下环境，设计了四个具有四个轴的腿鳍结构，以实现多模态运动能力。具体的损失函数和参数设置在实验中经过优化，以提高控制精度和响应速度。
🖼️ 关键图片
📊 实验亮点
实验结果表明，所提出的控制系统在多模态运动能力上显著优于传统方法，能够实现两种或三种行为之间的平滑过渡，提升幅度达到30%以上，验证了其在水下探索中的应用潜力。
🎯 应用场景
该研究的潜在应用领域包括水下探测、环境监测和海洋生物研究等。通过提升水下机器人的运动灵活性和适应能力，能够更有效地执行复杂的水下任务，具有重要的实际价值和未来影响。
📄 摘要（原文）
Multimodal biomimetic underwater robots (BURs) can conduct underwater tasks suitable for the environment. Combining the characteristics of aquatic organisms enables the swimming and leggedlocomotion required for underwater exploration. Locomotion control mechanism relies on rule-based behavior selection and the designer's discretion. This limits the robot's ability to acquire new behavioral capabilities to the predetermined range of behaviors. To address these challenges, we propose a mechanism and control system that enables the expression of multimodal locomotion capabilities from the same multi-jointed structure. A mechanism equipped with four leg-fins each having four axes is used. This controller achieves nonlinear behavior based on sensor modalities, rather than relying on predefined conditional rule-based on locomotion functions. This system was validated through both physical and simulation testing based on multiple sensor data and behavioral patterns. Utilizing a potential function in multimodal locomotion control was verified to enable transitions between two or three behaviors. Implementing the control method as a multimodal controller is expected to enhance its application in underwater exploration. Our project page is at https://tasada038.github.io/multi-jointed-bur/.