外观
新闻Robohub2 个月前
EPFL仿生鱼机器人ZBot验证间歇游动神经机制与能效优势
本文由 AI 根据公开内容整理，可能有误，请以原文为准：Intermittent swimming promotes the energy efficiency of fish-like robot movements（Robohub）
核心内容
EPFL、杜克大学及里斯本高等技术学院联合团队发布幼斑马鱼仿生机器人平台ZBot，旨在解析水生生物间歇游动的节能机制。该平台按200倍比例放大，体长80cm、重2.8kg，通过六段伺服驱动柔性尾鳍模拟自然波动，头部集成中央控制器、高精度相机及实时功率计，支持视觉运动处理与前庭系统研究，为量化对比间歇游动与连续游动能效提供了标准化实验载体。
团队构建了以中枢模式发生器（CPG）和Bout-gate模块为核心的神经计算模型，利用泄漏积分器触发阈值控制尾鳍摆动节奏，结合腹侧脊髓投射神经元（vSPNs）调节转向，成功复现慢速直游、常规转弯及J型转弯等步态。实验覆盖水（Re 64k-160k）、中等粘度液（Re 37-449）及高粘度液（Re 1-88）三种流态，验证了该控制框架在不同雷诺数下的鲁棒性及视觉引导下的视动反应一致性。
关键看点
- 仿生硬件规格：ZBot体长80cm重2.8kg，采用六段伺服驱动柔性尾鳍，集成实时功率计与可扩展传感器接口，精确复刻幼斑马鱼形态与质心分布。
- 神经控制架构：基于CPG与Bout-gate模块构建神经计算模型，通过泄漏积分器累积信号触发阈值，实现“主动爆发+被动滑行”的间歇游动节律切换。
- 多流态验证：在水、中等粘度及高粘度液体三种环境中测试，雷诺数跨度从1至160000，证实间歇游动策略在不同粘性流体 regime 下的运动有效性。
- 端到端感知闭环：扩展模型构建视觉引导视动反应框架，将视网膜输入转化为电机输出，并在实体机器人与数字孪生simZFish中同步复现生物行为。
工程与产业观察
ZBot将生物神经机制转化为可量化的工程控制模型，证明了仿生间歇步态在跨尺度流体环境中的能效优越性。其“神经计算+物理验证”范式为水下具身智能提供了低功耗运动规划新思路，对微型仿生机器人续航优化及复杂流体自适应控制具有重要参考价值。
来源
本页事实对应的公开页面，以原文为准。