9.4 仿生控制与中枢模式发生器

9.4 仿生控制与中枢模式发生器

机器人学的发展历程中，向自然界寻求灵感始终是一条富有成效的技术路径。仿生控制的核心思想在于，借鉴生物体在亿万年进化中形成的卓越运动控制机制，并将其转化为工程化的控制策略，以解决传统控制方法在应对复杂、非结构化环境时所面临的挑战。在众多仿生控制范式中，中枢模式发生器因其在解释和工程化实现生物节律运动方面的简洁性与鲁棒性，已成为足式、鳍游、扑翼等周期性运动机器人控制领域的关键技术之一。本节将系统阐述CPG的生物学基础、数学模型、网络耦合机制及其在机器人运动控制中的具体应用与设计方法。

9.4.1 生物学基础与核心概念

在脊椎动物和无脊椎动物中，许多规律性的节律运动（如步行、奔跑、游泳、呼吸、咀嚼）并非完全由高层大脑有意识控制，也非单纯依赖外周的感觉反馈。研究表明，这些运动由脊髓或神经节中存在的神经振荡回路所产生。这种位于中枢神经系统、能够在外界输入或高层启动信号触发下，自主产生并协调节律性模式神经信号的神经网络，即被称为中枢模式发生器。

9.4.1.1 CPG的生物学特性

• 自主性：在去除所有时序性感觉输入后，CPG仍能产生基本的节律模式。这表明其节律源于网络内部神经元或回路固有的动力学特性。
• 可调节性：CPG的活动并非固定不变。高层命令（如从脑干下行的信号）和感觉反馈可以调节其频率、幅度和相位，从而适应不同的运动需求（如行走、小跑、奔跑）和外部环境变化（如上坡、踏空）。
• 分布式与耦合：复杂的节律运动通常由多个CPG单元耦合而成。例如，哺乳动物的步态由控制每条腿的CPG单元通过特定的相位关系耦合协同产生。

9.4.1.2 从生物学到工程学
工程上的CPG控制器，正是对生物CPG这些特性的数学抽象与建模。它摒弃了模仿具体神经细胞的生物电化学细节，而是抓住其产生稳定节律、接受调制和相互耦合这三个核心功能，用简洁的数学模型（常为非线性振荡器）来实现。工程CPG的目标是为机器人提供一个具有内在节律性和协调性的低层运动模式发生器，上层只需进行简单的速度、方向等高层指令下达，底层的节律协调由CPG网络自动完成。

9.4.2 CPG的数学模型

CPG的数学模型通常由一个或多个非线性振荡器构成。这些振荡器具有稳定的极限环，能在外界扰动后自动恢复其节律。

9.4.2.1 代表性振荡器模型

1. 相位振荡器：最简单的模型，仅描述振荡的相位ϕ\phiϕ，其动力学为ϕ˙=ω\dot{\phi} = \omegaϕ˙​=ω，其中ω\omegaω为频率。可通过耦合项实现同步，但描述幅度动态的能力有限。
2. 极限环振荡器：能同时描述幅度和相位的动态，更符合生物CPG特性。
   • Hopf振荡器：在极坐标(r,ϕ)(r, \phi)(r,ϕ)下描述：
     r˙=μ(a−r2)rϕ˙=ω \begin{aligned} \dot{r} &= \mu (a - r^2) r \\ \dot{\phi} &= \omega \end{aligned}r˙ϕ˙​​=μ(a−r2)r=ω​
     其中，rrr为振幅，ϕ\phiϕ为相位，μ\muμ收敛系数，aaa为极限环半径平方，ω\omegaω为固有频率。该系统有一个半径为a\sqrt{a}a​的稳定极限环。
   • Matsuoka振荡器：一种更复杂的神经元模型，由两个相互抑制的神经元（伸肌神经元和屈肌神经元）构成，能产生更接近生物神经信号的输出，参数具有更明确的生理学对应关系。

9.4.2.2 CPG网络与耦合
单个振荡器产生单一节律信号。为了控制具有多个运动单元（如机器人的多条腿）的机器人，需要构建CPG网络。网络中的每个振荡器对应一个运动关节或肢体，振荡器之间通过相位耦合来协调。

• 耦合方式：通常采用扩散耦合或相位锁定耦合。例如，对于两个Hopf振荡器iii和jj