此文特别感谢约翰霍普金斯大学工程学院机械工程学助理教授黎陈所给予的支持。
你了解蟑螂吗？普通人会说这是一种害虫，繁殖很快，而且会传播细菌；昆虫学家会说蟑螂属于节肢动物门，昆虫纲，蜚蠊目（Blattaria）体扁平，黑褐色；而毕业于北京大学，目前是约翰霍普金斯大学工程学院机械工程学助理教授的黎陈则会说，机器人通过模仿蟑螂的运动轨迹，可以得到更强的机动性。
就在今年 2 月，黎陈在《Bioinspiration & Biomimetics》期刊上连续发表了两篇论文，题目分别为《昆虫与多足机器人在颠簸地形中、身体与地面间的交互》（Body-terrain interaction affects large bump traversal of insects and legged robots）和《昆虫与多足机器人在跨越巨型间隙时的动力模型》（Dynamic traversal of large gaps by insects and legged robots reveals a template）。
在第一篇论文中，黎陈指出，昆虫与多足机器人在穿越复杂地形时，面对大型障碍物时，他们必须要快速穿越。但是在这个过程中，昆虫和多足机器人的身体都会和障碍物发生接触。以现有的科学成果来看，科学家对于这个过程的描述是和理解都是欠缺的，比如机器人需要达到什么样的性能才能穿越特定高度的障碍物等等。
为了解决这个问题， 黎陈和博士后研究者 Sean W. Gart 展开了研究。他们选择观察的对象是蟑螂，因为蟑螂在快速奔跑的过程中，可以穿过高于其尾部四倍的障碍物，远远超过了现有多足机器人所能达到的水平。
起初，研究团队认为，玄机可能在蟑螂腿上的刺。然而，足跗节的刺实际上是一种感知器官，类似于人类的眼睛、鼻子和嘴。这些刺有感受嗅觉功能，用来寻找食物和发现配偶，同时还有感受声音、振动的功能，以避开敌害。
既然不是这些刺，那答案究竟会是什么呢？于是黎陈和 Sean 准备了一个密封的透明箱子，箱子里面有两条“赛道”，分别是颠簸赛道和巨型间隙赛道，箱子外面则是高速摄影机。这两条赛道分别用来模仿蟑螂平时的生活环境，以更好的观察这些昆虫的习性。
图丨波士顿动力所掌握的步态技术与主流截然不同
后来，他们发现，蟑螂的步态规律和传统仿蟑螂式六足机器人设计中提到的并不相同。传统的机器人所采用的步态名为交替三角形步态，即将身体两侧的六条腿分成两组，以三角形支架结构交替前行。身体左侧的前、后足及右侧的 中足为一组，右侧的前、后足和左侧的中足为另一组，分别组成两个三角形支架。
当一组三角形支架中所有的足同时提起时，另一组三角形支架的三只足原地不动支撑身体，接着重心前移，并以中足为支点向前移动，同时机体的重心落在另一组三角形支架的三只足上，然后再重复前一组的动作，以此交替运动使机体前行。
多足机器人的移动需要保证三点：1.满足机身运动约束；2.保证摆动腿足端能够落到理想的落足点；3.确保机身具有足够的稳定裕度。通常，多足机器人为了实现第二点和第三点需要不断调整机身位姿，这是一个复杂且不稳定的过程，会影响机器人的步态效率，从而降低穿越障碍的成功率。
图丨昆虫的三角步态行走
事实上，蟑螂的步态非常特殊，结合了动量景观模型的测算后，黎陈和 Sean 得出了结论：蟑螂和多足机器人在穿越障碍时，保持低初始偏航角和高初始俯仰角的步态会使得穿越的成功率变高，并且能够突破更崎岖的路面以及更高的障碍。因此，他们改进了传统的交替三角形步态，新步态可以跨越的高度比以往高了75 %。
跨越间隙
在上文中，我们提到，研究团队为蟑螂准备了两条赛道。第一条赛道用来观察蟑螂如何穿越障碍，而第二条赛道则是用来观察蟑螂如何跨越间隙。
因此，在第二项研究中，黎陈把重点放在了反馈上。蟑螂的反馈本能与反射机能、机器人的反馈主要来自于先前知识和高保真度环境监测。可是，在一些复杂地形中，传感器和线路规划很可能受到带宽、噪音等不利条件的干扰，以致于机器故障。
传统的规划主要包括两部分内容：机身工作空间求解和机身位姿调整。现有的机身工作求解主要采用数值解析法，鉴于这种算法涉及到了大量的逆运动解析，因此效率并不是很高。虽然可以用蒙特卡洛方法来避免逆解产生的问题，然而在非平坦地形时，依然效率不高。机身工作空间则是上述机身移动时所需要保证的三点。
跨越间隙时机器人还需要考虑另外一件事，那就是重心移动路线。机身高度则是该路线中的一个重要参数，随着机身高度的增加，机器人足端可达区域就会越来越小，也就致使其跨越间隙的距离越来越短。
通过对蟑螂进行观察，研究团队发现，蟑螂可以很快速地穿过一个和它身体差不多长的间隙，而在穿越之前，蟑螂没有对间隙的大小进行过测量。这样的行为引起了科学家们的好奇，于是他们结合高速摄影和三维模型，开发了一种动态捕捉运动预测模型。
该模型可以帮助多足机器人在穿越间隙时控制偏航角和俯仰角，从而提高了穿越距离。根据该团队的介绍，动态捕捉运动预测模型最高可以实现50%的穿越距离提升。
研究的应用
黎陈告诉 DT 君，实验室目前主要研究动物/机器人与复杂的三维地面环境的力学相互作用，比如：
对昆虫：热带雨林中的草丛/灌木/掉落的树叶树枝/碎石，山区的石头堆/树丛。
对多足机器人：地震/山洪塌方，坍塌的建筑物/瓦砾，塞满东西的房间/仓库，狭窄的建筑物结构（管道，通风系统）。
同时，黎陈指出，绝大多数的机器人研究集中于如何控制机器人绕过/躲避障碍物，而不是如何成功的越过它们（比如自动驾驶车辆绕过所有的障碍物）。这正是因为我们没有完善的力学模型来指导机器人的机械设计和控制方法来通过复杂地面环境，而只能靠用各种传感器来感知障碍物并绕过它们。
黎陈说到，“刚发表的两篇文章是我们的最初尝试，研究的是两种类型的简单三维地面环境（大空隙和大台阶）。我们不仅发现了快速通过这两种地形的力学原理，还应用这些原理提高了机器人能通过的最大障碍尺度。因为我们的模型非常简单（低自由度，并不包含腿或其它关节），我们发现的这些力学原理也适用于其它类型的机器人（比如车辆）上帮助他们通过这些地形。”
多足机器人在颠簸地形的步态研究听起来意义其实比想象中的要大，尤其是灾难后的救援工作。现有的救援机器人都不是智能机器人，需要人工远程遥控才可完成救援搜索工作。如果多足机器人可以自己穿过复杂地形找到伤者，那么救援周期就会大大缩短。有的时候，仅仅慢了一两秒，可能就损失一条生命。
此外，多足机器人也是地外搜索的常客。和现有的救援机器人类似，目前的太空搜索多足机器人也不是智能的，仍然需要人工远程操作。
图丨左为ASV，右为Genghis II
在上述的两项应用领域中，轮式机器人也占有一席之地。不过多足机器人的地面适应力更强，其运动冗余丰富，可以实现复杂步态。这个特点，在仿生多足机器人身上得到了放大，麻省理工学院在1990年设计开发的 Genghis II 仿生多足机器人的性能，远远超出了 1986 年的六足机器人 Adaptive Suspension Vehicle（ASV）。后者不但满足了所有多足机器人的特点，而且在面对颠簸地形时依然稳定。
更稳还是更快？
研究团队的实验结果是多足机器人在新步态以及新模型的支持下，跨越了更高的障碍，穿过了更高的间隙，但是他们并没有过多强调这项研究可以使机器人在面对复杂地形时提升行进速度。
这是因为步态周期内，摆动腿数量越多，虽然会提升机器人的行进速度，但是也会降低机器人的步态稳定性。在研究团队的成果中，他们偏向于实际应用。低稳定性的产品并不适合于投入实地，而行进速度快则通常是轮式机器人的研究重点。
黎陈自 2012 年开始就在研究蟑螂步态，他表示，研究的灵感来源于观察蟑螂在杂乱的三维地形中移动，这些障碍物的尺寸远远超过了蟑螂的大小，可他们却能越过障碍达到目的地。
他计划将更加随机分散的复杂地形投入于研究之中，以便获得更高的研究成果。“我们正在扩展研究更多其它类型复杂三维地面环境中的运动，通过更多系统的动物实验，机器人实验，和物理建模加深和推广对复杂地面环境相互作用力学原理的理解（Terradynamics）。”
“我们最终希望能通过我们的基础研究帮助人们更好的设计和控制地面机器人通过（而不是绕过/躲避）这样的复杂地面环境，就像空气动力学和水动力学（Aerodynamics & Hydrodynamics）帮助我们理解动物如何飞行和游泳和设计飞机/飞行机器人和船舶/潜艇/水下机器人一样。”
这两项研究成果更像是多足机器人领域的工具，利用其去开发多足机器人，就能少走弯路，实现更高性能。这对于该领域来说无疑是推动产业的奠基石。不过，研究成果到最终生产之间仍存有一定距离，比如机身“死锁”、位姿有效耦合等等。
