研究成果以“A Robot Motion Learning Method Using Broad Learning System Verified by Small-scale Fish-like Robot”為題，發(fā)表在智能控制領(lǐng)域權威期刊IEEE Transactions on Cybernetics(JCR一區，影響因子：19.118)。徐升副研究員為第一作者，徐天添研究員為通訊作者，中國科學(xué)院深圳先進(jìn)技術(shù)研究院為第一單位。 

   微型仿魚(yú)機器人由于構型合理、尺度很小，可以更為靈活地在復雜狹小空間內穿梭作業(yè)，在微孔探查、靶向治療等小尺度操作領(lǐng)域具有巨大的應用潛力。但是，受磁場(chǎng)與機器人運動(dòng)之間的強非線(xiàn)性影響，使得機器人按要求軌跡運動(dòng)控制十分具有挑戰。同時(shí)，在復雜場(chǎng)景中，如人體內，理想目標軌跡的準確坐標往往不便獲取，限制了追蹤控制策略的應用。體內環(huán)境迂曲復雜，存在頻繁方向改變，控制器反復調整計算復雜繁瑣，存在重復性。因此，十分有必要將微型機器人的底層運動(dòng)封裝為基本運動(dòng)，例如直走，直角彎，S形彎，C形彎等，并將這些基本運動(dòng)作為高層運動(dòng)指令庫的基元，便于在后續的宏觀(guān)運動(dòng)路徑規劃中按需調用，可降低實(shí)時(shí)控制指令的解算復雜度。研究團隊結合寬度學(xué)習理論，對磁控仿魚(yú)機器人的運動(dòng)基元開(kāi)展訓練學(xué)習完成多種復雜運動(dòng)。 

  研究團隊設計了以寬度神經(jīng)網(wǎng)絡(luò )為主體的微型機器人基本運動(dòng)控制器；基于李雅普諾夫穩定理論，推導了保障機器人運動(dòng)穩定的控制器網(wǎng)絡(luò )參數約束，大大簡(jiǎn)化不同運動(dòng)基元的控制器參數訓練學(xué)習過(guò)程；提出了以磁場(chǎng)參數變化與機器人速度矢量變化為所需數據的控制器網(wǎng)絡(luò )參數訓練方法，使用者只需通過(guò)改變訓練數據的種類(lèi)即可獲得多種運動(dòng)基元，而且考慮了穩定約束的訓練算法可以保證所獲得的控制器必然穩定。

圖2 基于寬度神經(jīng)網(wǎng)絡(luò )的微型仿魚(yú)機器人運動(dòng)基元學(xué)習控制方法

圖3 微型仿魚(yú)機器人結構及運動(dòng)原理，磁驅動(dòng)實(shí)驗系統

   通過(guò)仿真及實(shí)驗，研究團隊運用所提的學(xué)習控制方法獲得了銳角彎、J形彎、S形彎等多種運動(dòng)基元的微型機器人控制器，并開(kāi)展了仿魚(yú)機器人避障運動(dòng)實(shí)驗。在機器人運動(dòng)過(guò)程中我們通過(guò)人為搖晃容器、暴力碰觸機器人模擬了真實(shí)場(chǎng)景中可能存在的復雜擾動(dòng)，機器人在復雜環(huán)境中，直接調用C形彎，S形彎等運動(dòng)基元實(shí)現高效避障，通過(guò)使用所提方法機器人均可以抵達最終指定區域，驗證了所提方法的強抗擾能力。該成果符合高層運動(dòng)指令規劃的思想，大幅簡(jiǎn)化了實(shí)時(shí)控制指令解算復雜度，為微型機器人的多機集群運動(dòng)或無(wú)參考軌跡最優(yōu)運動(dòng)規劃打下基礎，同時(shí)還可推廣至無(wú)人機、無(wú)人車(chē)以及工業(yè)機器人的復雜運動(dòng)控制。

圖4 機器人多次執行“S”形避障實(shí)際效果

圖5 機器人強抗擾能力驗證（暴力阻攔、容器振動(dòng)）

   該系列研究工作得到了國家重點(diǎn)研發(fā)計劃、國家自然科學(xué)基金、廣東省自然科學(xué)基金、中科院青促會(huì )、深圳市等科技項目資助。