据外媒报道，荷兰代尔夫特理工大学（TU Delft）与瑞士洛桑联邦理工学院（EPFL）的研究人员研发了无需电机的四足机器人，可以模仿狗的奔跑动作。研究人员利用机器学习技术分析犬类的动作，并设计出一套弹簧、缆绳及串联系统，让该机器人能够在跑步机上行走，并能适应速度的变化。电机仅用于攀爬或避障等任务，而且使用量被降至最低。研究人员表示：“通过提升机械与认知能力，我们旨在研发出更高效且能高度适应复杂环境的四足机器人。”

四足机器人（图片来源：代尔夫特理工大学）

仿生机器人的移动性

四足动物凭借特殊的形态结构、弹性肌腱以及生物力学特性，能够在各种复杂地形中高效移动。尽管四足机器人通常需要依赖刚性组件和复杂的控制系统，但其试图模仿此类能力以用于探索和搜索救援等任务。尽管其适应性受限，但此类被动行走者可通过结构与环境的互动实现节能运动。

当前的仿生机器人采用顺应性驱动设计来模仿动物的动作。例如，以蜻蜓幼虫为灵感的抛射运动、基于鸵鸟特性的离合器装置以及以猫为基础的跳跃式腿脚。目前，研究人员正在研究协同作用，即让控制变得更为简单的协同运动模式。此种模式可以减少人形平衡系统和机械手对传感器和执行器的需求。

该研究团队展示了一款称作具有协同作用的被动自动机（Passive Automata with Synergies，PAWS）的四足机器人，可通过四个电机以协同方式操作其十二个自由度。此类电机结合基于协同作用的执行器以及最佳物理顺应性，可执行四种运动协同作用，而此种协同作用的灵感都来自于犬类奔跑时的生物学数据。

PAWS展现了稳健且多样化的被动步态，以及对环境变化所作出的主动、类似动物的反应。此外，通过将逆运动学（IKs）应用于电机协同作用，实现了坐、跳和跑等主动步态。

PAWS通过一条采用生物动作捕捉数据的流水线设计而成，提前基于协同作用的驱动方式，以复制神经机械耦合，从而导致腿部末端执行器具有定向刚度，而且能够根据工作空间而变化，从而改进步态性能。此种协同肌腱布线还促进了肌体耦合，实现适应性补偿行为。凭借其被动顺应性和环境适应性，PAWS代表了一种仿生学方法，用于研发高效且适应性强的四足机器人。

协同作用驱动的四足机器人

PAWS是一款采用电机协同作用和顺应性特点设计的四足机器人，可在最少执行器输入的情况下实现稳健性和多样化的行为。受动物神经机械耦合机制的启发，研究人员采用主成分分析法（PCA）对狗的关节运动进行了分析，以提取能够描述最显著运动模式的协同作用。

通过简化关节运动，该研究团队识别出四种主要的协同作用，能够解释80%的肢体运动变化。基于此种方法，研究人员设计了一款由12个关节组成的肌腱驱动四足机器人，仅通过4个执行器控制，每个执行器对应一种协同作用。

在该款四足机器人的设计过程中，肌腱布线、滑轮直径和关节刚度都得到优化，以模仿生物运动。对狗动作的逆运动学追踪分析证实，基于协同作用的控制系统让PAWS能够展现出逼真、类似动物的步态，包括行走、坐立和奔跑。实验数据表明，该机器人能够沿着生理启发式路径运动，而且其关节角度的变化也完全相同。

此外，PAWS展现出卓越的被动特性。当把其放置在没有电机驱动的跑步机上时，其呈现出类似奔跑的步态，展现出对外部的干扰的强大适应性以及基于速度变化的自适应行为，而且其机械耦合和顺应性互动作用让其具备稳定性，并能抵抗干扰。在受到物理干扰时，PAWS可在单个周期内恢复至稳定步态。

该研究充分展现了基于协同作用的设计可打造高效、灵活且适应性强的机器人。据该研究团队所说，PAWS为仿生运动提供了见解，并展示了降低驱动复杂性的益处，可应用于复杂多变环境中的机器人。