两栖球形机器人自适应运动控制与目标跟踪关键技术研究

Focusing on the problem that most existing small-sized amphibious robots lack practical motion control mechanisms, are relatively weak in environmental perception, and have low viability, this program tries to realize the autonomous motion of amphibious robots. An adaptive amphibious motion control mechanism and a novel visual tracking mechanism are proposed using advanced theories including computational neuroscience, multi-source information fusion, and adaptive motion control. Considering the motion constraint conditions of amphibious environments, the mechanical structure of the robot is optimized using theoretical tools like the mechanism principle and the numerical analysis to enhance the controllability, the robustness, and the efficiency of robotic motions. On the basis of establishing the mechanical model and the dynamic model, the motion decoupling of the robot is achieved. Then an adaptive motion control mechanism is designed using online system recognition and artificial neural network algorithms. The multi-type appearance characteristic of the specific target is extracted using the multi-source image feature fusion theory. The detection and the long-term tracking towards the target is realized using the deep neural network model and the P-N online learning strategy. The self-designed spherical amphibious robot is adopted as the verification platform to quantitatively evaluate the adaptability of the proposed motion control method and the proposed visual tracking mechanism to varied amphibious environments and various moving targets. The expected research results of this program may be meaningful to the practicability of amphibious robots and the enhancement of robot intelligence.

针对已有的小型两栖机器人缺乏实用性运动控制策略、环境感知能力较弱、生存能力偏低等问题。本申请项目以实现两栖机器人自主运动为应用目标，利用计算神经学、多源信息融合、自适应运动控制等理论，提出一种两栖自适应运动控制与目标跟踪机制。针对两栖环境的运动约束条件，以提高运动可控性、鲁棒性、效能比为目标，采用机构学理论和数值分析工具进行机器人的综合机构优化。建立两栖机器人机构和动力学模型，实现其动力和运动的解耦约束，采用在线系统辨识和人工神经网络算法构建自适应运动控制机制。采用多源图像特征融合，抽取目标物体的多类型特征，利用深度神经网络模型和P-N动态学习策略，实现复杂两栖环境下目标的检测识别和长期跟踪。以自研球形两栖机器人为验证平台，评测所提出的目标跟踪策略和运动控制方法对多类型水情、特定移动目标的适应性。本项目的预期研究成果，将为推进两栖机器人实用化、提高机器人智能化提供理论基础和指导方法。

本项目面向濒水两栖环境下机器人目标搜救、近海特定生物跟踪等应用背景，针对两栖多类型地形条件下，小型两栖机器人实施高效复合式推进、灵活稳定运动控制、长时准确目标跟踪的应用需求，提出了采用以建模优化复合式多模两栖驱动机构为基础，采用自适应运动控制方法和动态图像目标跟踪机制实现两栖机器人自主航行和探索导航的解决方案。首先，完成了球形两栖机器人运动学和动力学模型，在多地形和干扰力条件下，建立了小型球形两栖机器人复合推进机构模型及参数优化方法；其次，设计完成了具有地形自适应、参数自适应、干扰自适应能力的机器人运动控制方法，建立了机器人在水流干扰下鲁棒性控制算法；再次，完成了对基于P-N学习框架、卷积神经网络、两栖图像数据融合的图像目标跟踪算法框架的综合设计、定量实验、优化改进，验证了该算法用于小型两栖机器人、濒水复杂环境的有效性，实现了采用异构非对称运算架构在机器人平台部署目标跟踪系统的方案；最后，构建了3台两栖球形机器人样机，以其为机动载具和实验平台，建立了特定水体移动目标的图像跟踪策略和跟随运动控制方法，实现了采用小型自主式两栖机器人实现水体自主探索和动态监测，验证并评估了对水体漂浮物、舰船、水生生物等特定移动目标的图像跟踪策略和运动控制的理论可行性。研究重点突破了以推进效能和运动灵活性为优化目标的球形两栖机器人综合机构优化理论、球形两栖机器人复合多模式推进机构参数求解方法、面向多地形和多扰动环境的两栖机器人自适应控制策略、基于卷积神经网络和多源图像信息融合的两栖机器人图像目标跟踪算法理论等关键科学问题。研究成果弥补了现有两栖机器人的不足，对城市河道水污染检测、市政管道检测、水产养殖和教育娱乐行业等应用领域具有实用意义。