基于蝮蛇视觉机理的蛇形机器人目标跟踪系统研究

A snake-like robot can move on the ground, in the desert, under the water, and so on, which makes it be widely utilized in many fields such as military reconnaissance, earthquake rescue and planetary exploration. However, because of the rhythmical swing of the body, the complex illuminations, the occlusions in these varying environment, visual tracking for the snake-like robot is still a challenging problem which limits the autonomy and intelligence of the robot. This project aims to deeply study the visual mechanism of Vipers and apply it to the visual tracking system of the snake-like robots, so as to enhance the autonomy and intelligence. For this purpose, this project will study the following aspects: cancelling rhythmical swing control based on the redundant freedom; visual object tracking method based on the visual mechanism of Vipers and the deep metric learning; Object tracking control method for snake-like robots based on the fiber bundle theory and the visual object tracking method; adaptive gaits study based on the locomotion of the snake and the vision aid. Based on the promising research results of this project, the autonomy of the snake-like robot can be enhanced and the process from the theory study to the practical application can be pushed.

蛇形机器人可在平地、沙漠和海洋等多种环境中运动，因此可广泛应用于军事侦察、地震救灾和星球探测等领域。然而在这些复杂多变环境下，由于蛇形机器人节律摆动、环境光照变化明显、障碍物遮挡严重等因素，蛇形机器人视觉跟踪仍然是一个挑战性的问题，因此严重限制了蛇形机器人的自主性和智能性。本项目旨在深入研究蝮蛇的视觉机理，并将其应用于蛇形机器人的目标跟踪系统中，以提高蛇形机器人在复杂未知环境下的自主性。围绕这个目的本项目包括以下几个方面的研究：基于冗余自由度的视觉系统去节律摆动控制方法研究；基于蝮蛇视觉机理和深度度量学习的视觉目标跟踪算法研究；基于纤维丛理论和视觉目标跟踪算法的蛇形机器人目标跟踪控制方法研究；基于蛇形机器人运动步态和视觉系统辅助的蛇形机器人智能自适应步态研究。力争通过本项目的研究提升蛇形机器人的自主能力，推动蛇形机器人由理论研究进入到实际应用中。

蛇形机器人可以在陆地、海洋、洞穴、丛林等多种环境中运动，因此能广泛应用于救灾、星球探索、军事侦察等领域。蛇形机器人在不同的环境中迅速完成任务的基础是视觉跟踪技术，然而由于极限环境往往是未知的，复杂的，非结构化的，如何在如此复杂的环境中进行视觉跟踪仍然是一个挑战性的问题。本项目针对该问题，从蝮蛇的视觉机理出发，希望通过对蝮蛇视觉机理的研究实现复杂环境中的视觉跟踪。为此，本项目首先研究了蝮蛇的视觉机理，发现蝮蛇在复杂环境下通过将来自于可视光和红外光信号通过视神经传入大脑皮层，然后大脑皮层产生控制命令并传入小脑，再由小脑控制身体的节律。受此启发，本文提出了大脑-小脑分层控制的框架实现视觉跟踪。.对于大脑层，本项目提出利用卷积神经网络处理视觉信号，由dijkstra算法生成数据，利用模仿学习来学习上层的策略规划；另外，当自身模型和环境模型都未知时，采用强化学习的方法实现上层的路径规划；对于小脑层，提出基于几何力学的自动步态生成算法。为了完成最终的路径跟随算法，本项目还联合单轮移动机器人的路径跟踪算法实现蛇形机器人的路径跟踪算法。为了验证所提方法，本项目自主构建和研发了五代蛇形机器人样机，并在不同的样机上验证了所提方法。另外，将本项目所提的方法也应用到仿蝾螈机器人和智能装配系统，都取得了很好的效果。.发表/录用SCI源刊论文4篇，包括IEEE Transactions论文3篇；EI源论文8篇；受理发明专利1项，实用新型1项，出版著作2部，项目负责人所指导的学生荣获2019年挑战杯全国三等奖。