该设计使用基于协同效应的驱动和最佳柔顺性，以实现受狗跑步启发的四种运动协同效应。
一组研究人员开发了一种模仿狗跑步动作的无马达四足机器人。
代尔夫特理工大学和EPFL的研究人员利用机器学习来分析犬类运动，设计了一个由弹簧、电缆和串联组成的系统，使机器人能够在跑步机上行走并适应速度变化。
马达用于攀爬或躲避障碍物等任务，但它们的使用被最小化了。
代尔夫特理工大学CoR系副教授Della Santina在一份声明中说：“通过提高机械和认知能力，我们的目标是开发四足机器人，它们不仅效率更高，而且对复杂环境的适应能力也很强。”
仿生机器人机动性
四足动物利用其特殊的形态、弹性肌腱和生物力学特性在各种地形上有效地移动。尽管它们经常依赖于坚硬的部件和复杂的控制系统，机器人四足动物试图模仿这些能力，如探索和搜索和救援。虽然它们的适应性仍然有限，但被动步行者通过结构和环境的相互作用提供了节能运动。
目前的仿生机器人采用顺应性驱动设计来模仿动物的动作。基于蜻蜓幼虫的弹道运动，基于鸵鸟的离合器装置，以及基于猫的跳跃腿都是一些例子。研究人员正在研究协同作用 —— 使控制更容易的协调运动模式。协同作用减少了对传感器和致动器在人形平衡系统和机器人手的需求。
该小组提出了一种具有协同作用的被动自动机（PAWS），这是一种四足机器人，使用四个电机以协同方式操作其十二个自由度。该马达将基于协同的驱动与最佳的物理顺应性结合起来，执行四种运动协同，这是由狗跑步的生物学数据启发的。
爪子表现出强壮和多样的被动步态和对环境变化的主动、动物般的反应。此外，主动步态，如坐，跳，跑是可能的应用逆运动学（IK）的运动协同作用。
PAWS通过使用生物动作捕捉数据的管道设计，提取基于协同的驱动来复制神经机械耦合。这导致在腿的末端执行器的方向刚度，在其工作空间变化，以提高步态性能。协同肌腱路径也促进肢体耦合，允许适应性补偿行为。根据声明，PAWS具有被动顺应性和环境适应性，代表了一种生物启发的方法，可以开发高效、适应性强的四足机器人。
Synergy-driven四足动物
PAWS是一种机器人四足动物，利用运动协同和顺应性设计，以最小的驱动实现鲁棒性和多样化的行为。受动物神经力学耦合的启发，研究人员使用主成分分析（PCA）分析狗的关节运动数据，以提取描述最重要运动模式的协同作用。
研究小组发现了四种主要的协同作用，通过简化关节运动，它们解释了80%以上的肢体运动变化。一个由肌腱驱动的四足机器人有12个关节，由四个驱动器控制，每个驱动器一个，就是通过这种方法设计出来的。
在机器人的设计中，肌腱路线、滑轮直径和关节刚度都进行了优化，以模拟生物运动。狗狗运动的逆运动学（IK）跟踪证实，基于协同的控制系统使PAWS能够显示真实的、类似动物的步态，包括走、坐和跑。根据实验数据，机器人可以遵循具有相同关节角度演变的生理启发轨迹。
此外，PAWS表现出显著的被动特性。当把它放在没有马达驱动的跑步机上时，它表现出一种紧急的飞奔般的步态，表现出对外部干扰的鲁棒性和基于速度变化的自适应行为。它的机械耦合和柔顺的相互作用使得稳定性和对扰动的弹性。在施加物理干扰后，PAWS在一个周期内始终恢复到稳定的步态。
该研究强调了基于协同的设计在创造高效、有弹性和适应性强的机器人方面的潜力。根据该团队的说法，PAWS提供了对生物运动的见解，并降低了驱动复杂性的好处，可应用于具有挑战性和动态环境的机器人技术。
该团队的研究细节发表在《自然机器智能》杂志上。
如果朋友们喜欢，敬请关注“知新了了”！
-
-
-
-
-
-
-
-
-
-