CPG与运动控制_任冠佼.ppt

P o w e r B a r 中国专业PPT设计交流论坛 仿生机器人的CPG控制方法研究 报告时间： 2010年10月16日 报 告 人： 任冠佼 目 录 CPG的基本概念及思想来源 1 CPG的MTA-CNN方法实现 2 CPG的其他实现方法 3 结论及下一步的工作 4 一、CPG的基本概念及思想来源 全称：Central Pattern Generators，中枢神经模式发生器 “自然界非常有节律，且节律多样又多变” ——《自然之数》 例1：心脏、脉搏的跳动，呼吸等。 例2：1935年Science上，Hugh Smith关于萤火虫闪光的描述。 为何存在节律？ 假如你不想或不能保持静止，这是你能做的最简单的事。 存在于哪？ 在脊椎动物的脊髓（spinal cord），无脊椎动物的神经节（ganglion）中均可发现这种节律，无需大脑控制。 例3：无头的蟑螂可以灵活行走； 例4：人类行走的时候无需大脑思考； 例5：去脑的猫可以很好的行走在同步带上（Rossignol, 2000）。 “想像一下，一颗10米至12米高的树，每片树叶上都有一个萤火虫，所有的萤火虫大约都以每2秒3次的频率同步闪光，这棵树在两次闪光之间漆黑一片。想象一下，在160米长的河岸两旁是不间断的芒果树列，每一片树叶上的萤火虫，以及树列两端之间所有树上的这种昆虫完全一致同步闪光。那么，倘若某人的想象力足够生动的话，他会对这惊奇的奇观产生某种概念。” 一、CPG的基本概念及思想来源 如何描述? Avis H Cohen，1982年，对lamprey（一种鱼类）的脊髓进行了解剖，用微分方程以及方程组之间的耦合进行描述，如右图。 是否适用于仿生机器人控制？ 传统的多足机器人控制运用串并联机器人的模型对其进行描述，此种方法在机器人行走在非结构环境时并不适用。例如：人无法画出一条非常直的直线，即精密运动控制的方法并不仿生。 国际上此领域的专家 瑞士 A. J. Ijspeert 意大利 P. Arena 日本 S. Inagaki 德国 M. Timme, P. Manoopong 2007, Science, 2008, Neural Networks Google Scholar 333 cited 2010 Nature Physics 二、CPG的MTA-CNN方法实现 Paolo Arena 1) Int. J. Circ. Theor. Appl. 2002 Int. J. Circ. Theor. Appl. 2002 IEEE Trans. on Systems, Man and Cybernetics 2004 CNN——Cellular neural networks, MTA——Multi-template approach 每条腿均用一个振荡神经元描述 各个神经元之间的连接描述成如下图所示的二维CNN网络 调节各个神经元之间的连接值即可生成不同模板，对应不同步态 二、CPG的MTA-CNN方法实现 CNN——Cellular neural networks, MTA——Multi-template approach 二、CPG的MTA-CNN方法实现 不同模板均可用矩阵A描述，A如下 CNN网络的具体实现方法：模拟电路 根据运算放大器的虚短虚断，电路的第一个运放表示微分方程，第二部分利用运放的饱和性质实现方程的绝对值项。 CNN——Cellular neural networks, MTA——Multi-template approach 二、CPG的MTA-CNN方法实现 MTA-CNN方法的优缺点 CNN网络有其成熟的理论，用以生成CPG理论上简单 作者给出了根据不同步态生成不同模板的方法，按照给定方法切实可行 利用模拟电路实现微分方程，不同模板之间切换只能改变模拟电路的电阻与电容值，相对复杂，且不平滑 模拟电路重量沉，不易放在机器人上（后期作者利用VLSI技术实现了小型化，但设计芯片较复杂） 三、CPG的其他实现方法 日本人S. Inagaki基于图论与量子力学的方法 将各个神经元看作图的顶点，各神经元之间的连接看作图的边 各顶点用薛定谔波动方程描述 物理上，各模块可拆卸，可组合成四足、六足、八足，各模块内部不需要知道整机形态是几足的，组装后可产生震荡 各神经元振荡情况如下图 三、CPG的其他实现方法 P. Manoonpong的人工神经网络方法 只采用三角步态（或对称步态，相对八足机器人而言） 外部传感器信号可通过神经网络改变CPG振荡的相位与频率 CPG通过离散动力方程实