仿生昆蟲的感知驅動控制策略

 (https://link.springer.com/article/10.1186/s40648-026-00344-7)

 昆蟲是生物，它的反應會因個體而異，也會因時而異。傳統的機器人研究通常採用單向方法，即向動物發出指令。而在這項研究中，邁出了實現生物混合控制的第一步，這種控制方式能夠響應動物的狀態。關鍵的轉變在於從‘控制’轉向‘傾聽’。這項研究為馬達加斯加嘶嘶蟑螂開發了一種可穿戴式背包，能夠同時測量心跳、低頻神經訊號特徵和身體運動。該系統還包括一些輕巧的刺激裝置，例如用於轉向的紫外線刺激和用於前進的振動刺激，利用這款背包，在五種條件下收集數據：自然基線、紫外線照射、化學物質暴露、高溫和食物。然後訓練機器學習模型，根據生物學數據和運動數據的綜合分析，對昆蟲與環境相關的內部狀態進行分類。表現最佳的離線模型——隨機森林分類器——對五種環境條件進行了分類，整體準確率達到 93%。此模型對自然環境和食物相關環境的分類效果特別出色，而紫外線、化學物質和高溫環境之間存在一些重疊，這些環境條件都可能產生類似的趨避反應。隨後在一個包含誘餌和迴避環境的多室迷宮中測試了系統。天然蟑螂傾向於待在有食物的房間裡，無法完成整個迷宮。相較之下，當使用基於ISC的閉環控制策略引導半機械蟑螂時，部分個體成功地穿過了迷宮。此控制策略旨在減少不必要的干預。當人工智能推斷昆蟲處於吸引或平靜狀態時，可以施加刺激來引導其運動。當推斷昆蟲處於迴避狀態（例如在化學物質或高溫條件下）時，則停止刺激，讓昆蟲透過自身行為做出反應。研究結果標誌著從基於行為的控制向基於內部狀態的生物混合控制邁出了重要一步。該系統不再僅僅將昆蟲視為移動平台，而是利用其內部生物訊號作為控制迴路的一部分。