鱼类肌电遥测与推断系统:姿态重建与流动感知

《Advanced Intelligent Systems》:EMG-Driven Telemetry and Inference System for Fish: Pose Reconstruction and Flow Sensing

【字体: 大 中 小 】 时间:2026年04月17日 来源:Advanced Intelligent Systems 6.1

编辑推荐:

  为实现对自然环境中鱼类运动的全面理解与高精度重构,本研究构建了一套基于多通道肌电图(EMG)的智能遥测框架。通过采集锦鲤在层流、卡门涡街等多元流场及自由游动中的同步肌电与运动学数据,训练深度神经网络模型成功从肌电信号中解码出亚厘米级精度的鱼体姿态(约3.8%体长误差)与4°以内的关节角度,并能高精度推断流场状态。该工作首次证明肌电可作为兼具运动与环境感知功能的双重生物信号,为生态监测、仿生机器人及流体力学研究提供了创新的AI驱动框架。

  
动物在自然环境中展现出的卓越运动能力,至今仍是工程系统难以企及的。鱼类通过轴向肌肉驱动身体产生波动,从而高效推进,其肌肉活动理论上蕴含着身体构型与外部流动环境的信息。然而,理解鱼类在复杂自然环境中的真实运动一直面临巨大挑战。传统的运动学研究严重依赖视觉(如视频分析),但在浑浊、杂乱或遥远的水域中,视觉往往失效。现有的生物遥测技术(如声学、无线电、档案标签等)通常只能记录位置、深度、加速度等有限变量,无法重构全身的详细运动学信息,更难以感知周围的水动力环境。那么,一个核心问题便浮现出来:能否从自由游动鱼类身上记录的多点肌电信号中,同时推断出全身的运动姿态和所处的水动力环境?解答这个问题,将有望发展出一种不依赖视觉的、“由内而外”的感知新范式,为生态学研究、仿生机器人设计乃至流体力学探索打开全新窗口。
为此,研究人员在《Advanced Intelligent Systems》上发表了一项创新研究,开发了一套统一的、由肌电驱动的鱼类遥测与推断框架。该研究旨在从肌肉活动中提取丰富的运动与环境信息,将生物学、流体力学和机器人学紧密联结。
研究采用的关键技术方法主要包括:
  1. 1.
    定制化多通道肌电遥测系统:研制了16通道的存档式遥测单元,可同步记录鱼类双侧轴向肌肉(12通道)及鳍部肌肉(4通道)的肌内肌电信号,采样率为1 kHz。
  2. 2.
    多场景同步数据采集:在受控水槽(层流、5cm/7cm圆柱产生的卡门涡街KVS、反向卡门涡街RKVS)和开放水池(含障碍迷宫、无障碍自由游动)中,同步采集锦鲤的肌电信号与顶部拍摄的100 fps视频数据。
  3. 3.
    基于深度学习的数据处理与建模流水线:使用DeepLabCut(DLC)从视频中提取鱼体中线关键点,并转换为以头部为基准的四个关节角度作为运动学输出。对肌电信号进行预处理(带通滤波、特征增强)后,构建深度神经网络(DNN)模型,将多通道肌电特征映射到关节角度(运动学回归)和流场状态(环境分类)。
  4. 4.
    跨域验证:通过计算流体动力学(CFD)模拟和机器人鱼实体复现解码出的游泳动作,对所预测的运动学进行物理验证。
研究结果
3.1 从肌电到运动学:高精度姿态重建
研究人员训练了一个深度神经网络,将16通道肌电信号的特征增强矩阵映射到四个关节角度。模型在多种流场和自由游动条件下均表现出色。预测的鱼体中线与实际观测值高度吻合,平均位置误差约为3.8%的体长(亚厘米级),关节角度的均方根误差(RMSE)小于4°,相关系数R约0.81。这表明,仅凭肌电信号就能以高时空分辨率重建自由游动鱼类的连续波状身体姿态。
3.2 从肌电到环境:流场状态分类
令人惊讶的是,同一套肌电数据处理流水线不仅能解码运动,还能高精度地推断鱼所处的流体环境。模型成功地区分了层流、两种卡门涡街(KVS)和自由游动等不同流场状态,并对离散的流速进行了准确分类。这证明肌肉活动模式中编码了丰富的环境信息,肌电可作为感知外部水动力条件的生物传感器。
3.3 通道效率分析:优化电极布局
为减少未来生态研究中电极植入的侵入性,研究进行了通道效率分析。结果发现,位于鱼体中段(约0.5-1.0体长范围)的轴向电极捕获了大部分与流场相关的信息。这意味着未来可能仅需少数几个关键位置的电极,即可实现有效的运动与环境推断,从而极大降低对实验动物的影响。
3.4 运动学解码的跨域验证
为确保解码运动学的物理真实性,研究进行了双重验证。首先,将预测的鱼体运动学应用于计算流体动力学(CFD)模拟,结果显示能产生合理的推力与涡流场。更重要的是,研究人员将解码出的关节角度序列直接“回放”到一条仿生机器鱼上,机器人鱼成功地复现了与生物鱼类似的游泳运动。这强有力地证明,从生物体解码出的肌电-运动学映射关系,能够直接驱动人造系统产生逼真的运动行为。
结论与讨论
本研究成功地建立了一个智能的、由肌电驱动的遥测与推断系统,首次证明了肌电图(EMG)可作为一石二鸟的双重生物信号:既能用于高精度重建自由游动鱼类的全身姿态,又能用于感知其所处的水动力环境。这一突破性进展将传统的、仅能记录有限生理变量的遥测技术,升级为能够进行主动推断的智能系统。
其重要意义体现在多个层面:在基础生物学上,它为在视觉失效的自然环境中(如浑浊水域)研究动物的神经肌肉控制与感觉运动整合提供了前所未有的工具,有助于揭示鱼类在复杂流场中的适应策略。在生态学与保护生物学中,这种低侵入性、高信息量的遥测框架有望用于长期监测野生鱼类的行为、能量消耗及其与环境的互动。在仿生机器人学领域,研究不仅验证了“生物信号驱动”机器人运动的可行性,为新一代具身智能机器人提供了灵感来源。最后,在流体力学方面,该系统为研究生物体与复杂流动的实时相互作用提供了一个独特的“体内”视角。
总之,这项工作架起了一座连接肌肉活动、身体运动与流体环境的桥梁,展示了一个由人工智能驱动的框架如何融合生物学、工程学与物理学,为理解和模仿自然界中精妙的动物运动开辟了新的道路。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号