腿部运动中触觉的作用：感知通道、人工智能与控制技术的综述

《ARTIFICIAL INTELLIGENCE REVIEW》：The value of contact in legged locomotion: a survey of sensing channels, artificial intelligence and control

　　

摘要

腿式机器人通过短暂、间歇性的脚与地面接触在非结构化地形上移动，而这种接触下的支撑条件很难实时感知和预测。在这种情况下，触觉反馈能够提供关于牵引力极限、部分支撑以及即将发生滑移的早期且可靠的信号。本综述提出了两个问题：首先，在实际应用的限制条件下，能够获取并保留哪些与运动相关的接触信息；其次，如何将这些信息转化为适用于控制器的输出，并在存在不确定性及安全约束的情况下加以利用。我们采用基于PRISMA的检索方法，将相关文献分为三种互补的感测渠道——D1界面场（压力/剪切力及接触几何形态）、D2脚部附近的力学作用力及振动声学信号，以及D3通过关节和身体动态进行的本体感觉推断——同时还将控制器所需的反馈目标分为三类——F1接触事件与模式、F2实际交互状态（力学作用力/重心位置），以及F3包含不确定性的可行性范围更新。针对每一种感测渠道，我们总结了其信号转换机制、典型实现方式、验证程度，以及能够在延迟、带宽和耐用性限制下生成满足任务需求的结果的学习型表示方法。接着，我们分析了这些结果如何融入基于模型、混合式以及以策略为中心的控制流程中，以及如何通过可行性感知优化、基于不确定性的约束强化，以及基于屏障/防护装置的实时过滤等功能来确保安全性。在此基础上，我们从信息角度出发，将每一次脚部接触视为对潜在接触参数和地形变量的一种基于动作条件的更新，进而探讨了以控制器为导向的传感器布局、形态-感测-表示协同设计、主动式触觉探测，以及长期应用中的信息健康监测等方面的发展前景。