从猎豹到机器人：生物力学与人工智能的仿生学融合

在卡格拉格帝跨境公园的辽阔荒野上，一只猎豹妈妈正带着三只幼崽围猎跳羚。猎豹之所以能瞬间扑倒猎物，靠的就是那份敏捷和爆发力——这是自然界最极致的运动能力之一。而在数千公里之外的开普敦大学实验室里，一位名叫Amir Patel的教授正在安全距离内训练他的动作捕捉系统。这位生物力学教授同时也是非洲机器人研究中心（ARU）的主任，他有一个大胆的计划：通过研究猎豹的移动方式，来打造更出色、更敏捷的机器人。

“猎豹代表着机动性的巅峰水平，”Patel说，“要深入研究它，我们必须设计新的方法来衡量运动和力，或者执行优化。”而关注猎豹这种地表速度最快的动物，也确实催生了诸多技术上的进步——在机器人、多体建模、反馈控制、轨迹优化、计算机视觉和深度学习等领域，研究人员都开发出了各种新技术。

多年来，Patel一直在使用MATLAB和Simulink，而Campus-Wide License让他的团队得以更充分地利用这个平台。“我们根据所研究的问题选择合适的工具，”Patel解释道，“这种校园级许可证给我们带来了极大的便利。”他还发现，MATLAB和Simulink支持与其他编程语言（如Python）和硬件（如Speedgoat）无缝互操作。

团队还与Mackenzie Mathis和Alexander Mathis两位博士合作，将他们开发的开源工具箱DeepLabCut（用于无创动物行为跟踪）应用于跟踪野外奔跑的猎豹。这项研究直接登上了《自然协议》杂志的封面。随后，Patel凭借其基于深度学习的运动捕捉系统WildPose，获得了计算机感知类别的“谷歌研究学者奖”。MathWorks也为实验室的研究提供了大力支持。Patel的工作为他带来了两项专利，催生了一家大学衍生公司，并引发了来自机器人专家、运动科学家、临床医生、生物学家、生态学家和保护区管理者等群体的浓厚兴趣。

意外的发现：猎豹生物力学的新视角

在野外，猎豹的速度最高可达每小时120公里（75英里），这使它们成为陆地动物中的短跑冠军。它们能够快速加速，轻松追逐猎物，这得益于较长的腿和脖子、较小的脑袋，以及半伸缩状态的爪子。

世界上大约18%的猎豹生活在南非。身为工程师，Amir Patel从学生时代就对本地动物着迷。他在开普敦大学攻读博士学位之初，就计划使用猎豹数据来开发完整的机器人。“当时，关于猎豹如何利用尾巴或灵活的脊椎、或者用模型来解释猎豹机动性的信息几乎没有，”他回忆道。

Patel将目光投向了猎豹那条毛茸茸的长尾巴。但那时，关于尾巴的数据都是基于其他动物的，科学家并不十分了解其重量和惯性情况。当时的野生动物专家普遍认为，尾巴很重，具有很大惯性，起着配重的作用。

直到有一天，他的一位博士协作者——比勒陀利亚国家动物园的Emily Lane教授——请他观看一只自然死亡的猎豹的尸检。在尸检过程中，Patel拍摄了照片并进行了测量。“我原以为尾巴会很大，”他说道，“但实际上，猎豹的尾巴很纤细，仅占其体重的2%左右。”

为了进一步了解毛皮的空气动力学效应，Patel将那条尾巴放进了风洞，并用MATLAB和Simulink建立模型。“想象一下，你把手臂伸出车窗外，能感受到那股力量，”他说，“我们已经确定，猎豹在高速转弯时，正是借助这种空气动力学阻力来稳定身体的。”

将猎豹的尾巴放在风洞中以了解毛皮的空气动力学效应。（图片所有权：Amir Patel）

机器人专家经常从大自然中汲取灵感，但Patel发现自己所做的生物学研究反过来受到了机器人学的启发。他的机器人背景为研究猎豹提供了全新的视角。

生物灵感驱动气动活塞与机器人创新

作为ARU的四名主要研究人员之一，Patel和他的学生从不同角度研究猎豹：创建机械系统的数学模型，感知和测量动物的行为，以及制造机器人来充当复杂运动的机械模型。猎豹的奔跑速度不断变化，这大大增加了研究其运动的难度——相比那些拥有恒定速度的动物，研究猎豹的动态过程显然更具挑战性。

他们打造了一款名为Baleka的两足机器人——名称来自科萨语，意思是“冲刺”。该机器人的设计充分利用了轨迹优化方法，结果令人惊讶：它实现的垂直灵活性居然超过了人类。而在2023年机器人和自动化国际会议（ICRA）上，Patel和他的学生Christopher Mailer又展示了一种新型四足机器人原型Kemba的设计和控制方案。这个混合气动电动原型平台（名称取自祖鲁语inkemba，意为“剑”）能够跳出相当于其2.2倍腿长的高度。

有意思的是，Patel在观察猎豹视频时发现了一个关键细节：“猎豹并没有尝试精细控制脚，而是尽可能用力地蹬地。这与气动活塞施加力的方式如出一辙。”通常，机器人专家不太使用气动活塞，因为难以精确控制，但ARU团队反而接受了这种特性。他们利用Simscape Multibody和Simulink为Kemba膝盖上的气动活塞建模，仿真四腿机器的预期运动，并为其设计控制器。

Patel说，他和学生都有反馈控制的背景，所以自然而然想到了模块图和信号——从一个系统迁移到另一个系统。团队在用于多体建模的机械CAD软件中设计Kemba，然后将这些设计移植到了Simscape中。借助基于模型的设计，他们可以实时查看加速度信号，这在调试时格外有用。模块图环境不仅缩短了开发时间，还支持快速测试、系统优化以及代码自动化。

“Simulink Real-Time正在改变游戏规则，”Patel感叹道，“过去我手动编码，总出问题。现在，我们用Speedgoat实时控制系统，能轻松与Simulink Real-Time集成。只需点击一下按钮，代码就自动运行在机器人上了。这大大提升了开发工作的质量和速度。”

在ICRA上，科学家们展示了Kemba在加速和跳跃方面的潜力——这个刚性脊椎机器人的跳跃高度可达1米（3.28英尺）。

接触顺序对猎豹和机器人都至关重要：即便使用机器人的抓取器或抓手，理想的接触顺序也会在移动或操纵目标时产生巨大影响。2018年，Patel在卡内基梅隆大学休假时，提出了一个更准确的接触优化算法。与他交谈过后，有些科学家直接否定了他的想法：“不行，这样行不通。两年前几个小组尝试过，都失败了。”但Patel还是勇敢地尝试了。他后来撰写了论文《Contact-Implicit Trajectory Optimization Using Orthogonal Collocation》，发表在IEEE Robotics and Automation Letters上，这成为他被引用次数最多的文章之一，并在2020年获得IEEE技术委员会关于机器人基于模型的优化最佳论文奖的亚军。

“远离其他研究中心或行业，其实有它自身的优势，”Patel沉思道，“我总有一种逆水行舟的心态。”

远程运动捕捉系统：野生动物生物力学的新突破

猎豹正面临诸多威胁，濒临灭绝。尽管猎豹速度出奇地快，但它们是胆小的掠食者，而且要与食腐动物竞争猎物。气候变化、栖息地丧失、偷猎者以及与人类的冲突，都导致野生种群数量锐减。

“育种和保护区计划有力推动了种群数量的增加，”Patel说道。非洲机器人研发中心与Cheetah Outreach、Cheetah Conservation & Research Centre和Ashia三个猎豹中心展开了合作——它们都位于猎豹与人类和平共处的地区。

不过，用于理解人类运动的生物力学技术并不能直接套用到野生动物身上。这意味着必须重新构想如何测量猎豹运动。“我原先想买些项圈给猎豹戴上，”他承认，“但是，即使戴上项圈，也获取不到头、腿、脊椎或尾巴的信息。”

ARU的科学家们为圈养的猎豹开发了一种基于GPS的后置摄像头系统，通过传感器融合取得了不错的效果……但问题来了：猎豹不肯配合了。另一个障碍是：这些饲养中心的猎豹移动速度只有65公里/小时（40英里/小时），远低于野生猎豹最高达144公里/小时（89英里/小时）的时速。

“在实验室，你可以把电极放在人或动物身上测量肌肉活动，但野生动物可不会让你碰，”Patel说，“于是我就有了一个疯狂的想法：能不能远程测量野生动物的整个身体及骨架的运动学？”

于是，ARU开始与国家公园合作，直接把“实验室”搬到了野外。在那里，研究人员试图从全速奔跑的猎豹身上收集更具代表性的数据。然而，在没有电极或可穿戴设备的情况下实现精细动作捕获，难度可想而知。更何况在卡格拉格帝跨境公园，猎豹行踪不定，往往短暂出现后就消失在沙丘上。

猎豹奔跑的无标记（无创）三维重建。猎豹的多个视图在二维进行标注，然后通过完整轨迹估计（FTE）算法进行融合，以产生三维骨架运动。（视频所有权：开普敦大学非洲机器人研究中心）

Patel和ARU团队随后开发了一套使用激光雷达和望远镜镜头的远程运动捕捉系统。这套系统利用多传感器融合技术，能够在远距离生成三维生物力学数据。MATLAB工具箱在其中扮演了关键角色——团队将激光雷达和摄像头信息结合用于传感器融合，Control System Toolbox则帮助他们厘清猎物运动与猎豹身体不同部位运动之间的输入输出关系。

“我们经常使用Computer Vision Toolbox进行标定，”Patel指出，“在MathWorks研究峰会上，每个人都对相机标定的出色表现赞不绝口。”他还亲临马萨诸塞州内蒂克市参加年度峰会，在那里与MathWorks联合创始人Cleve Moler交流，并发表了主题演讲。

实验室与MathWorks建立了高度协作的关系。受ARU研究人员反馈的启发，Computer Vision Toolbox和Lidar Toolbox引入了许多新功能，这些都将被集成到机器人产品中。除了猎豹，ARU还捕捉到了长颈鹿、狮子和跳羚等其他动物的运动。在验证了系统后，团队计划向全球推广这套方案。

MATLAB工具箱对于猎豹运动的分析和建模至关重要。（图片所有权：开普敦大学非洲机器人研究中心）

作为牛津大学的客座教授，Patel在休假期间专注于改进野外动物生命体征的测量。有些疾病会从家养动物传染到野生动物身上，传播速度极快，等生态学家发现时往往为时已晚——尤其是在资源匮乏地区。更智能、更便捷的远程监控可以提供早期预警系统。

这些远程系统对人类健康监测也很有价值：临床医生可以测量患者的肌肉活动，而无需在皮肤上粘贴昂贵的电极。Patel看到了它在脊髓损伤康复和假肢安装领域的应用潜力。运动科学家对ARU备受专利的可穿戴运动捕捉系统同样表现出了浓厚兴趣。实验室的另一项专利——三维测力台系统，一种经济实惠、应用前景广泛的技术，目前正由一家新的大学衍生公司研发。下一步，实验室的一个小组将致力于给Kemba装配活动脊柱。

Patel博士和他的团队正在研究逆最优控制和强化学习，以了解有关猎豹运动的更多信息。（图片所有权：Amir Patel）

如今，Patel的团队也开始探索逆强化学习和最优控制。“我们能观察到猎豹的运动，但不确定它为什么会这样做，”他说，“猎豹是想保留能量、增强机动性，还是想在最短时间内截获猎物？逆强化学习将帮助我们理解它真正想要优化的目标。”13年过去了，这些猎豹依然让他着迷。