西班牙格拉纳达大学等开发神经机械启发的机器人控制方案，提升机器人适应性

2月13日，西班牙格拉纳达大学和瑞士洛桑联邦理工学院（EPFL）的研究人员开发了一种灵感源于人类神经机械学的新型机器人控制方案。研究发表于《科学·机器人学》期刊，标志着复杂和不确定环境中机器人适应性控制技术取得重要突破。

现有的工业机器人在受控环境中表现出色，但在应对动态、复杂的现实环境时仍然面临较大挑战。研究团队提出的控制系统利用中央神经系统与人体生物力学的协同作用，模拟人类肌肉在“对抗–协同”运动过程中的动态关节刚度调节和根据环境变化的动作自适应调节。该控制方法简化了传统的力交换控制技术，节省昂贵的硬件成本和复杂的动态公式，通过软件调节机器人的刚度，从而提高其运动精度并增强其对环境变化的适应能力。该新型控制解决方案包括两个关键部分：肌肉模型和小脑网络。肌肉模型模拟了人类肌肉的协同收缩过程，帮助机器人根据任务需求调节运动刚度。小脑网络则模拟了人类小脑的功能，使机器人能够根据来自环境和自身反馈的信号适应和学习，像人类一样调整运动和刚度。这种新型“肌肉记忆”赋予了机器人更高的学习能力，使其在未知或突发环境中表现得更为灵活和可靠。

与传统控制方法相比，该方案显著提高了机器人的训练效率、适应性和精确度。将这一控制解决方案应用于包括工业机器人、医疗机器人以及服务机器人在内的更广泛的机器人系统中，可进一步提升其在实时应用中的性能，为人机交互提供更加自然、高效的解决方案。