仿生多领域节律运动专刊社论仿生智能与机器人2(2022)100078大自然永远是灵感的源泉。仿生智能和机器人技术正在日益改变我们的日常生活。随着生物学、材料学、微电子学、模式识别和控制理论的发展,仿生机器人正获得前所未有的移动性、感知能力和协作能力,极大地拓展了其工作领域。特别是对多域节律运动的开创性研究,正在引领一场全新的技术革命。由于多域操作要求机器人在各种环境中灵活运动、自适应感知和广泛学习,因此执行器、传感器、通信和计算等方面的进步为实现仿生机器人的多域节律运动在机器人技术不断创新的过程中,仿生多域节律运动的研究将为工业机器人、服务机器人以及特种机器人提供广阔的发展前景。这个特别问题的目的是呼吁协调努力,促进仿生机器人的设计,控制和应用的进步,表现出多领域的节奏运动,如游泳,飞行,爬行,跳跃,跳跃等的最先进的,挑战,以及当前和未来的趋势,促进仿生智能和机器人研究将被分享。毫无疑问仿生机器人在生态保护、军事监视和广泛的智能服务中发挥着重要作用。我们征集仿生多域韵律运动重要领域的手稿,探索机器人相关控制方法和技术的协同作用。最后,七篇论文,包括两篇评论论文和五篇常规论文,被接受到这个特殊的部分。鲍鹏晓等发表的题为“球形水下机器人的解耦三维运动控制算法”的论文提出了一种基于姿态解算的解耦运动控制算法。采用4个模糊比例-积分-微分(PID)控制器对球形水下机器人进行独立控制,使其能够在近海、浅水和狭窄地形等各种环境下灵活地向各个方向移动。实验结果表明,该方法在灵活性和控制精度上都来自Yiyuan Zhang等人的题为“Design,Fabrication,andcharacterization of a hydrostatic electroactive soft actuator for bio-inspired robots”的论文描述了一种受章鱼横向肌肉组织启发的流体静力学电活性软致动器(HESA)。建立了驱动器几何参数优化的数学模型。在对单个驱动器进行性能分析的基础上,将三个驱动器堆叠在一起,实现了生物横向肌肉组织的轴向伸长、径向收缩和弯曲等所有运动模式所获得的结果为下一代能够进行多模态运动的章鱼手臂提供了重要的见解。高东奇等人的论文“提出了一种新型无人水下航行器(UUV)https://doi.org/10.1016/j.birob.2022.1000782022年11月5日上线由混合动力推进器驱动采用螺旋桨推进器和仿生鳍状肢,在保持快速航行能力的同时,提高了操纵性能。采用中央模式发生器(CPG)结合反馈控制器实现运动控制。实验结果表明,在多种环境下,该机器人的游泳性能都很好。Haifeng Huang 等 人 的 题 为 “Development and experimentalcharacterization of a robot butterfly with a mass shifter mechanism''”的论文采用平面四杆机构驱动人工翼。在此基础上,提出了一种新颖的无尾转向方法。此外,利用光学跟踪装置对样机的飞行特性进行了研究。这项研究提供了一个敏捷仿生蝴蝶机器人以及生物蝴蝶飞行机制的有价值的实验框架。Qixin Wang等人的题为“Learn to swim:Online motion control ofan underactuated robot eel based on deep reinforcement learning”的论文研究了具有多个被动结构的机器人鳗鱼的在线学习控制问题。采用深度强化学习方法对机器人进行控制,无需底层控制模型或策略。仿真和实验验证了该方法的有效性所得结果为难以建模的仿生机器人的智能控制提供了理论依据。Ru Tong等人发表的题为“NA-CPG:A robust and stable rhythmgenerator for robot motion control”的论文提出了一种用于机器人节律运动控制的归一化非对称中枢模式发生器(NA-CPG)。基于规范化的HopfCPGs,提出了约束函数和频率调节机制.此外,还采用强化学习方法对参数进行在线优化.仿真结果表明,该方法具有稳定、安全和精确的输出特性,这为CPG研究和智能机器人的运动控制提供了重要的改进。Yaning Zhang等人的题为“障碍物检测建模和小型跳跃机器人的自主爬楼梯”的论文重点研究了小型跳跃机器人(MJR)的障碍物检测和爬楼梯问题。结合姿态和距离检测,提出了一种新的障碍物检测方法.在此基础上,提出了一种基于高度和宽度测量的自主爬楼梯算法。障碍物检测和爬楼梯实验实际的机器人系统证明了MJR在障碍物丰富的环境中的运动能力的改善。管理来宾编辑俞俊智电子邮件地址:yujunzhi@pku.edu.cn2667-3797/©2022作者。出版社:Elsevier B.V.代表山东大学。这是CC BY许可下的开放获取文章(http://creativecommons.org/licenses/by/4.0/)中找到。可在ScienceDirect上获得目录列表仿生智能与机器人学期刊主页:www.elsevier.com/locate/birob