关键词:
动物机器人
神经电刺激
行为控制模型
神经电刺激专用芯片
摘要:
机器人鸽是以活体鸽子为本体,其运动行为可通过神经电刺激控制的动物机器人。与传统的机器人不同,动物机器人依靠动物自身视、听及感觉能力感知周围环境,依靠自身体能运动,具有高度的智能和卓越的运动能力。机器人鸽运动速度快,活动范围大,在空中搜救或侦查等方面具有潜在的应用价值,研究意义重大。本文在深入研究神经电刺激的基础上,详细讨论了动物机器人行为控制模型的研究方法,设计了动物机器人神经电刺激的电路和系统,并通过实验室环境中的机器人鸽行为控制实验验证了上述方法和系统的有效性。进一步地,开展了自由空间环境中机器人鸽飞行控制的方法研究和实验验证。并详细讨论了神经电刺激专用芯片的设计方法,完成了专用芯片的版图设计和仿真验证。本文提出了“交叉验证-同源移植”的动物机器人行为控制模型的研究方法,成功探索出高效的动物机器人行为控制模型-“虚拟恐惧”行为控制模型,并通过机器人鸽行为控制实验证明了该行为模型的有效性。与先前的“虚拟奖赏”行为控制模型相比,基于本模型的动物机器人无需预先训练即可具有运动行为的人工调控功能,具有更高的效率。本文提出了多模式神经电刺激方法,设计了多模式神经刺激电路和系统,并通过实验测试和实验数据分析,探索出优化设计方法,提高了系统的输出精度。基于上述系统开展机器人鸽行为控制实验研究:首先在单一固定刺激模式下分别实验验证本文所提出的三种刺激模式的有效性。其次开展了在三种刺激模式下随机变换输出的机器人鸽行为控制实验研究。最后对比分析单一刺激和随机刺激的实验结果。对比结果表明随机变换的刺激模式比单一固定的刺激模式对机器人鸽具有更稳定的控制效果,变化的刺激在一定程度上缓解了神经系统由单一稳定刺激所导致的适应性。本文提出了自由空间环境中机器人鸽飞行控制实验的研究方法,设计了可同步记录GPS位置信息和刺激参数的神经刺激电路与系统,进一步地探索出基于卡尔曼滤波的数据处理方法。实验结果表明基于卡尔曼滤波处理后的数据所形成的轨迹线更符合被测目标的运动趋势,验证了该方法在滤除GPS定位干扰方面的有效性,进而实现了机器人鸽飞行方位角和转向角的精确估计。结合本文所提出的自由空间环境中机器人鸽飞行控制实验范式和基于飞行轨迹的控制性能分析方法,得到刺激参数与方位角和转向角的对应关系,实现了机器人鸽飞行控制性能的量化评估,从而探索出自由空间环境中机器人鸽飞行控制的量化研究方法。本文讨论了可植入神经电刺激专用芯片的研究方法,根据动物机器人神经电刺激的特性,设计了神经电刺激专用芯片的框架,进一步完成了各模块的设计和基于FPGA的功能验证。并基于TSMC 0.18μm CMOS工艺,利用Cadence,Synopsys,Calibre等EDA工具完成了神经电刺激专用芯片的版图设计和仿真验证。本课题属于多学科交叉研究,本文致力于动物机器人的神经刺激电路与系统的设计及实验研究。得到以下研究结果:本文所提出的“交叉验证-同源移植”研究方法提高了动物机器人研究的效率;本文所设计的多模式神经刺激电路与系统实现了更稳定的动物机器人行为控制效果;本文所提出了用于自由空间环境中的机器人鸽飞行控制的实验范式和基于卡尔曼滤波的数据处理方法,实现了自由空间环境中机器人鸽飞行控制的精确估计和量化研究;基于TSMC 0.18μm CMOS工艺设计了可植入式神经电刺激专用芯片的版图,完成了仿真验证,为外置式刺激器所带来的接口脱落问题提供可行解决方案。上述研究结果将有利用于推动动物机器人的实用化研究进展,同时也可为神经电刺激相关的其它研究提供借鉴。