.png){kind=icon}
返回
Bioinspired multimodal robotics
.png){kind=icon}
PRE
AI
DOI：10.1126/scirobotics.aea7639.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为在动态和非结构化环境中生存，动物已发展出非凡的多模态运动能力。这一生物启示推动了仿生多模态机器人的创新，其被定义为整合并能在两种或多种不同仿生运动模式间转换的机器人系统。本文探讨了多模态机器人领域的历史发展、关键设计考量及当前面临的挑战。我们重点介绍了机器人本体设计的最新进展，包括软材料的集成、创新结构再利用策略和多机器人系统的部署。这些进展通过主动和被动结构重构实现无缝模式转换。在路径规划和运动控制领域，范式正逐步从传统的基于图的方法和离散控制器转向基于学习的方法。为解决该领域标准化基准的缺失问题，我们提出了五项性能指标——模式数量、模式边际成本、部件再利用百分比、转换成本和性能提升——为评估多模态机器人的设计有效性和运行性能提供定量框架。最后，我们勾勒了未来战略路线图，倡导在多模态机器人中融合物理与计算智能，认为这种融合对于实现复杂环境刺激下的实时行为适应至关重要，从而增强多模态机器人系统的鲁棒性和功能性。
期刊
IF:
27.5
论文数:
937
被引数:
1.4W
机构
引用论文
.png){kind=icon}
AGRNav: Efficient and Energy-Saving Autonomous Navigation for Air-Ground Robots in Occlusion-Prone EnvironmentsAGRNav：针对易遮挡环境下空地机器人的高效节能自主导航
OAAI
OAAI分享收藏SpatialVLM: Endowing Vision-Language Models with Spatial Reasoning CapabilitiesSpatialVLM: 赋予视觉语言模型空间推理能力
PREAI
分享收藏
查看更多内容