身体的智能：2.6仿生机器人学

这种多样性导致了许多有趣的发展。其中一个已提及过的是脱离人类走向更动物化的智能，这原本是由努力实现人类智力水平而没有达到成功所引发的。其他包括仿生机器人学、发展机器人学、普适计算、人工生命、接口技术和多智能体系统等学科的出现。在本书的论述过程中我们将简要地介绍所有这些不同的领域。首先从仿生机器人开始。仿生机器人是机器人技术的一个分支，它致力于制造能模仿特定生物有机体行为的机器人。一个很好的例子是由苏黎世大学的人工智能实验室的数学家和工程师Dimitri Lambrinos和苏黎世大学的全球领先的蚂蚁导航研究者Ruediger
Wehner合作共同建造的系列机器人――Sahabot系列（撒哈拉机器人）。Sahabots系列机器人模仿沙漠蚂蚁Cataglyphis的长距和短距的导航行为，这种蚂蚁是一种非同寻常的生物，它们生活在突尼斯南部的盐渍地非常平坦的沙地生态环境。这就要为生物学家提出的这种生物赖以生存的导航机制提供存在的证据。换句话说，目的是要证明，这些机制在原则上可以让一个机器人复制沙漠蚂蚁的定位行为。注意，这并不意味着蚂蚁行为和被用于机器人的内在机制是相同或相似的。

一个很简单的这样的机制，就是所谓的快照模型（snapshot model），这个模型最初是由Sussex大学的英国昆虫生物学家Tom Collect 提出的（Cartright与Collett，

1983），他曾与Wehner一起工作多年。据Collett的观点，快照模型是蚂蚁（和其他昆虫）精确地近程导航使用的，当它们从食物寻找之旅（也即生物学中的觅食）返回，为了找到巢穴而使用的模型。这个模型假设，当蚂蚁离开巢（而这本质上只是地面上一个洞）时，它拍摄一张快照，一张从巢穴位置看出视野的摄影图像，然后储存在蚂蚁的脑中（蚂蚁不像人类，它们几乎拥有全景视觉，即它们并不仅能看到前面，而且能看到它们周围所有的情形）。蚂蚁接着出去进行一个觅食之旅，它们有时可以到远离巢穴达200m外，并利用第二导航系统返回巢穴的附近，该系统依据到巢穴距离的估计和偏振太阳光。偏振太阳光为蚂蚁提供方向信息，并可以被用来作为一种指南针。这个系统特别适合长距导航，但由于长距导航系统总是会累积误差，蚂蚁不得不使用短距导航系统的快照法寻找到巢穴的确切位置。从长距导航系统蚂

蚁得到一个信号，表明它靠近巢穴，则另一套导航系统即短距导航系统必须接管导航工作。然后，快照方法引导它到巢穴入口。这个模型，已经被数以百计用真正蚂蚁进行的实验所证实（如Wehner等，1996），也在机器人上进行了测试，测试在蚂蚁生活的真正环境―撒哈拉沙漠进行，取得了令人印象深刻的成功。虽然这并不意味着用于机器人的模型就是蚂蚁使用的，但是它表明这种机制在原理上是可行的。Lambrinos和他的同事Ralf Moller一起发展了另一种导航模型，即所谓的平均地标矢量模型（Lambrinos等，2000），这个模型甚至比快照模型更简单。这两种导航模型都可以预测动物在某些情况下的行为，其有效性可采用机器人和真正蚂蚁来测试。

请注意，在这个导航系统中，为使导航成功，作为行动者的蚂蚁和机器人并不需要有一个环境地图。也就是说，即使蚂蚁在远方看不到巢穴，它也不需要一个真实世界的模型用以成功找到巢穴。这与标准的假设形成了对比，标准的假设认为详细的环境信息（如地图）在这类导航中是必须的。这种“模型”仅包括在长距系统中对距离和方向的估计以及短距系统中的快照。

为了说明该领域的研究是何等丰富多彩，这里选择了其他一些成功的仿生机器人项目：由东京大学的未来工程师lsao Shimoyama开发的像昆虫一样的飞行机器人（Miki和Shimoyama，1999）和有激素传感器的蚕蛾机器人（Kuwana等，1999）；

由东京工业大学的著名机器人专家Shigeo Hirose开发的仿实蛇形机器人（Hirose，

1993）；苏格兰爱丁堡大学的Barbara Webb致力于研究蟋蜂的声音行为，也就是雄性蟋蜂如何在复杂、崎岖、嘈杂的外界环境影响下被雌性蟋蜂的声音所吸引并朝雌性蟋蟀的声音方向运动（Webb，1996）；麻省理工学院海洋工程实验室的Michael Triantafyllou开发的机器金枪鱼（Triantafyllou和Triantafyllou，1995）；波士顿东北大学的Joseph Ayer设计的龙虾和七鳃鳗机器人（Ayers，2004）；位于瑞士洛桑的瑞士联邦科技学会的Auke ljspeert 研究的模拟机器人salamander（jspeert，2001）；为了研究胡须在鼠类行为中的角色，苏黎世大学开发了“人造老鼠”（Fend等，2003）以及Frank Kirchner研究的机器人蝎子（Klaassen等，2002）。还有很多仿生机器人的例子，这些成果对我们理解运动和定向行为有显著贡献（有关论文集可见，Webb和Consi，2001；或者动物和机器中适应运动研讨会的会议论文，如Kimura等，

2006）。这清单几乎可以无限期地持续下去。与此同时，运动和定向已成为人工智能领域重要的研究课题。