身体的智能：4.8智能体设计原理6：生态平衡

生态平衡原理由两方面组成。首先它阐述当给定某个任务环境时，智能体的传

感器、驱动机以及神经系统的复杂性之间应该存在一个匹配。第二方面和第一方面有着紧密联系，在形态、材料、控制及环境之间存在某种平衡或任务分布。

让我们简要地考察一下生态平衡的第一个方面，即当给定某个任务环境时，智能体的传感器、驱动器以及神经基质的复杂性之间应该存在一个匹配。Richard Dawkins的《攀登无望峰》（climbing mount improbable）给出了这个原理的一个很好的范例。在该书中，他描述了一条假想蜗牛。这条蜗牛的眼具有和人相似的外观和尺寸。携带巨大的眼睛使得这条蜗牛行动艰难，但是更为重要的是，这个眼睛的用处也是有限的。因为人以及哺乳类的眼睛，都适应于生活的某种特定状态，其中需要检测快速移动的物体，高分辨率的图像等。而蜗牛不需要这些功能，既然不能逃离捕食者，那么为什么还费心去检测快速移动的物体呢？如果你是一个素食者的话，那么为什么还费心去检测食饵呢？人眼的复杂性、重量和尺寸只会构成不必要的包袱，因此这是一个彻底不平衡系统的例子。

让我们看一下另外一个截然不同的例子。还记得我们在第2章介绍的Braitenberg车吗？光传感器被直接连接到电动机上使得车能追随光线。这些机器人的“脑”极其简单，只包括两根电线，或者也可以说成两个突触，但对于光线追随或光线回避的目的来说，已经足够了。如果现在将两个突触构成的脑换成和人有同等复杂性，具有1014个突触的脑的话，那么这个智能体怎样受益于这样的脑呢？答案很简单，那就是没有任何好处，因为那样的系统不是生态平衡的。根据机器人所需完成的任务的不同，有时感觉和运动系统的复杂性必须增加，但前提是增强后的脑是有用的。

一台只有两个电动机的Khepera机器人能向前转或向后转。举个例子说，如果这台机器人的装备像Dawkin的蜗牛一样不仅仅局限于它力所能及的范围，而装备了一台高分辨率摄像头，那么它就是生态不平衡的。很显然高分辨率摄像头并不会增加机器人的行动能力，只会增加重量。

因为生物智能体―动物和人―是在不停地进化的，所以他们都达到了相应于他们的生态位的平衡。人类具有巨大的脑，但总体来说，他们也拥有生活在地球上所有物种中最高度发达的感觉和运动系统。不能否认的是，某些动物拥有令人惊奇的灵巧的附肢，如大象的鼻子或章鱼的触手，或令人印象深刻的感觉器官，如骗蝠用以捕获飞虫的回声定位系统。但是请考虑人手的柔软性和我们的声道令人震惊的复杂精细程度。复杂的手能使我们很好地使用工具，而复杂的声道使语言成为可能。为了执行多种多样的范围极广的任务，我们确实需要一个重负荷的脑来协调我们复杂的感觉和运动系统。值得再一次指出的是某一个系统并不会先于其他系统进化，确切地说，所有的系统都大致同步地提高着复杂性。

生态平衡原理的第二个方面基本上是对第一个方面的一个推广：给出一个特定的任务环境、在形态、材料、控制及环境之间存在某种平衡或任务分布。生态平

衡的第二个方面已经在许多论文中被详细考察了（如Bongard和Pfeifer，2001；Hara和Pfeifer，2000；Ishiguro和Kawakatsu，2003；Pfeifer，2000；Pfeifer等，2004），所以这里我们只提供一些系统作为例子，用以建立起关于这种平衡的直觉。

人的手一臂–肩系统

虽然新的材料正在开发，但现在大多数机器人仍然是用坚硬的材料如铝或塑料构成的，它们的驱动依赖于电动机。这样的系统的控制程序会变得非常复杂，因为直至指尖（如果机器人有指尖的话）的每个关节的微小的动作都必须明确地控制（如图4.1（c）所示）。相比之下，在人的手–臂–肩系统中，肌肉和肌腱都有一定程度的弹性。生态平衡的一个要点是：和完全刚硬的系统相比，使用这些材料完成同样运动所需的控制会明显减少。请想象你正坐在一张桌子旁，你想抓住桌上你面前的咖啡杯。对于你的手臂来说，存在一个很自然的位置，这个位置取决于你躯干的解剖结构以及肌肉–肌腱系统的弹性材料特性。用你的右手去抓杯子的话，一般来说手掌面会朝左，当然再加上一定的额外努力，你也可以扭着右手而手掌面朝右地抓住杯子。如果你现在从这个不雅观的姿势放松你的肌肉，你的手臂会自然而然地转回它的自然位置。这并不是由神经控制的，而是通过肌肉–肌腱系统的材料性质实现的。

通常在机器人学中，回归缺省位置是一个电动控制功能，而对具有生物肌肉的智能体来说，大多数情况下，它是通过肌肉–肌腱系统的材料性质实现的。换句话说，肌肉–肌腱系统的材料接管了部分控制任务。这部分的控制任务，如果在没有肌肉的情况下设计系统的话，是应该由脑来处理的。这样，为了简化问题，当构造机器人时，我们或许应该考虑使用和自然肌肉具有相似性质的人工肌肉。因此，可以说神经控制或程序控制被材料替代了。

在我们的讨论中，我们把注意力集中于肌肉–肌腱的材料性质。显而易见的是，形态（或当我们说到人时，解剖结构）也提供了能使控制变得更简单的重要制约条件。例如，人手的骨骼排列，还有那些将手结合在一起的组织，保证了手合拢时，所有的手指自然地聚到一起。

生态平衡的机器狗Puppy

我们可以使用机器狗Puppy的案例来阐述生态平衡的一些要点。机器人研究者通常有控制理论的研究背景，一些控制理论学家认为机器人快速运动的瓶颈在于用于控制的传感器和电动机的电子学。换句话说，是因为电路太慢导致了不能及时处理传感器信号和计算电动机指令。这是个令人迷惑的想法，因为当今电子学的循环时间为106-10s，而生物系统的神经基质的循环时间要慢得多，大约为10-2-101s。当然，对生物的神经网络说，我们其实不提循环时间，因为它们是连续的，没有像数字电路中的时钟。但是显然生物神经操作时间的尺度要慢得多。尽

管如此，有些生物体如狗、马、猎豹和人比当今的腿式机器人移动得快得多。大致有两个因素和这个惊人的事实有关。首先，生物体得益于神经系统的大规模并行性和局部反射的存在。换句话说，信号并不需要从肌肉传到脑再从脑传回肌肉，而是能直接被脊椎处理，因此反应时间能被大大缩短。但是，仅仅这个因素还不足以使生物系统如此迅速。另外必需的是当智能体与真实世界交互时对身体的形态和材料性质的有效利用。让我们简短地解释一下这个句子的意思。身体力学是关于动物和人移动行为的研究领域，这个领域的最新的见解（Blickhan等，2003）将我们的注意力吸引到了肌肉–肌腱系统的类似弹簧的性质上。例如，当你的脚踩到地面时，膝关节的运动并不是由脑或脊椎控制的，而是由腿的肌肉–肌腱系统的弹性所致。神经系统真正控制的是系统的具体弹性。根据动物所在的步态位相，神经信号在腿部肌肉中，造成一个特定的弹性劲度。这样，各个关节的轨迹并不是完全由脑或脊椎控制，某些控制是由系统本身的材料特性接管的。

另一个利用形态性质的事例是人类步行时的被动摆腿现象。这个现象在设计被动步行者及它的衍生体“Denise”时已经被反映了，这在本章的前面已经讨论过了。

腿的运动在摆动相几乎不需要控制，期望的运动是无源地利用重力和动量达成的。传统机器人设计者一直忽略这个事实，而试图在拟人机器人上使用复杂的控制算法去复制步行运动。结果，即使某些机器人已经达成了相当的移动速度，但这些机器人的移动并不自然而且只能在某些环境，如在具有特定的摩擦特性的平地上移动。就如我们以前解释的那样，Puppy的腿的前后摆动是仅仅由“肩关节”和“髓关节”的伺服电动机驱动的，而其他的关节都是无源的，即它们不使用电动机驱动。

安装在每个腿上的两根弹簧（见图3.2（b））可以认为是非常简单的人工肌肉或肌肉–

肌腱组合。因为它们的固有材料特性，弹簧接管了本应被显式控制的任务，所以只需较少的电子元件。当然，弹簧极其简单，但它们确实能体现一些自然肌肉一肌腱系统的关键性质，如当脚踩到地面时，膝关节的弹性运动等。弹簧的一个问题是，它们的弹性系数（表示弹簧多硬的参数）不发生变化，而自然肌肉的一个重要的性质是它们的弹性系数能在短时间内发生变化以满足当时的要求。例如，受到冲击时控制膝关节的肌肉具有适当的刚性是很重要的。动物跳的越高，就需要越强的刚性来支撑落地时的身体。但是仍然需要一些弹性来缓和冲击。那么什么是奔跑或跳跃时合适的刚性呢？请注意我们的思考已经从控制轨迹转移到了控制形态性质，现在我们问的是什么是对Puppy的弹簧来说合适的材料特性。这就是我们想要在人工智能中强调的形态学的重点，因为这样的考虑将使机器人设计受益匪浅，最终能帮助我们对智能的理解。这也和已经说明过的涌现性设计时的想法有紧密联系。如果我们有合适的材料特性，预期的轨迹就会从和环境的交互中涌现。然而，找出适合于各个情况的刚性是一个很困难的问题，需要更广泛的研究。

人工肌肉是最近出现的机器人技术。现在存在许多种类，但是目前最为普及的是气动驱动器。这是一种被编织物包裹着的橡皮管，当施加气压时产生收缩。因为是橡胶材料，所以这种驱动器有固有弹性和被动顺应性。这种被动顺应性意味着如果装有气动驱动器的智能体碰上一个物体时，肌肉会弹性屈服。当我们让机器人和人交互时，我们希望机器人能弹性屈服，这样就不会伤害到任何人。这个屈服于外界物体的大体想法在机器人学中被称为顺应性。机器人研究者开始使用人工肌肉的许多其他技术。例如，基于电荷位移产生作用的聚合物；根据浸入的溶液的化学性质而产生收缩的凝胶体；根据流过的电流而改变长度的金属；另外还有一些正在研究室中开发。和任何技术相同的是，每种人工肌肉的变种都有它的正反两面。有些不能马上购买到，有些能伸展得很快但只能很慢地缩回；而另外一些可能损耗太快，或者动作太缓慢。气动驱动器反应迅速、鲁棒，而且能购买到不同的种类。它们的缺点是操作需要压缩空气，并且必须用阀门进行控制。

我们能从人工肌肉无偿得到的理想性质之一是：这些驱动器能起到能量储存的作用，这一点和伺服电动机不同，但和弹簧类似。受到冲击时，来自跳跃期的部分运动能量被转换成肌肉中（或更确切地说肌肉–肌腱系统中）的势能，而部分能量能在下一步中重新加以运用。例如，当一头齐足跳跃袋鼠落地后重新弹起时，它能收回落地时约40%的能量（Vogel，1998）。

让我们回到Puppy的话题上来。材料和形态性质的适当组合，即肢体的特殊形状，使得Puppy能奔跑。伺服电动机使腿前后摆动，提供了能量及有节奏的基本激活动作。而弹簧、弹性的脊柱以及特定的形态，在Puppy 和环境交互时，主导了力在机器狗全身的和谐分布，从而使Puppy能适应环境的变化。脚部稍稍易滑的材料为自稳定（不需显式控制但能稳定步态的能力）提供了额外的自由度。请注意，因为Puppy只是狗的一个极为简化的版本，它的动态机理也和一只真狗截然不同，但是就本身的结构而言，它的运动是很自然的。Puppy的运动有一种确实的美感。你可以在本书的网页上观看视频片断来核实Puppy运动的自然程度。

脑控制身体，抑或是身体控制脑？

对机器人来说，控制器（驻留在微处理器中）和被控制体（真实机器人的实体）之间有着非常明显的区别，但是对自然系统来说，这种区别就不是那么明显了。动物或人的神经系统和身体的其他部分一样是物质具身的，也就是说，神经系统并非险藏在一片独立于身体之外进行操作的微处理器中的。判断机器人的控制器和被控制体的一个基准是能量消费。通常，控制器的能量消费要比其控制的电动机的消费小得多。但人脑的能量消费很高，占身体总消费量的20%。而当我们考虑到身体本身，即形态，材料和系统–环境的交互也参与控制任务（也就是说进行形态计算）的话，这种区别变得更加模糊。

为了进一步说明，想象你正在一条平坦的慢跑道上奔跑，当路面开始有点向下倾斜时，你会开始跑的快一些。但并不是因为脑“告诉”身体跑的快一些，而是因为重力使身体加速，从而使四肢动得更快，结果又加快了脑内振荡回路！所以，身体“控制”脑和脑控制身体是同等的。换句话说，没有哪个系统是对另一个具有统治性的；身体和脑相互决定了对方的行为。在本书中我们将看到相互耦合的更多实例。

传感器形态学计算：“Eyebot”

大约在1995年，理论物理学家、人工智能研究者Lukas Lichtensteiger和他的同事Peter Eggenberger从昆虫得到灵感，提出了一个杰出的想法：复眼中小眼面的特有的排列有着重要的功能，至少对某些种类的昆虫而言是这样的，即补偿运动视差。小眼面是共同构成昆虫复眼的小单位。运动视差只是一种现象的漂亮名字。这个现象我们都非常熟悉。假设你正坐在一辆列车上朝着列车行进的方向看着窗外。

在很远处，你看到了一棵树。由于你还离得很远，这棵树在你的视野中移动得很慢。

但当你接近这个树时，即使列车以不变的速度在行驶，这棵树在你的视野中的移动将比原先快得多。这是一个几何现象，既适用于人眼也适用于昆虫的眼。在视野中附近的物体移动得比远处的物体快。虽然比起人眼，昆虫的眼要原始得多，然而，对它的任务（快速飞行时引导昆虫）来说它是极其有效且合适的。

在法国马赛Centre National de Recherche
Scientifique（CNRS）工作的杰出的神经科学家、热心于机器人的Nicolas Franceschini在家蝇中发现小眼面的间隔不是同质的，前面的浓度高于侧面的浓度。这种排列的好处是什么呢？首先，在你要去的方向，通常是前进方向有高分辨率是合情合理的；第二，通过这个排列，从远处的物体发出的缓慢移动光点在眼的正面从一个小眼面移动向另一个小眼面的速度，和从一个接近的物体发出的快速移动光点在眼的侧面小眼面间的移动速度大致相同。

因此，眼睛的形态有效地补偿了运动视差（见图4.5）。

让我们假设一只昆虫“想”以某个安全距离飞越一个障碍物。一个做法是就如铁轨通过那棵树一样，保持固定的横向距离。由于小眼面的分布，昆虫所需做的是保持不变的光流量，即昆虫只需移动使光点从一个小眼面到另一个所需的时间间隔保持不变（这实在是廉价设计！），如果小眼面的排列式是同质的，由于运动视差，计算将会更复杂（必须对不同的小眼面使用分别调节好的神经回路）。这是形态计算或形态和计算折中的另一个事例，可以说计算是由昆虫眼的形态进行的。

受到这些关于昆虫眼球形态学新发现的启示，Lichtensteiger 和Eggenberger开发了“Eyebot”，这是一个具有一组线性小眼面的机器人，各个小眼面是一个内装有光传感器的塑料管（见图4.5）。这些小眼面可以由电动机单独移动，而电动机可

（b）

烟5多多：g：多

903 罗罗罗罗罗

图4.5生态平衡：通过传感器形态的形态学计算（a）“Eyebot”具有可调节中空管，在其基部装有光敏感单元，因此，能模仿生物眼的小眼面；（b）如果小眼面是均匀分布的，当一个光点（描画成奔跑着的灯泡）在眼的正面远方时，灯泡在视野中缓慢移动，但是当它经过机器人的旁边时，移动的很快。这就是运动视差现象；（c）如果小眼面在机器人的前面更集中，那么，无论光点在机器人的前面或侧面，光点将以同一速度移动通过那些中空管，因此特定的形态能补偿运动视差以由一个程序控制。现在，调节行为以及适应环境的能力通常被归因于脑的可塑性。

Lichtensteiger和Eggenberger 针对形态的适应潜力提出了以下疑问：假设给智能体

设定一个通过移过保持与障碍物间距离一致的任务，我们在实验期间将脑固定，但我们允许智能体改变它自身的形态，那么智能体能否通过调整它的形态（这里是小眼面的排列）来完成任务？他们对“Eyebot”运行了一个进化算法（见第6章）来优化小眼面的角度，从而使光能以相同的速度通过每组小眼面。大约5个小时后，机器人开始能解决难题了。结果是小眼面排列和在昆虫中发现的排列相似，且大多数集中于正面，在侧面则较少。

形态学计算，廉价和多样的移动：Stumpy物理学家、工程师Raja Dravid，在苏黎世经营着一个发明者合作组织。在21世纪的初始，Raja Dravid和工程师、计算机科学家Chandana Paul及Fumiya lida一起，酝酿了一个富有创造性的想法。他们开发了一个非常简单的但能实现多种行为的机器人。这个机器人能步行、跳舞、单足跳、转弯。但是，他们不打算建立一个有腿的机器人然后驱动机器人的腿，他们只驱动上半身。

Stumpy的下半身是一个倒转的T形，安有宽阔的、具有弹性的“脚”。上半身是一个直立的T形，用一个能来回移动的接头和下半身相连，通过这个“腰”关节，Stumpy能左右移动上半身，但不能旋转身体（见图4.6）。上面的水平杆通过第二个左右转动的接头和垂直杆相接，从而产生了一个附加的自由度，即肩关节。

这样，Stumpy就有两个自由度。它能左右移动上身，还能左右转动肩关节，但它不能前后弯曲。在机器人顶部的水平杆的两端附有重物，用以增加水平杆运动的效果。自从第一个Stumpy诞生以后，为了探讨简单的身体产生各种行为的不同方式，一整系列的Stumpy应运而生。这些Stumpy在设计、形态以及材料上略有差异。

虽然Stumpy没有腿和脚，但它能以很多方式四处移动，它能以直线或曲线朝前移动，它有不同的步态，它能斜着走，还能在原地打转。很有意思的是，所有这些只需驱动两个关节就可以成功做到。换句话说，控制极其简单，机器人实际上是“无脑的”。成功的原因是因为这个机器人的动态机理是由形态、材料（弹性，类似弹簧的材料，脚的表面性质）以及机器人的驱动方式决定的，而又以一种巧妙的方式利用了动态机理。许多Stumpy有趣且逗人喜爱的移动方式不仅仅产生于以特殊方式对两个关节的驱动，而且因为Stumpy是以特定的方式构筑的（详细请参见lida等，2000和Paul等，2002）；如果形态有所不同，它将可能展示较少的行为多样性.如图4.6（a）和4.6（b）所示。

进入下一个原理之前，让我们简短地总结一下关于生态平衡的想法，也就是形态、材料和环境的交互及控制的相互影响。第一，给定一个特定的任务环境，对智能体动态机理（物理）的利用不仅能带来智能体自然的行为，还有更高的能量效率。

第二，当智能体的动态机理被有效利用时，控制经常能变得相当简单，同时又能维

持相当程度的行为多样性。第三，材料具有固有的控制特性（例如，劲度、弹性及阻尼）。第四，因为生态平衡的有效利用，智能体如Stumpy能展示令人惊奇的多样行为。在这个意义上，Stumpy也证实了多样性–顺应性。一方面它以有趣的方式利用了物理动态机理，另一方面，它又显示了行为多样性。

（b）

0

Q0

没有上半身。

再

没有弹性）

（c）

学

图4.6生态平衡：通过形状和材料的形态计算。这里显示了3种形态，其中两种不能正常作用，而一种能进行预期的舞蹈行为（a）机器人没有足够重的上半身，不能产生足够的力矩来使脚离开地面；（b）在脚上没有弹性的机器人不能正确移动或会摔倒，因为力不能通过机器人充分地传播到地面以产生移动；（c）Stumpy具有合适的形态（上半身）和合适的材料（有弹性的脚），因此它能做出许多种有意思的行为；（d）Stumpy所表现的生态系统，我们使用我们的上体和腿部的弹性做出有趣的移动