بهينه‌سازي وزن‌هاي پيوندي در يك شبكه‌ي مولد الگوي مركزي چهار سلولي به‌منظور توليد گام‌هاي حركتي دوپايي

Optimization of coupling weights in a 4-cell central pattern generator network for bipedal locomotion gait generation

تنظيم الگوي حركتي ربات مطابق با شرايط مسير يكي از زمينه‌هاي مورد توجه در رباتيك مي‌باشد، زيرا موجب افزايش توانايي ربات در عبور از محيط‌هاي ناشناخته مي‌شود. براي اين منظور مي‌توان از سازكار توليد الگو‌هاي حركتي در انسان و حيوانات، موسوم به «مولد الگوي مركزي» الهام گرفت. اين الگوهاي حركتي را گام و تعويض بين الگوهاي حركتي را گذر گام مي‌گويند. تاكنون مدل‌هاي مختلفي براي مدلسازي عملكرد مولد‌هاي الگوي مركزي ارائه شده و از آنها براي توليد مسير در ربات‌هاي سيار مختلفي نيز استفاده شده است. در مقاله‌ي حاضر، يك شبكه‌ي مولد الگوي مركزي موسوم به «مدل چهار سلولي» مطالعه مي‌شود كه براي توليد سيگنال‌هاي ريتميك مفاصل قوزك پا در سازكار حركتي دوپايي طراحي شده است. اين مدل از چهار سلول يكسان جفت‌شده تشكيل مي‌شود كه ديناميك داخلي آن‌ها از معادلات غيرخطي موريس‌- لكار تبعيت مي‌كند و پيوند بين سلول‌ها از نوع انتشاري است. توليد گام‌هاي مختلف به تنظيم اختلاف فاز‌هاي مناسب بين سيگنال‌هاي ريتميك توليد شده‌ي سلول‌ها ربط دارد، كه به نوبه‌ي خود با تنظيم وزن‌هاي پيوندي ميان سلول‌ها حاصل مي‌شود. در اين مقاله، از الگوريتم ژنتيك با مرتب‌سازي نامغلوب براي يافتن وزن‌هاي پيوندي بهينه جهت دستيابي به اختلاف فاز‌هاي مطلوب براي گام‌هاي اوليه‌ي راه‌رفتن، دويدن، جهـش دوپا و پريدن دوپا استفاده مي‌شود. همچنين، برخي گام‌هاي ثانويه، به‌ويژه گام راه رفتن آرام، با دوشاخگي حاصل از شكست تقارن در شبكه‌ي مولد گام‌هاي اوليه به‌دست مي‌آيد. در مرجع [28] امكان توليد گام راه رفتن آرام توسط شبكه چهار سلولي پيش‌بيني شده است، ولي موفق به توليد آن نشده بودند

Locomotion regulation of a robot according to path conditions is one of the main interests in the robotics, because it enables the robot to move in unknown environments. This can be realized using inspiration from the human and animals' bio-mechanism in generating various motion patterns called central pattern generator (CPG). These motion patterns are called “gaits” and changing between the motion patterns is called “gait transition”. Many models have been proposed to model CPGs and are used for trajectory generating of various mobile robots. In this paper, a type of CPG network called 4- cell CPG model is studied to generate the rhythmic signals of the ankle joints in a bipedal locomotion gaits. This model is composed of four coupled identical cells whose internal dynamics is described by the Morris-Lecar nonlinear differential equations and the couplings between the cells follow the diffusive type. The generation of various locomotion gaits depends on the adjustment of the phase differences between rhythmic signals produced by the cells. The phase differences, in turn, are obtained via properly adjusting the coupling weights between the cells. Here, we exploit a non-dominated sorting genetic algorithm (NSGA-II) to find the best set of coupling weights for maximally approaching the desired phase differences of the primary bipedal gaits of walk, run, two-legged jump, and two-legged hop. Also, some secondary bipedal gaits, especially one that is called “hesitation walk􀞵, are obtained by symmetry breaking bifurcations of the primary gaits. The “hesitation walk􀞵 has already been predicted in [28], however the authers could not generate it.