← 返回 PaperDaily
视觉与图像
以色列理工最新研究：游泳机器人最优步态，被庞特里亚金算明白了
想象一下在蜂蜜里游泳：你拼命划水，水却像胶水一样黏着你，一停就立刻静止。这就是低雷诺数世界里的真实日常。以色列理工学院这篇新论文，给经典的Purcell三连杆游泳机器人加了一个“大肚子”模型，再用庞特里亚金最大值原理，把“怎么扭最远、怎么扭最省力”的最优步态一次算明白了。
龙哥读论文
发布于 2026-08-23 00:20:15
阅读 4
查看原文
原论文信息如下：
在开始今天的内容之前，龙哥想先问一个问题：你觉得在蜂蜜里游泳，和在水里游泳，哪一个更像我们日常理解中的“游泳”？
从微观到宏观：Purcell游泳器的机器人实现与模型修正 在微观世界里，游泳是一件非常反直觉的事情。想象你在蜂蜜里挥动双臂，刚停下来，身体就瞬间静止——不是因为懒惰，而是因为那里的流体环境完全由粘性力主导，惯性几乎为零。物理学上用雷诺数（Reynolds number，简称Re）衡量惯性力与粘性力的相对大小。当Re远小于1时，流体就进入了“低雷诺数世界”，这也是本文主角——Purcell游泳器——的主场。
Purcell游泳器是诺贝尔物理学奖得主Edward Purcell提出的经典模型：三根刚性连杆，两个旋转关节，中间一根杆，左右各一根杆，全部浸没在粘性流体中。它看上去像一根折断的牙签，但在低雷诺数世界里，这种简单的非对称结构恰恰能产生净位移。模型的动力学用阻力力理论（Resistive Force Theory）来刻画：杆上某点受到的粘性阻力正比于它的运动速度，分为轴向和法向两个分量，比例系数分别为c_t和c_n。
其中f_i和m_i是第i根杆受到的阻力和扭矩，l_i是杆长，t_i和n_i是杆轴向和法向的单位向量，ω_i是杆的角速度。利用游泳器的运动学关系，可以推出体运动速度与关节角速度之间的线性关系：
这意味着游泳器是准静态运动的——每一步姿态变化都唯一地决定了一小段身体位移，与变化速率无关。正是这个性质，让“步态”成为控制游泳器的核心手段：只需规划两个关节角随时间变化的闭合轨迹，游泳器就能在流体中走出特定路径。
理论模型很美，但真实机器人就没那么“细长”了。本文的实验平台是以色列理工学院团队搭建的宏尺度三连杆游泳机器人。三块薄铝板构成连杆，中间板长7.1厘米，两侧板各长13.7厘米。两个舵机（HITEC HS-785HB）驱动关节，Arduino NANO控制板加HC-05蓝牙模块接收指令，四节AA电池供电。为了防水，所有电子设备被安置在中心连杆上方的泡沫浮块上，铝板浸入硅油中。实验流体是运动粘度60,000 cSt的硅油，关节特征角速度0.24 rad/s，算出的特征雷诺数Re≈0.039，确认处于低雷诺数区域。
实验中让机器人执行圆形步态（相位差ψ=π/2），用OptiTrack红外相机以100赫兹采样率追踪电机上两个反光标记的运动轨迹。图2展示了幅值ε=70°的一次典型实验结果：机器人沿x方向前进，y方向几乎不漂移，转角θ也基本归零——圆形步态的对称性得到了验证。
图2 幅值ε=70°圆形步态的实验结果 (a) 中心连杆中点在x-y平面内的轨迹 (b) x(t) (c) y(t) (d) 朝向角θ(t)
接下来是重头戏：实验结果与理论仿真的对比。论文对不同幅值ε下的圆形步态实验净位移与Purcell理论模型仿真做了对比，结果让人直挠头——实验的最大净位移比理论预测小3倍以上，最优幅值的位置也对不上。差距主要来自两个原因：第一，Purcell模型假设细长圆截面杆，阻力比χ=c_n/c_t接近2，但实验机器人用的是薄矩形板，其法向阻力占比更大；第二，机器人中心的泡沫浮块驮着电机、电池和蓝牙模块，在硅油中带来了巨大的附加阻力，而原始模型完全没有表示这一点。
图3(b) 圆形步态下不同幅值ε的净位移对比。蓝点为实验结果，绿色为细长杆Purcell模型仿真，黑色为修正后的模型仿真
针对这两点偏差，论文对模型做了两项修正。第一项是在中心连杆位置添加一个半径为r_s的刚性球体，代表浮块的附加阻力。球体在低雷诺数下的阻力矩阵由斯托克斯公式给出：
第二项是允许阻力比χ在拟合中自由变化，不再固定为2。然后，以最小化加权均方根误差（RMSE，Root Mean Square Error）为目标，用MATLAB的fmincon优化器在实验数据上拟合r_s和χ：
最终拟合的参数是r_s=6.92厘米，χ=3.598。χ值大于2，正好印证了薄板比细杆法向阻力更强的物理直觉。修正后的仿真结果（图3b黑线）与实验数据高度吻合，最大净位移的大小和位置均对上。这一步校准做得很扎实，为下一步最优步态求解奠定了可信的模型基础。
最优控制框架：PMP如何求解游泳步态优化问题 有了可信的动力学模型，下一个问题顺理成章：什么样的周期步态才是最优的？这里有两种“最优”的内涵：一是让一个周期内的净位移最大（走得最远）；二是让Lighthill能效最高（最省力）。这两个问题都可以写成标准的最优控制问题（Optimal Control Problem，简称OCP）：状态变量是关节角和身体位姿，控制输入是关节角速度，目标是最大化某个终端代价函数。数学上写作：
求解这类问题，最经典的理论工具是庞特里亚金最大值原理（Pontryagin's Maximum Principle，简称PMP），由苏联数学家Lev Pontryagin在1956年提出。PMP的核心思想是引入一组伴随变量（costate variables，也叫协态变量）λ，构造哈密顿量H = λᵀf。PMP断言：最优控制输入u*(t)必须使哈密顿量在所有可行控制中取最大值：
同时伴随变量自身满足动态方程λ̇ = -∂H/∂z。直观理解，PMP相当于给优化问题装了一部“雷达”：伴随变量指示状态变化对目标函数的影响方向，控制输入沿着雷达指引的方向调整。对于本文的游泳器模型，控制输入u是关节角速度，最优控制问题的哈密顿量为：
其中函数g、h、f、q来自运动学方程G矩阵中的对应元素。不过游泳器最优控制问题有两个“硬骨头”。第一，哈密顿量对u是线性的，常规条件∂H/∂u=0无法直接给出最优解，问题会出现所谓的奇异弧（singular arc）。处理办法是对∂H/∂u求高阶时间导数（即dᵏ/dtᵏ(∂H/∂u)=0），直到控制u显式出现，再从中提取最优控制律。第二，关节角有物理界限（比如≤2.8弧度），这是不等式状态约束。直接毗连法（direct adjoining approach）的做法是引入非负拉格朗日乘子μ(t)，构造增广哈密顿量H̃ = H + μw，其中w(z)≤0是约束函数。当状态触碰到边界时，μ>0，控制输入转而由约束的导数条件决定；离开边界后，μ=0，重新回到无约束最优条件。这种切换机制使得最优步态可能包含“贴着边界走”的区段，也正是这些区段让步态的形状发生拓扑变化。
需要说明的是，这套PMP框架并非本文首创，文献[34]已经用它对原始Purcell模型在关节角界限下的位移最优步态做了求解。本文的贡献在于：一是把PMP框架拓展到带中心球体的修正机器人模型，发现最优步态发生了显著的定性变化；二是首次用PMP求解Lighthill能效最优问题，并发现了新的高效步态——这两点正是下面两节的核心。
位移最优步态：几何方法揭示步态拓扑变化 先看一个直观现象。论文给修正后的机器人模型分别输入圆形和方形两种关节角步态，扫描不同幅值ε，记录每个周期在x方向上的非维度净位移X/L（L是三个连杆的总长度）。结果发现：两种步态各自都出现了两个局部最优幅值，一个在1.5到2弧度附近，另一个在3到4弧度附近；第二个最优幅值对应的净位移更大，但游泳方向与第一个相反。
图4 修正机器人模型在不同幅值ε下的非维度净位移X/L。绿色为圆形步态，黑色为方形步态。×标记为OCP求解得到的3个局部最优步态（关节角上界2.8弧度）
这意味着最优步态很可能不止一个，至少存在两个形状不同的局部最优解，分别对应正向和反向位移。为了把“步态形状”和“净位移”之间的关系可视化，论文采用了一种漂亮的微分几何方法。由于游泳器的运动方程具有平移和旋转对称性，连接矩阵G可以分解为G(Φ,θ)=D(θ)A(Φ)，其中D只依赖朝向角θ，A只依赖形状变量Φ。这样，一个周期内的净位移就可以转化为关节角平面闭合曲线所围面积的积分：
利用这一变换，可以在关节角平面（φ₁, φ₂）上画出位移高度函数（height function）的等高线图，它的零水平曲线把平面划分为净位移为正和净位移为负的区域。找最优步态等价于：在给定关节角界限内，找一条闭合曲线围出最大的正面积（或负面积）。图5(a)展示了修正机器人模型的高度图，黑色曲线是零水平线。白色方形步态只包裹了正位移区域，红色方形步态包裹了更大的正位移区域，但也引入负位移区域，综合净位移更大且方向相反——这就是图4中两个局部最优幅值的几何解释。
图5 (a) 修正机器人模型净位移高度图。叠加了第一和第二个方形子优步态（白线与红线）。 (b) 关节角上界|φᵢ|≤2.8弧度条件下的正位移局部最优步态。(c) 在1.5≤|φᵢ|≤2.8弧度联合约束下的负位移局部最优步态。(d) 上界|φᵢ|≤2.8弧度且加入状态约束|φᵢ|≥|φⱼ|后得到的负位移局部最优步态，呈双哑铃环状
用PMP求解OCP，得到三类局部最优步态。第一类是正位移最优步态（图5b），形状像一只扁长的“香蕉”，沿对角线方向延伸；第二类是负位移最优步态（图5c），形状像一个“扭结的8字”。第三类尤其有意思——论文额外加了不等式状态约束|φᵢ|≥|φⱼ|，结果数值求解得到了一种把两个“哑铃”拼在同一个环上的步态（图5d）。这个双哑铃环状步态对应高度图中多个局部极值的“协作模式”，是此前文献中从未出现过的。
用几何高度图可以直观解释步态拓扑的变化：当关节角上界从2.8弧度放松到更大范围时，高度图零水平曲线的连通分支发生变化，最优步态从单环变成多环，从只包络正位移区域变成同时包络正负区域——这也就解释了为什么最优净位移会在某个幅值附近突然反转。几何方法将抽象的最优控制问题变成了可视化的平面曲线设计，这种直观性是纯数值方法难以做到的。
能效最优步态：首次用PMP求解Lighthill效率最大化 走得更远只是问题的一半。如果机器人带着有限电量的电池，那么“怎么扭最省力”同样关键。论文引入Lighthill能效ξ来量化效率：它定义为游泳器以平均速度V̄前进时，用拖曳力估算的最小消耗功率与实际平均机械功率之比。
其中c_t是轴向阻力系数，l是特征长度，P̄是平均机械功率。这个比值越高，说明同样的能量转化出了更多的有效前进动量。
用PMP公式化能效最优问题，状态空间需要额外加入一个能量变量E，其导数由功率矩阵W(Φ)决定：
代价函数改为x²(t_f)/(E_f·t_f)，即单位能量和单位时间下净位移的平方，并固定周期时长t_f=1。伴随变量的边界条件比位移最优问题复杂得多，而且数值求解对初始猜测极其敏感。论文的策略是“两步走”：先用截断傅里叶级数参数化步态做粗搜，再用GPOPS-II求解器——一个基于hp自适应高斯积分配点法（Gaussian quadrature collocation）的最优控制软件——产生高质量的初始猜测，最后代入PMP导出的两点边值问题（Boundary Value Problem，简称BVP）精解。
这个求解流程带来了两个新发现。第一个发现：对原始Purcell游泳器，PMP成功复现了文献[27]报道的能效最优步态（图6左），验证了方法的可靠性；更重要的是，论文还发现了一个此前从未被报道过的大振幅能效最优步态，效率比已知最优步态还要高，其形状与已知解差异很大。
第二个发现更有趣：对修正后的机器人游泳器模型（带中心球体、χ=3.598），能效最优步态与原始模型完全不同，存在两个不同振幅区间的局部最优解——一个在中等振幅，一个在大振幅。大振幅解的效率更高，形状上多出了明显的“摆动”结构。这说明中心浮块的附加阻力改变的不只是数值大小，而是从根本上改变了最优步态的拓扑结构。
图6 Lighthill能效ξ随幅值ε的变化。绿色为圆形步态，黑色为方形步态。(a) Purcell游泳器模型。(b) 修正后的机器人模型
图7 能效最优步态（实线）与简化形状的次优步态（虚线）。(a) Purcell游泳器模型。(b) 修正后的机器人游泳器模型
打个比方来理解这件事：原始Purcell模型像一位纤细的芭蕾舞者，最优舞步讲究舒展优雅；但是背上一个大背包之后（中心球体），最优舞步就变成了“扛着包小步快挪”的新套路。理论模型与真实工程平台之间的这种差异，恰恰是本文最有价值的工程洞见——优化结果对动力学模型细节高度敏感，直接拿理论最优步态搬到真实机器上，很可能不是真的最优。
实验校准与验证：从理论模型到真实机器人 实验部分最重要的验证点，是改进模型在圆形步态下仿真与实验数据的定量吻合。论文的拟合不只是对齐净位移X，还同时考虑了y方向的振荡幅度ΔY和姿态振荡Δθ。加权RMSE中三个量的权重设为w_x=0.5、w_y=w_θ=0.25，确保净位移占主导地位。从实验数据看，有几个值得注意的点。第一，最优幅值确实存在，实验测得的净位移-幅值曲线呈先增后减的峰形，峰值约在ε=1.8到2.0弧度附近，与理论预测一致。第二，X、ΔY、Δθ三种量在圆形步态下随幅值近似同步增长，说明模型动力学抓住了主要的阻力耦合机制。第三，所有运动追踪轨迹的y方向漂移和净转角均接近零，与圆形步态的对称性理论一致。
实验的一个潜在局限是容器边界效应：论文用的水池直径1米，而游泳器总长34.5厘米，接近直径的三分之一。硅油在有限容器中的壁面效应没有被建模，可能会对阻力系数的标定产生微小偏差。不过从结果看，模型修正后的仿真与实验误差已控制在合理范围内，足以支撑后续最优步态的理论分析。如果后面想继续推进，龙哥认为作者可以用更大尺寸的池子或者加上壁面修正项，把边界效应的影响进一步压下去。
回到开头的那个问题——在蜂蜜里游泳，怎么游得最远？怎么游得最省力？这篇论文给出的答案是：先建模、再校准、然后用庞特里亚金最大值原理把最优步态算出来。这个流程对水下机器人、微纳机器人的控制设计都有参考价值。不过要提醒的是，本文推导的最优步态尚未在真实机器人上做闭环验证，从“仿真最优”到“实验最优”还有一段路要走。
龙迷三问 这篇论文到底在解决什么问题？ 论文以Purcell三连杆微游泳机器人为对象，提出含中心球阻力的修正模型，并用庞特里亚金最大值原理系统求解最大化位移与Lighthill能效两类最优步态，发现多个形状迥异的局部最优解，实物实验与理论高度吻合。这篇工作最值得看的点是什么？ 实验结果表明，改进后的模型（加入中央球体和可变阻力比χ）与实验数据的吻合度显著优于原始Purcell细长连杆模型，净位移的定量预测误差大幅降低。这篇工作的边界或风险在哪里？ 优点：1) 将最优控制理论（PMP）成功应用于实验验证的游泳机器人模型，实现了位移最优和能效最优步态的求解；2) 通过微分几何方法提供了步态形状变化的直观解释；3) 实验与理论结合紧密，模型校准过程严谨。缺点：1) 最优步态尚未在实验中验证；2) 最优控制求解对初值敏感，需要借助数值工具提供初值；3) 模型忽略了流体动力学相互作用。如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~
龙哥点评 论文创新性分数： ★★★★☆
基于庞特里亚金极大值原理（PMP）的最优控制框架，结合微分几何高度函数分析，求解位移最优和能效最优的周期步态，并通过实验校准的改进Purcell模型验证。实验合理度： ★★★☆☆
现有材料未完整覆盖数据划分、基线公平性和统计显著性，因此按中性评价处理。学术研究价值： ★★★★☆
基于庞特里亚金极大值原理（PMP）的最优控制框架，结合微分几何高度函数分析，求解位移最优和能效最优的周期步态，并通过实验校准的改进Purcell模型验证；更关键的是问题定义是否可复用到同类任务。稳定性： ★★★☆☆
现有材料未提供充分的极端条件、重复运行或扰动测试，稳定性暂按中性评价。适应性以及泛化能力： ★★★☆☆
现有材料未完整展示跨数据集、跨场景或分布外实验，泛化能力仍需进一步验证。硬件需求及成本： ★★★☆☆
现有材料缺少完整训练资源、参数量、显存和推理时延信息，成本暂按中性评价。复现难度： ★★★☆☆
现有材料未确认完整代码、配置、数据处理脚本和权重是否齐备，复现难度暂按中性评价。产品化成熟度： ★★★☆☆
论文验证以研究实验为主，真实部署中的时延、成本、维护和异常场景仍需补充验证。可能的问题： 1) 最优步态尚未在实验中验证；2) 最优控制求解对初值敏感，需要借助数值工具提供初值；3) 模型忽略了流体动力学相互作用。
[1] Purcell E M. Life at low Reynolds number[J]. American Journal of Physics, 1977, 45(1): 3-11. [2] Becker L E, Koehler S A, Stone H A. On self-propulsion of micro-machines at low Reynolds number: Purcell's three-link swimmer[J]. Journal of Fluid Mechanics, 2003, 490: 15-35. [3] Wiezel O, Or Y. Optimization and small-amplitude analysis of Purcell's three-link microswimmer model[J]. Physical Review E, 2016, 93(3): 033113. [4] Pontryagin L S, Boltyanskii V G, Gamkrelidze R V, et al. The Mathematical Theory of Optimal Processes[M]. New York: Wiley, 1962. [5] Patterson M A, Rao A V. GPOPS-II: A MATLAB software for solving multiple-phase optimal control problems using hp-adaptive Gaussian quadrature collocation methods and sparse nonlinear programming[J]. ACM Transactions on Mathematical Software, 2014, 41(1): 1-37. *本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～ 想了解更多原文细节的小伙伴，可以点击 "阅读原文"， 查看更多原论文细节哦！
想看懂机器人如何在黏稠液体里“扭”出最优泳姿？欢迎加入龙哥读论文粉丝群，和同行一起聊透最优控制与仿生机器人。🐟
扫描下方二维码或者添加龙哥助手微信号加群：
kangjinlonghelper 。
一定要备注：研究方向+地点+学校/公司+昵称（如 机器人控制+上海+清华+龙哥） ，根据格式备注，可更快被通过且邀请进群。
『龙哥读论文』微信群目前包含：图像处理、大模型及智能体、自动驾驶及机器人、AI医疗及AI金融5个群
*本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～ 想了解更多原文细节的小伙伴，可以点击 "阅读原文"， 查看更多原论文细节哦！
