精读笔记

Problem Setting

Development of Bioinspired Multimodal Underwater Robot “HERO-BLUE” for Walking, Swimming, and Crawling（IEEE Transactions on Robotics / 2024）

这篇论文真正处理的是近底复杂水域中的 locomotion mismatch：机器人既需要像 AUV/ROV 那样在开阔水域快速移动，又需要在碎石、坡面、浅水强流、海草/绳索附近通过接触地形获得稳定移动和驻留能力。关键矛盾在于：游泳希望 appendage 低阻、柔顺、能产生水动力；步行/爬行希望 appendage 能承重、产生摩擦/法向力、抗滑移。这两个需求通常对应完全不同的执行器形态。

以前路线的瓶颈很明确：推进器型平台在近底强流、缠绕物和生态敏感环境中不可靠；RHex/AQUA/AmphiHex 一类用旋转腿兼顾游泳和行走，但水下 benthic walking 时阻力和缠绕问题突出；高 DoF 水下足式机器人可控性强，但功耗、水阻和机械复杂度高，游泳能力差。HERO-BLUE 试图解决的不是“做一个会三种动作的机器人”，而是如何用低主动 DoF 的同一身体在不同物理交互 regime 间切换。

Motivation

作者的核心观察是：水下 multimodality 的难点不在 gait pattern 的数量，而在 appendage 是否能在流体交互和地面接触两种力学边界条件下都有效。已有工作缺的是一种具备“形态复用”的执行器，而不是再增加推进器或关节数。

因此论文选择了生物启发但偏工程力学的路线：把模式切换的一部分交给被动机械结构，而不是完全交给控制。胸鳍通过单向弯曲和机械锁止获得方向相关刚度；侧鳍用于低速精细推力和坡面 downforce；主动浮力用于改变水下重量和俯仰力矩。这里真正的动机是降低控制和硬件复杂度，同时让机器人在不同环境下拥有不同的“有效身体”。

Core Idea

核心思想可以概括为：用一个机械各向异性的 multimodal fin，把 swimming fin 和 walking limb 合并成同一执行器。水中振荡时，柔顺多关节结构提高水动力交互；接触底面时，单向锁止使其在 stance 阶段表现得更像刚性支撑，在 swing 阶段又能被动弯折降低阻力和拖拽。这样，stance/swing 的力学分化不是纯控制生成，而是由材料、关节和接触方向共同诱导。

这与 prior 的本质区别在于，它没有把多模态理解为“多个 actuator 或多个 gait 的叠加”，而是把多模态编码进形态本身。控制层只需给出低维周期信号和少量模式相关参数，身体-环境交互会自动放大成不同 locomotion mode。这个 inductive bias 对水下近底机器人很重要：因为水动力和接触力高度不确定，完全依赖精确模型反而不现实；让结构本身产生有利的被动力学，可能比增加感知和优化更 scalable。

Method

1. 多关节被动胸鳍：解决同一 appendage 难以同时游泳和步行的问题。其必要性在于，水下腿若完全刚性会增加 swing 阻力，完全柔性又不能承重。单向锁止/被动弹性让鳍在不同旋转方向呈现不同刚度，核心变化是把 gait phase 的力学差异内嵌到机械结构。

2. CPG 低维周期组织：解决多鳍、多模式下协调问题。这里 CPG 不是创新重点，而是合适的 rhythmic command interface。它把胸鳍、侧鳍和腰关节统一到相位、幅值、偏置参数空间中，使 walking / crawling / swimming 可以通过相位关系和轨迹函数切换。

3. 侧鳍作为冗余力源：解决胸鳍不足以同时承担推进、姿态和抗滑的问题。游泳时侧鳍提供低速精细 surge/sway/heave 调节；坡面步行时侧鳍主要提供额外法向 downforce。它的核心作用不是增强速度，而是提供力分配冗余。

4. 主动浮力控制：解决不同模式对水下重量的冲突。游泳需要接近中性浮力，底栖步行需要负浮力以提高接触稳定，爬坡又需要减小切向重力分量。ABC 的机制是把 locomotion mode 的约束从纯接触控制转化为浮力/俯仰力矩调节。

5. 模型用于解释和局部约束，而非全局规划：论文给出多体动力学、水动力阻尼、接触 GRF、浮力矩平衡等模型，但其实际作用更像设计验证、力学解释和控制量估算。在线控制仍以预定义 gait 和反馈修正为主。

Key Insight / Why It Works

最重要的 insight 是：在水下接触运动中，机械各向异性比高精度控制更值钱。底质摩擦、水流扰动、接触点数量都不稳定，想用高 DoF 腿和精确接触规划解决会迅速变复杂；而被动胸鳍通过方向相关刚度天然制造“推进时抓地、回摆时卸载”的非对称性，这正是低成本步态成立的核心。

第二个 insight 是 gait 与环境之间的匹配不是速度最优，而是阻力/接触面积/法向力的 trade-off。walking 在碎石上更好，因为高姿态和大步幅能跨越局部障碍；crawling 在水流中更好，因为低姿态减小迎流截面，同时多面接触提高抗滑和抗转动。论文的实验结果基本符合这一力学解释，所以它的有效性不是偶然调参。

第三个 insight 是主动浮力在 multimodal underwater locomotion 中不是附属功能，而是模式切换的关键状态变量。没有浮力调节，游泳和步行对水下重量的要求相互冲突；坡面上更明显，单靠腿/鳍增加 downforce 不足以消除滑移，必须同时改变重力与浮力合力方向和大小。

我认为核心贡献排序是：被动锁止 multimodal fin > gait-environment matching 的系统集成 > 浮力/侧鳍辅助稳定 > CPG/数学模型。CPG、伪逆推力分配、Kuramoto 网络这些部分更多是成熟工具重组，不是论文真正的技术壁垒。增益主要来自 better embodied inductive bias，而不是 scaling、data、learning 或复杂 planning。

Relation To Prior Work

最接近的谱系包括三类：一是 AQUA、AmphiHex、SHALBOT 等由 RHex 式旋转腿发展出的 amphibious / underwater multimodal robot；二是高 DoF benthic legged underwater robots；三是仿鱼/仿鳐的非推进器 BUR。HERO-BLUE 的位置是在这些路线之间做形态折中。

相对 RHex/AQUA 系，它的关键差异是避免用大幅旋转刚性腿作为通用 appendage，而是用半柔性、可被动弯曲的 fin 降低水阻和缠绕风险，并让接触力由方向相关结构产生。相对高 DoF 足式水下机器人，它牺牲了精细足端轨迹和复杂接触规划，换来低 DoF、低复杂度和可游泳性。相对纯 BUR，它不是只追求水动力效率，而是明确引入地面接触 locomotion。

看似新的 CPG、多鳍协调、浮力调节其实都不是新思想；实质创新在于把这些已有组件围绕“同一胸鳍的双重力学角色”重新组织，并在真实水下场景中验证其可用性。论文贡献更像 embodied robotics 的系统级创新，而不是控制理论突破。

Dataset / Evaluation

评估覆盖比较完整：鳍级推力测试验证 swimming actuator 的基本能力；多体仿真用于解释 GRF 和被动关节在 stance/swing 中的作用；水槽实验覆盖碎石、流场、坡面；field trials 覆盖开放海域、湖床、溪流、海草覆盖地面。对于一篇机器人硬件论文，这个 evidence chain 足以支持“平台具备多模态真实部署潜力”。

但 evaluation 的强度主要在 feasibility，而不是严格性能优越性。缺少与 AQUA/SHALBOT/高 DoF 水下足式平台在相同环境下的直接对照；场景规模有限，水流和底质复杂度仍偏可控；模式选择大多是人为指定，未证明自主判断何时 walk/crawl/swim。field trials 很有价值，但更多是 robustness demonstration，不是可重复 benchmark。

核心 claim——同一平台可连续结合游泳和腿式运动——被验证了；更强的 claim——在复杂水下任务中显著优于既有路线——还没有被充分验证。

Limitation

1. 泛化依赖机械参数窗口。胸鳍的被动刚度、锁止角、材料阻尼、表面摩擦与机器人重量/浮力强耦合。换尺度、换材料、换底质后是否仍能产生同样的 stance/swing 分化，文中未充分说明。

2. 控制不是环境自适应。论文展示的是多种预定义 gait 在不同环境中的手动或规则式使用，而不是感知-决策-控制闭环。所谓 motion planning 比较弱，更接近 gait scheduling 和力学约束估算。

3. 模型归因有限。动力学模型、仿真和实验趋势一致，但水下接触问题高度复杂，模型是否能预测未见环境中的失败边界不清楚。很多模型项可能主要用于解释，而非实际闭环性能来源。

4. 上限受低 DoF 形态限制。低复杂度是优势，也是上限：复杂三维障碍、精准足端放置、强非均匀流、软底沉陷、缠绕后的脱困等任务可能需要更高感知和更丰富的主动控制。

5. 长期部署问题没有展开。被动关节、硅胶 tendon、锁止结构、水下泥沙和海水腐蚀下的疲劳/可靠性是硬件平台真正落地的关键，但文中未充分说明。

6. 性能提升的定量归因不完全清楚。例如坡面成功来自侧鳍 downforce、浮力减重、俯仰姿态调整和 gait 参数共同作用，单因素贡献没有完全拆开。增益来源不清。

Takeaway

• 1. 对水下近底机器人，多模态的关键不是“多加几个运动模式”，而是让同一身体结构在不同环境交互中呈现不同有效力学属性。
• 2. 被动机械结构可以显著降低控制难度。
• 特别是在水动力和接触力都难以精确建模的场景中，形态诱导的稳定性比在线优化更可靠。
• 3. 主动浮力应被视为 underwater locomotion 的核心控制维度，而不是姿态辅助模块。

一句话总结

HERO-BLUE 是一篇典型的 embodied multimodal underwater robotics 工作，其真正贡献不是控制算法，而是用机械各向异性的被动胸鳍把游泳和底栖接触运动统一到同一低 DoF 形态中，并通过侧鳍与主动浮力完成可部署的系统闭环。