精读笔记

Problem Setting

这篇论文解决的不是普通软体蛇目标跟踪，而是 contact-aware locomotion 中一个更具体的控制矛盾：软体蛇必须持续产生周期性推进，同时又要对随机、离散、非周期的全身接触做快速反应。目标跟踪需要稳定 rhythmic command；接触反应需要短时、局部、强优先级的行为覆盖。两者如果直接叠加，CPG 很容易被冲击式触觉信号拖出原相位，导致过冲、错误恢复或卡死。

真正困难点来自软体平台本身：气动执行器非线性、延迟和随机性强，模型控制很难；触觉不能密集铺设，传感器还会改变摩擦和接触几何；真实触觉信号常是尖峰或近似方波，而不是可平滑处理的连续反馈。以前 rigid snake 的 obstacle-aided 方法通常依赖接触几何或动力学模型；传统 feedback CPG 多处理较规则的反馈输入。软体蛇这里的关键矛盾是：需要 contact feedback 足够强以压过 goal command，但又不能强到破坏振荡器的相位结构。

Motivation

作者的核心观察是，传统把 sensory feedback 加到 Matsuoka oscillator 膜电位方程的做法，在复杂 tonic input 和不规则 tactile input 同时存在时，本质上把两类不同时间尺度、不同语义的信号塞进同一个快通道。对于软体蛇真实接触，这会把接触信号的上升沿/下降沿放大为控制脉冲，带来过冲和相位畸变。

因此缺的不是一个更大的策略网络，也不是更精细的 obstacle representation，而是一个合适的中间动力学接口：高层 policy 可以继续给目标相关的 rhythmic modulation，低层接触可以以 reflex 的形式改变输出偏置和局部身体形态，但二者要在 CPG 内部被分流到不同状态变量上。论文选择 Matsuoka oscillator 的 adaptation state 作为触觉反馈入口，动机就是用慢变量吸收冲击反馈，同时保持 contact 对输出偏置的主导能力。

Core Idea

论文最核心的思想是重新定义 tactile feedback 进入 CPG 的位置：不是把接触力当作额外激励直接推高膜电位，而是把它作为 adaptation feedback 抑制自适应变量。直觉上，这相当于让接触信号改变振荡器的“抑制背景”和偏置，而不是直接打断当前振荡相位。这样接触可以改变身体弯曲方向和局部 actuation dominance，但不会把接触信号的导数项显式注入到快动态里。

与 prior 的本质区别在于，这不是单纯“CPG + sensor feedback”或“RL + CPG”的组合，而是修改了 feedback 的动力学接口。它引入的 inductive bias 是：goal command 和 contact reflex 属于不同时间尺度的信息流，前者调节周期运动，后者调节自抑制/偏置；CPG 作为中间层负责把二者整合成连续可执行的气动命令。这个 bias 比 end-to-end policy 更适合 sim-to-real，因为它把最脆弱的高频接触处理交给了有滤波/相位恢复特性的低维动力系统。

Method

方法的关键不是模块数量，而是三类机制。

第一，AF-form Matsuoka oscillator：它解决的是触觉脉冲扰动对 CPG 相位的破坏。传统 MPF 形式在等效二阶系统中出现 contact derivative disturbance，AF 通过把反馈放进 adaptation equation 消掉这一额外导数项。核心变化是 contact 不再走快激励通道，而通过慢自适应通道改变输出。

第二，goal/contact 分离控制：C1 goal-tracking policy 操作 tonic input，R2 或 local reflex 操作 sensory feedback input。这个分离是必要的，因为目标跟踪是连续周期控制，接触反应是事件触发的非周期控制。把二者放在同一个 policy 输出空间会让学习问题变成混合时标、稀疏触发的控制问题，样本效率和 sim-to-real 都会更差。

第三，local reflex 与 learning regulator 双实现：learning regulator 证明 AF 接口能接收复杂、黑箱的触觉调制；local reflex 证明不依赖 RL 也能通过拓扑连接获得合理接触反应。两者共同说明贡献主要在 CPG feedback mechanism，而不是某个特定 policy。

第四，双侧接触触发 rectilinear gait：它解决窄通道下 slithering 没有横向空间的问题。机制上是把双侧触觉模式转换为对 CPG 输出的重新组合，使同一套 actuator/CPG 生成类蠕动推进。这个模块更偏 engineering，但它展示了 AF-CPG 作为 gait substrate 的可复用性。

Key Insight / Why It Works

最重要的 insight 是：接触反馈的危险不只是幅值大，而是时间导数大。真实 tactile signal 的上升沿和下降沿会在 MPF 形式中显式表现为额外扰动，导致 overshoot 和 phase distortion；AF 把这类信号放进 adaptation dynamics 后，输出仍受接触偏置影响，但不会对边沿同样敏感。这解释了为什么 AF 在密集接触下比 MPF 稳定，也解释了为什么 local reflex 这种简单规则在 AF 上能工作。

第二个 insight 是 contact-awareness 并不一定需要高维环境建模。对这种软体蛇，很多有用行为可以通过身体局部触觉到 CPG 半中心的拓扑映射实现：头部避开障碍，尾部借障碍形成 scaffold-like propulsion，中段根据邻近接触释放或增加曲率。这里的“智能”很大程度来自 morphology + CPG dynamics + tactile topology 的 inductive bias，而不是策略网络学到了复杂推理。

第三，RL 的角色被有意限制了。AF-learning 的 R2 更像 sensor-feedback regulator，而不是完整 locomotion policy。它的有效性可能来自低维 action space 和 CPG 动力学先验，而非大规模策略学习本身。C1+ 直接把 contact 作为 observation 反而差，说明端到端加入传感器不等于 contact-aware；需要一个合适的反馈作用点。

我认为论文的实质贡献是 AF feedback mechanism 及其接触信号导数扰动分析；local/learning controller、传感器 scale、gait switching 都是围绕这个机制的系统验证。传感器设计和 gait switching 有明显 engineering 成分，但不是无关紧要：没有低摩擦大覆盖触觉和窄通道模式，真机 claim 会弱很多。增益主要不是 scaling，也不是 data coverage，而是 better inductive bias + dynamics-level representation alignment。

Relation To Prior Work

它最接近三条线：rigid snake 的 obstacle-aided/local reflex control，bio-inspired CPG feedback control，以及 RL-CPG hybrid locomotion。与 rigid snake obstacle-aided work 相比，本文没有显式估计接触几何、接触法向或规划“借障碍”的轨迹，因此不是传统意义上的 obstacle-aided locomotion；它更偏 reactive contact-aware locomotion。与 Kano/Tegotae 类 local reflex 相比，本文把 reflex rule 嵌入软体气动 CPG 半中心，并处理软体平台的触觉稀疏和双 chamber actuation。

与已有 CPG feedback 的关键差异是 feedback 入口不同。很多 prior 把 sensory feedback 作为膜电位激励，这在平滑反馈或简单 tonic input 下可用；本文指出在复杂 contact signal 下这个选择会引入导数扰动。这个点是实质创新，不只是重组。

与 RL+CPG 工作相比，本文没有把 CPG 当作单纯 action smoothing 或 gait prior，而是把 CPG 作为多源信息融合层：goal policy 和 reflex policy 分别操纵不同 CPG 变量。这个组织方式比“policy 输出 CPG 参数”更有结构性，也更符合软体机器人的执行限制。不过，learning-based R2 本身并不新，PPO、option-critic、domain randomization 都是已有组件。

Dataset / Evaluation

评估覆盖了仿真训练、真机 escaping、复杂障碍序列目标、孤立相位恢复测试和窄通道 gait switching。对机器人论文而言，真机验证较扎实，尤其是 AF vs MPF 的孤立接触实验直接验证了理论 claim，而不是只看最终成功率。

不过 evaluation 的场景仍然是二维平面、刚性圆柱障碍、已知尺度机器人和特定传感器布局。障碍不可移动、地面摩擦和气动系统都在相对受控条件下。所谓泛化主要是对随机障碍排列和未见真机场景的泛化，不是跨地形、跨机器人形态、跨传感器密度或跨介质泛化。

benchmark 是否支持核心 claim？对“AF 比 MPF 更适合处理脉冲触觉反馈”支持较强；对“学习型 contact-aware controller 具备一般 contact intelligence”支持有限。AF-learning 优于 C1+ 和 MPF-learning，但增益可能来自 AF 接口和低维反馈 action，而不一定来自 RL 学到了普适接触策略。rectilinear gait switching 的验证是示范性而非系统性，更多说明机制可行。

Limitation

第一，理论分析有明显近似前提。AF/MPF 的二阶推导依赖 perfect entrainment、describing function、近似线性关系和特定 coupling topology；这足以解释现象，但不是完整稳定性理论。长链条、多频、多接触饱和时是否仍成立，文中未充分说明。

第二，控制策略高度依赖机器人结构。四节软体链、左右 antagonistic chambers、特定传感器位置和 scale 结构共同定义了 reflex topology。换成更多 link、更软材料、三维接触或不同 actuator，local rules 不能直接复用。这里的泛化是同一平台内泛化，不是形态泛化。

第三，任务假设偏强。环境被假设 passable，障碍几何主要是刚性凸物体，机器人不需要主动规划利用障碍，也不感知障碍位置。系统在局部 jamming escape 上有效，但没有长期路径规划或 contact exploitation；所谓 contact-aware 不等于 obstacle-aided planning。

第四，RL 增益归因不完全清楚。AF-learning 强，但 AF-local 已经很接近，说明核心能力可能主要来自 AF-CPG 和人工 reflex topology。R2 学习到的东西是否超出局部规则，文中没有充分解剖。C1+ 表现差也可能部分来自 action/observation 设计不公平，而非端到端路线天然失败。

第五，gait switching 是离散规则触发，不能生成 mixed gait。自然蛇在复杂地形中经常局部身体采用不同 gait；本文的 slithering/rectilinear 切换还是全局模式切换，scalability 上限明显。

Takeaway

• 1. 对接触丰富的软体 locomotion，feedback 进入动力系统的状态位置比 policy 架构更关键；把触觉放到 adaptation channel 是一个可迁移的设计原则。
• 2. Contact-aware control 不一定要先做环境重建。
• 对于身体长、接触多、执行慢的机器人，局部触觉拓扑 + CPG 动力学可能比端到端高维策略更可靠。
• 3. 这篇真正推动的是“CPG 作为多源信息融合层”的建模方式：brain-like goal command 和 reflex-like tactile signal 不同通道进入同一振荡 substrate。

一句话总结

这篇论文在软体蛇接触运动控制中最有价值的贡献，是把触觉反馈从 Matsuoka CPG 的快激励通道迁移到 adaptation 通道，从而用更合适的动力学 inductive bias 连接目标跟踪、局部反射和真机接触鲁棒性。