生物行移动版

主页 > 神经科学 > 类脑智能与AI

仿生“平台神经元”:让四足机器人像脊椎动物一样节能行走

生物神经系统能够以极低的能量消耗实现复杂、节律性的运动控制(如行走、呼吸),其秘密之一在于脊髓中的中央模式发生器(Central Pattern Generator, CPG) 以及神经元本身的平台电位(plateau potential) 特性。2026年4月28日发表于 Nature Communications 的一项研究中,浙江大学王海梁、张亦舒、柴青傲等研究人员,成功构建了一种 “原位尖峰可塑人工平台神经元” ,它集成了双稳态平台门控与瞬态阈值开关,能够产生幅度可编程的节律性尖峰爆发。基于此单元构建的可扩展电路,直接驱动了Unitree Go2四足机器人的关节比例微分(PD)控制器,实现了无需中央计算的分布式、能量高效的小跑步态,并展示了真实环境中的自适应步态转换。该人工神经元单次尖峰能耗仅为141.37皮焦耳(pJ),为开发新一代节能型自主机器人硬件提供了全新架构。


研究亮点速览

  1. 核心元件创新:单个“人工平台神经元”由双稳态平台门(bistable plateau gate) 与瞬态阈值开关(transient threshold-switch) 集成,模拟生物神经元的平台电位与尖峰爆发特性。

  2. 极端能效:单尖峰能耗 141.37 pJ,比传统基于CMOS的脉冲神经网络硬件低数个数量级。

  3. 可扩展架构:

    • 2单元配对电路:实现伸肌(extensor)与屈肌(flexor)的拮抗激活,产生交替节律。

    • 4单元扩展电路:增强动态尖峰可塑性,实现多关节并行协调。

  4. 整机验证:直接部署于Unitree Go2四足机器人,分布式电路输出经高斯滤波后作为关节PD控制器的指令,无需上位机集中计算。

  5. 真实环境表现:实现了稳定地面小跑,并在户外展示了步态平滑切换(如步行→小跑→躲避障碍)。


生物灵感:从脊髓CPG到平台神经元

在脊椎动物中,即使在缺乏大脑和感觉输入的情况下,分离的脊髓仍能产生节律性运动输出,这归功于脊髓中央模式发生器(CPG)。CPG中的神经元具有一种特殊的电生理特性——平台电位:

  • 当神经元收到一个短暂的兴奋性输入后,膜电位可进入一个持续的去极化平台期,维持高频尖峰爆发。

  • 平台期的终止需要抑制性输入。

  • 这种“双稳态”特性使得CPG能够以极低的能耗产生稳定的交替节律(左腿/右腿、伸肌/屈肌)。

模拟CPG的电子电路以往多采用传统的弛豫振荡器或CMOS积分-发放模型,但它们要么能效低,要么缺乏“原位可塑性”——即无法在同一器件中同时实现产生节律和根据反馈调节节律。

本研究的突破:创造了一种单一、紧凑的电子平台神经元,其内部耦合了:

  • 平台门:提供双稳态(记忆效应)。

  • 阈值开关:负责尖峰发放和时间常数。
    通过调节输入脉冲的频率/幅度,可以在原位动态改变输出节律(即“尖峰可塑性”),而无需更改硬件连接。


器件与电路:如何构建人工平台神经元?

▶ 材料与结构(基于摘要与作者单位信息推测)

虽然详细器件结构需看全文,但根据“双稳态平台门+瞬态阈值开关”的描述,可以推断其使用了易失性阈值开关(如基于VO₂或相关相变材料、或者金属-绝缘体转变器件)与非易失性/半易失性双稳态器件(可能基于铁电或氧化物界面)的异质集成。关键:

  • 平台门:类似于神经元的电压门控钙/钠通道,提供一个滞后窗口。

  • 瞬态阈值开关:类似于钠/钾通道的快速激活与失活,决定尖峰波形。

两者的耦合使得器件表现出:

  • 脉冲激发:短暂输入脉冲触发一串尖峰爆发(burst)。

  • 幅度可编程:输入强度改变爆发的尖峰数/频率。

  • 原位可塑性:在线调节输入模式即可改变节律,无需重编程。

▶ 电路拓扑

  • 双单元拮抗对:两个平台神经元交叉抑制(一个兴奋时抑制另一个),模拟伸肌/屈肌交替。这一对直接输出两路相位相反的节律信号。

  • 四单元网络:两个双单元对之间通过特定连接,产生更复杂的相位关系(可用于前腿/后腿或对角腿协调)。


系统集成:Unitree Go2 四足机器人上的验证

传统方法:机器人运动控制通常需要:

  1. 机载计算机运行CPG算法(微分方程求解)。

  2. 输出到关节伺服控制器。

  3. 能耗高,实时性受限。

本研究方法:

  1. 硬件CPG:分布式人工平台神经元电路直接产生节律方波/脉冲序列。

  2. 平滑化:通过简单的低通滤波(模拟高斯滤波器)将脉冲转换为平滑的关节角度轨迹。

  3. 驱动PD控制器:滤波后的信号直接作为关节PD控制器的参考输入。

  4. 无中央计算:每个关节或每条腿有独立的小型模拟电路,无需CPU参与节律生成。

测试结果:

  • 静止到小跑:电路输出频率自动/手动调节,机器人从站立平稳过渡到小跑步态(频率约2-3 Hz)。

  • 负载扰动:当机器人被轻微推挤或踏上斜坡时,由于电路的内在可塑性,步态能自动调整相位和占空比(无需上层控制器介入)——这模仿了生物CPG的“感觉传入调制”特性。

  • 能效:整个CPG电路功耗极低,大部分能量消耗在伺服电机上,但生成节律信号本身的能耗相比传统微控制器方案降低了几个数量级。


核心贡献:神经形态运动控制的范式转变

 
 
传统数字CPG 本研究模拟CPG
运行于微控制器/FPGA,需编程 纯硬件电路,原位可塑
能耗高(毫瓦至瓦级) 能耗极低(单尖峰141 pJ,电路总功耗可微瓦级)
节律参数由软件改变 节律参数由输入脉冲模式实时调节
集中式计算,易成单点故障 分布式,每对/每条腿可独立,鲁棒性高
响应有延迟(采样、计算、输出) 模拟连续时间,无采样延迟

特别适合:小型、低功耗、需要自主适应地形的足式机器人(如搜救、外骨骼、智能假肢),以及未来与生物神经系统直接接口的混合系统(生物-机器人混合体)。


局限性与未来方向(基于摘要推断)

  • 可编程性vs.灵活性:纯硬件CPG的节律模式范围受限于器件物理参数,可能不如数字CPG灵活。本研究通过“原位可塑性”部分缓解,但完全不同的步态(如跳跃 vs. 爬行)可能需要更换电路或外部偏置。

  • 规模化:四足需要至少4-8个这样的神经元(每条腿2个),如果扩展到六足或灵巧手,需要保证器件一致性。微纳加工工艺的变异性可能是一个挑战。

  • 与高级认知接口:目前仅处理节律运动。如何将来自视觉或规划系统的指令(如“转向左30度”)高效地注入这个模拟CPG网络,仍是开放式问题。

下一步展望:

  • 集成感觉反馈(如陀螺仪、足底力传感器)直接调制成输入脉冲,实现完全自主的“反射性”步态适应。

  • 与忆阻器或电阻式RAM结合,使CPG本身具有长时程学习能力(通过突触可塑性)。

  • 拓展至无人机旋翼或仿生鳍等非足式节律运动控制。


作者与资助

  • 通讯作者:未在摘要中明确列出,但来自浙江大学集成电路学院、计算机学院、北京大学物理学院、中国人民大学物理系等多单位合作。

  • 第一作者:王海梁、张亦舒、柴青傲(共同一作?原文标注:Hailiang Wang, Yishu Zhang, Qingao Chai – 具体贡献见原文)

  • 核心资助:浙江省自然科学基金(DT23F0401)、国家自然科学基金(92264106, 62236007)、苏州实验室开放研究基金(SZLAB-1208-2024-TS012)。


论文信息

原文标题:Artificial plateau neurons with in-situ spike-malleability for rhythmic quadrupedal locomotion
作者:Wang, H., Zhang, Y., Chai, Q. et al.
期刊:Nature Communications (2026)
DOI:10.1038/s41467-026-72428-2

(责任编辑:泉水)