煤炭是我国的主要能源和重要原材料，在我国一次性能源消费中，煤炭占比高达70%以上，为我国提供了76%的发电能源、76%的工业燃料和动力、60%的民用能源及70%的化工原料。2019年全国原煤产量达37.5亿t，同比增长4.2%[1]。预测2025年能源消费需求为55～56亿t标准煤[2]。
煤矿开采是公认的高危行业，作业环境恶劣，水、火、煤尘、瓦斯、顶板等灾害多，其非结构化环境使传统自动化机械的使用受到局限，导致井下作业人员较多。高危岗位的机器人化替代，将会极大程度地降低井下作业的危险系数，减少人员伤亡。为了进一步推动机器人、智能装备在危险工序和环节的替代应用，2019年1月国家煤矿安全监察局发布了《煤矿机器人重点研发目录》，聚焦关键岗位、危险岗位，重点研发应用掘进、采煤、运输、安控和救援5类38种煤矿机器人，并对每种机器人的功能提出了基本要求。我国提倡智能矿山建设，其核心架构是机器人化开采，煤矿机器人作为煤矿智能化的重要载体，是实现智能无人开采的重要途径[3-5]。
仿生机器人作为机器人领域的一个重要分支，按其应用场景不同，可分为仿生飞行机器人、仿生水下机器人、仿生地面机器人等类型[6]，随着仿生机器人微型化、仿形化、多功能化的发展，在医疗健康、国防军事、救援救灾等领域发挥了重要的作用。
尽管目前部分煤矿机器人已应用于煤矿生产作业现场[5]，但是煤矿井下环境的特殊性和作业的复杂性使得传统结构的机器人产品和技术能解决的问题非常有限。近年来仿生技术的发展，为仿生机器人在煤矿产业的应用带来了新的机遇。
1 煤矿机器人的应用现状
当前煤矿作业技术与装备呈现出无人化的重要趋势，煤矿作业机器人是解决煤矿无人化作业的重要途径。近年来，随着煤矿自动化与机器人技术的快速发展，煤矿作业机器人已在掘进、开采、运输、安控、救援等多个方面获得应用。
1.1 机器人化掘进机
掘进工作完成对煤矿生产作业巷道的开凿，是保障和提高煤矿矿井生产质量的核心内容。掘进作业技术和装配水平是影响开采作业质量与生产安全的重要因素。近年来，随着自动化水平的提高，掘进装备也向着数字化、智能化方向发展，并出现了机器人化掘进机，其行走控制、断面自动成形截割控制、煤岩动态感知、工作状态实时监测和远程监控智能化已成为国内外研究的技术热点[7]。文献[8]系统地阐述了国内外掘进机器群的研究现状与当前掘进机器人的关键技术。国内常用的掘进装配是悬臂式掘进机[9]，如图1(a)所示，集截割、装运、行走、操作等功能于一体，主要用于截割任意形状断面的井下岩石、煤或半煤岩巷道等。欧美国家其技术水平领先，大多采用的是连续型采掘机，如图1(b)所示，并且实现了智能化作业任务[8]。
图1 机器人化掘进机
Fig.1 Roadheader robot
1.2 智能化采煤装备
智能化无人综采作为目前最先进的采煤技术，在国内外广泛应用。智能综采机由具有感知、记忆、学习和决策能力的液压支架、采煤机、刮板输送机等组成(图2)，通过控制系统实现远程监测与控制，提高了开采的效率，保障了人员的安全。
图2 智能综采机
Fig.2 Intelligent fully mechanized mining
长壁采煤作为一种采煤方法，具有生产效率高、操作平稳等特点。美国近60%的地下煤炭生产采用长壁式采煤机[10]，如图3所示。机械化长壁采煤系统具有许多优点，可用于开采厚度范围广泛的煤层。无论是薄煤层还是薄且高度倾斜的煤层，长壁采煤机都有相应的解决方案，可以开采最小厚度为0.4 m、倾斜度为85°的煤层。我国从20世纪80年代开始开展综放开采技术的引进与试验，在“十三五”期间将“加快推进煤炭无人开采技术的研发和应用”列为能源领域重点项目工程，2018年 “千万吨级特厚煤层智能化综放开采关键技术”获得国家重点研发计划支持[11]。我国依靠自主创新研发了SAM智能综采控制系统[12]，实现了智能自动采高调整、自动斜切进刀、连续推进等功能。我国目前的综采技术已达到国际领先水平[11]。
图3 长壁式采煤机
Fig.3 Longwall shearer
1.3 智能化运输装备
煤矿运输装备主要用于煤炭剥离后的搬运流程中，涉及的机器人化设备包括搬运机器人、选矸机器人、提升机器人等。近年来，国内关于煤矿运输系统的智能化成为了研究热点，中国矿业大学等单位研发的永磁电机驱动的机器人化带式输送机系统，采用了智能感知控制策略并已投入运行[3]。西安科技大学[13]研制了由四根缆绳驱动的煤矸石抓取机器人，采用机器视觉技术实现了煤矸石的精确抓取。
刮板输送机执行采煤运出的任务，它的效率直接影响到整体采煤的效率。多家科研单位针对刮板输送机的智能化开展了研究，包括智能控制方法、智能监控系统和效率提升等方面[14]。文献[15]采用改变电机主频的方法，实现了在运输载荷变化时刮板输送机速度的智能调节。文献[16]通过对国内外刮板链的对比，采用变频调速技术对刮板运输系统煤流通道防堵系统进行了改进，并验证了方案的可行性。
1.4 煤矿安控机器人
煤矿巡检机器人主要用来完成煤矿第1现场的巡查监视等工作，需要面对狭小空间、设备复杂、环境视野差等恶劣工况，主要包括工作面巡检机器人、管道巡检机器人、巷道巡检机器人等。从20世纪80年代开始，日美等国已开展了大量巡检机器人的研究工作。例如美国智能系统和机器人中心研发的RATLER矿井探索机器人[18]，用于探测矿井灾区现场环境信息，该机器人携带有陀螺仪、危险气体传感器、主动红外摄像机和无线射频收发器等，最远无线遥控操作距离达76 m。为更好的开展矿山救护工作，澳大利亚、美国开展了不同用途的煤矿巡检探测机器人系统的研究，并推出多款形式不同的机器人[17]。近年来，我国煤矿巡检机器人的研究工作也取得了技术突破，并且部分成果已获得应用。如巷道机器人已在同煤集团塔山煤矿投入使用，工作面巡检机器人在黄陵一号煤矿得到应用，实现了工作面实时状态数据的采集与回传。
1.5 煤矿救援机器人
煤矿井下是事故高发环境，塌方、冒落、透水、爆炸、瓦斯突出等事故一旦发生，其救援工作既危险又困难。应对非结构化的受限空间，研发智能化、无人化的煤矿井下灾后救援机器人是煤矿机器人领域的一个重要研究方向。煤矿救援机器人是减小井下救援伤亡的重要技术装备，因此多年来也得到了大量研究者的关注，并取得了重要的阶段性突破。煤矿救援机器人需要面对崎岖复杂的地形环境，履带式救援机器人由于其良好的运动性能与地形适应能力而应用最为广泛[18]。如美国Remotec公司研发的V2煤矿救援机器人[19]，采用防爆电机驱动履带作为动力，并且搭载了传感器和机械臂。2008年由中国矿业大学研制的煤矿救援机器人[20]，携带有视觉、气体感知等多种传感器，采用无线网络能够将灾后现场的图像和数据实时回传。我国“863”计划多次立项支持了煤矿井下搜救和救援机器人项目，并有部分成果完成了示范应用[5]。中信重工开诚智能装备有限公司研制的煤矿巡检与救援机器人产品已获得矿用安全标志和防爆认证,其煤矿机器人产品已被应用于多个煤矿作业现场。
1.6 煤矿仿生机器人
煤矿井下巷道空间狭小，环境复杂，灾害事故发生后将变得更加恶劣难料。这就对煤矿机器人的复杂恶劣环境适应能力提出了更高的要求。经过长期的自然选择，动物在机构、功能执行、信息处理、环境适应和自主学习等方面都具有高度的合理性、科学性和进步性[21]。因此，仿生机器人在环境适应方面具有较强的优势。近年来部分仿生机器人成果也逐渐被应用到了巡检、救援等煤矿井下作业任务中。
蛇形机器人结构柔性高、体积小、稳定性好，并具有多种运动模态，能够钻入狭缝、穿越洞穴、逾越崎岖地面、翻越障碍物，对多种复杂地形具有较强的适应性，比较适合井下搜救与救援等作业任务。
哈尔滨工业大学赵杰研究团队面向煤矿井下探测设计了新型多节履带式蛇形机器人，如图4所示，其具有正压防爆系统以及多种探测传感器，采用基于航向轨迹曲率估计方法实现了多节履带式蛇形机器人的转向与航向控制[22]。西安科技大学侯媛彬研究团队结合灾后煤矿巷道的复杂环境特点和蛇形机器人自身的优点，研制出一种叶片轮式的煤矿蛇形探测机器人，并对未知环境位姿控制、路径规划策略等问题开展了相关研究[23]。日本东京工业大学HIROSE [24]，从救援机器人的行走系统出发，先后设计了“ACM”、“GENBU”、“SORYU”等一系列地形适应能强的救援蛇形机器人样机，如图5所示。其中ACM-R5 蛇形机器人可以完成水陆两栖作业，通过蛇形机器人关节处的波纹管实现了直接单元驱动、侧移滚动、螺旋等运动形式。
图4 蛇形机器人
Fig.4 Serpentine robot
图5 仿生蛇救援机器人
Fig.5 Snake-like rescue robot
此外，美国卡内基梅隆大学机器人研究中心[25]研制了一款用于井下地图创建的机器人雪貂，该机器人装备有声纳和激光测距传感器，能够建立三维井下地图，从而可对矿井环境进行评估。加拿大安大略大学研发了仿生土拨鼠矿难救灾机器人[26]，如图6所示，该机器人采用四足行走，地形适应能力强，由四连杆并联机构作为机器人灵活的头部，且身体结构具备蠕动功能，在遇到堵塞区域时能够进行掘进，可在狭小空间中穿行，有效减少了环境探测的盲区。
图6 仿生土拨鼠矿难救灾机器人机构
Fig.6 Groundhog-like mine rescue robot
文献[27]研究了应用于煤矿救援的仿生有袋式机器人，其主要由母机器人与子机器人组成，如图7所示。有袋机器人可以弥补单个机器人在行走、越障、动力和通讯等多方面的不足，对于提高紧急情况的救援能力、减少人员伤亡具有重要意义。
图7 仿生有袋式机器人
Fig.7 Schematic diagram of the marsupial robot
目前，由于技术水平与煤矿环境的限制，仿生机器人在煤矿生产作业中的应用领域相对较小。仿生技术在复制动物原型的同时，还需要全面考虑生物运行、感知和控制模式等因素，才有可能最大程度地接近生物性能。同时机电系统与生物特性的融合、传统结构和仿生机构的融合、以及仿生驱动的应用将推动仿生机器人的发展成为集机械结构和生物特性于一体的“仿生系统”[6]，从而具有更广泛的适用性。
2 仿生机器人关键技术
仿生机器人在短短几十年内取得了丰富的研究成果，已成为机器人领域的重要分支，广泛应用于军事、生产、生活、医疗、运输、救灾等领域，下面分别从仿生机构、仿生感知、仿生控制、仿生驱动和仿生材料5个方面阐述仿生机器人关键技术的研究现状及其在煤矿中的应用预测。
2.1 仿生机构
模仿生物体的各种运动方式，并结合机构设计和力学等原理，设计应用于不同环境中的机器人机构是仿生机构的重要研究内容。多年来，国内外学者在这方面开展了大量研究工作，如各类水下仿生机器人、腿足式仿生机器人、仿生爬行机器人、仿生跳跃机器人、仿生飞行机器人等。
2.1.1 仿生水下机器人
仿生机器鱼作为一种高效、高机动的水下机器人，如何实现机器鱼的快速推进和转向等引起了国内外广大研究人员的关注。国外针对仿生鱼的研究开始于20世纪90年代，美国麻省理工学院研究了仿金枪鱼结构的“Robotuna”[28]仿生机器鱼，如图8(a)所示，主体由不锈钢、齿轮和电缆制成，依靠身体/尾鳍实现推进，之后又推出了改进版的VCUUV机器鱼，如图8(b)所示。新加坡南洋理工大学模仿蝠鲼胸鳍推动的原理，采用并联伺服电机带动鳍条运动产生动力，研发了仿蝠鲼机器鱼“RoMan-II”[29]，如图8(c)所示。
图8 仿生机器鱼
Fig.8 Bionic fish
国内北京航空航天大学、北京大学、中国科学院自动化研究所等机构也开展了仿生机器鱼的研究。北京航空航天大学是国内开展机器鱼研究最早的单位之一，文献[30]基于鱼的硬骨与软骨设计了软体可拍动/折展的仿生柔性鱼鳍，如图8(d)所示，实现了鱼鳍的抬起/收合，以及可控的多相位、幅度组合波动等多种运动模式。中科院自动化所采用多连杆机构研制了仿海豚水下机器鱼[31]，通过研究机器鱼偏航和多俯仰关节的推进原理，实现了尾鳍推进和波动鳍推进，如图8(e)所示。
仿生水下机器人具有推进效率高、灵活、机动性好等特点，且身体柔软对环境的适应能力强，更能适合于水下作业任务。仿生机器鱼可结合机械臂应用于煤矿井下水仓作业、突水事故探测等，完成复杂的水下操作。
2.1.2 仿生地面行走机器人
仿生足式机器人主要通过模仿生物迈步方式实现运动，因其多运动模式、运动灵活，具有行走、奔跑、跳跃等多种步态，且对地形适应能力强而受到广大学者们的青睐。例如国外的美国波士顿动力[32]、麻省理工学院[33]、苏黎世联邦理工学院[34]等，国内的山东大学[35]、浙江大学[36]、国防科技大学[37]、北京理工大学[38]等，这些研究单位主要采用多连杆结构模仿动物腿的伸屈动作，如图9(a),(b)所示。除此之外，气动直线伸缩式[39]，并联伸缩式机构[40]也是常用的机构，如图9(c),(d)所示。
图9 仿生四足机器人
Fig.9 Quadruped robot
图10 仿生爬行机器人
Fig.10 Bionic crawling robot
图11 跳跃机器人
Fig.11 Jumping robot
很多昆虫能够在垂直、甚至倒置的表面行走，主要依靠脚下的吸附机构。受壁虎爬行的启发，斯坦福大学[41]采用了高分子聚合物的层叠排布，模仿壁虎脚底的定向黏合剂，实现了仿生爬行壁虎在垂直的玻璃、塑料等光滑表面的行走，如图10(a)所示。无肢动物如蛇、蚯蚓、蠕虫等，依靠身体的蠕动实现爬行。日本东京工业大学[24]最早开始蛇形机器人研究，实现了机器人的蜿蜒和蠕动行进。除此之外，美国密歇根大学开发的履带式蛇形机器人“OmniTRead”[42]和卡梅隆大学开发的由16个模块组成的模块化蛇形机器人[43]，实现了越障和快速攀爬，如图10(b),(c)所示。
通过模仿青蛙、袋鼠、蝗虫等具有强大弹跳能力的生物结构并基于弹跳机理设计跳跃机器人也是当前的热门方向之一。德国Festo公司设计的仿生袋鼠机器人Bionic Kangaroo[44]如图11(a)所示，模仿袋鼠后腿弹跳原理，采用气动执行机构推动连杆结构实现了高效稳定的连续跳跃。文献[45]使用扭矩弹簧模拟蝗虫后腿股骨和胫骨的运动特性，设计出一种小型跳跃机器人，如图11(b)所示，跳跃高度可达3.1 m，距离为3 m。
仿生行走机器人对行走路面要求低，能更灵活跨越垂直障碍、沟渠等，具有灵活机动等特性，未来可用于煤矿井下复杂地形环境作业，执行灾后探测、应急救援等高危任务。如在2019年12月美国国防高级研究计划局(DARPA)举办的地下挑战赛中，四足机器人ANYmal成功展示了在地下矿井自主探测作业中的应用，取得了良好的效果。
2.1.3 仿生飞行机器人
鸟类、蝙蝠、昆虫等飞行动物能够以1 Hz～1 kHz的频率拍打翅膀，从而产生升力和推进力，但只有蜂鸟和昆虫能够产生足够的飞行功率密度，从而实现长时间盘旋和悬停。其中，针对仿生扑翼飞行机器人振翅原理的研究是一个热点，如著名的德国智能鸟(SmartBird)[46]，通过对飞蝗飞行机理和运动特性的分析，采用梯形铰链结构设计了仿生扑翼机构如图12(a)所示。美国Aero Vironment公司研发的“纳米蜂鸟”扑翼飞行器[47]如图12(b)所示，采用仿蜂鸟高频振翅的方式实现了灵活飞行与悬停。
图12 仿生扑翼机构
Fig.12 Bionic flapping wing mechanism
仿生飞行机器人相对于固定翼与旋翼飞行器，具有机构紧凑、灵活机动性能强等特点，可应用于煤矿井下的环境探测作业，尤其适用于巷道坍塌后等运动空间受限，地面装备无法进入时进行先期探测等任务。
2.2 仿生感知
动物可以依靠自身的感知器官来感知世界、控制运动、捕捉猎物、逃脱捕食者等，比如苍蝇身上就有大约30种不同的传感器[48]。因此，研究生物系统如何感知环境、处理信息有助于开发更智能、适应性更强的机器人。图13为仿生感知在机器人中的典型应用。
图13 仿生感知
Fig.13 Bionic perception
2.2.1 仿生视觉
视觉是生物界感知世界、行为判断的主要方式，视觉占据了一个人正常五官信息来源的90%以上。生物视网膜相对于传统的电荷耦合器件(CCD)和互补金属氧化物半导体(CMOS)图像传感器在信息感知、传递与处理过程具有巨大的优势，其采用大规模并行、超稀疏表示、事件驱动和异步传输等模式，为仿生视觉的研究提供了重要基础[49]。文献[50]为盲人设计了一款仿生眼，由嵌入摄像头的眼镜和植入视网膜后的微芯片组成，通过瞳孔传输的图像被芯片转换成电信号，然后传送到大脑从而帮助盲人阅读单个字母。北京理工大学[51]研发了一种拟人化机器仿生眼，内部有两个摄像头模仿人眼的感知特性，采用了紧凑的串并联结构，使其具有人类眼球相同的自由度。
生物研究发现，大多数昆虫具有2种眼睛——单眼和复眼。昆虫的独特眼睛使它对于光线特别敏感，可以在晚上看清物体。单眼作为感光器用来探测外界光照强度，具有非常高的速度和灵敏度。哈佛大学[52]受昆虫单眼的启发设计了一款视觉传感器，用它来稳定一个苍蝇大小的机器人。文献[53]研究了可变焦的复眼，采用可变性聚二甲基硅氧烷微透镜阵列集成设计了可聚焦复眼，扩大了复眼的视野范围。
视觉里程计是视觉导航系统的核心组成部分，如在同步定位与地图构建(SLAM)中起到重要的作用。文献[54]受啮齿动物海马模型的启发，提出了一种新的SLAM算法——RatSLAM，基于该算法可以减小计算量，提高运算的实时性。网格细胞是大鼠内嗅皮层路径系统的一部分，它们和其他细胞一起构成了大脑中的定位系统。应用网格细胞整合从视觉系统中估计出的机器人运动信息，可以实现视觉里程计的功能，较好地解决不同运动速度的机器人的航迹推算问题[55]。
视觉是煤矿井下机器人智能感知系统的基础，煤矿井下机器人的任何自主运动与作业都离不开视觉的参与，例如物体识别、地图构建与自主导航等。仿生视觉在信息感知、传递和处理等方面具有更大的优势，例如昆虫的复眼具有体积小、质量小、视场大、灵敏度高、可测速等优点，可更好应用于煤矿井下机器人作业中。
2.2.2 仿生触觉
基于触觉的仿生技术主要应用于触觉神经的模拟、人造皮肤[56](图13(b))或纤维感知。针对仿生触觉，研究者们开展了大量的研究与实验。如斯坦福大学[57]采用柔性电子器件模仿感觉神经实现了对压力信息采集。苏黎世联邦理工大学[58]基于响尾蛇纹孔膜传感机制，研制了果胶膜人造皮肤，可以达到很好的生物性能。华中科技大学[59]开发的一种电子皮肤传感器——TENG，实现了压力的感知、粗糙度和硬度的测量等功能。
仿生触觉具有更好的柔性、灵敏度和多功能性等特点，更适合于煤矿井下灾后复杂非结构化环境，可以有效提高机器人的深度感知能力，防止或减轻碰撞造成的伤害。
2.2.3 仿生嗅觉
仿生嗅觉通过探究生物嗅觉的原理，采用传感器阵列、信号处理和模式识别等技术，将各种气味进行数字信息化。采用仿生原理的嗅觉系统在检测灵敏度、检测时间上都有很大的提升。电子鼻的概念最早是由英国Warwick大学的PERSAND和DODD在1982年提出，现已广泛应用于生物医学、环境监测、农业生产、食品检测等行业[60-62]。文献[63]对当前电子鼻中采用的传感器技术、模式识别技术等进行了详细的介绍。
仿生嗅觉与传统的气体检测设备相比具有更广的感知范围与灵敏度，可广泛应用于煤矿井下各种危险气体的感知与探测，为煤矿生产提供安全预警。
2.3 仿生控制
经过几千年的进化，动物具备了应对复杂外界环境的能力，其敏捷性和效率是目前任何机械控制系统无法比拟的，例如猎豹的飞奔，鸟的飞行等。高性能的运动控制方法是提高仿生机器人运动机动性和稳定性的关键，也是制约仿生机器人性能的关键问题[64]。目前最常用的仿生控制方式有基于行为的仿生控制、基于神经网络的仿生控制、基于遗传算法的仿生控制、基于群的仿生控制等。针对这些算法国内外也都开展了相关研究。
自然界中动物常见的运动方式是节律运动，如动物的行走、奔跑、跳跃、游泳、飞行以及动物的呼吸、心脏跳动等都是节律运动。研究人员通过对生物节律运动机理的研究，提出了基于CPG(中枢模式发生器)的步态规划方法[65]。CPG控制方法是以CPG神经元网络数学模型作为底层运动控制器，产生连续协调的节律运动控制信号，其运动协调稳定性和环境适应性较好。文献[66]在Wilson-Cowan神经振荡器基础上，提出了一种新的CPG控制器，用于四足机器人的节律运动。文献[67]受鱼和海豚依靠波动身体运动的启发，采用基于CPG的控制器实现了仿生机器鱼的平稳游动。另外，CPG作为一个成熟的方法广泛应用于足式机器人控制中[68-69]。
蚁群、狼群、鱼群是典型的生物群体智能模型，基于群的仿生控制方法可以帮助机器人实现最优控制。文献[23]采用了仿蚁群优化算法实现了对蛇形机器人的最优路径规划。文献[70]采用了遗传算法针对仿生双足机器人的越障行为进行了运动规划。文献[71]基于狼群和蜂群算法设计了GWO-ABC算法，从而帮助其他算法避免过早收敛，基于该算法设计的2自由度机械臂PID控制方法，实现了机械臂的轨迹跟踪。
传统的控制方法都是基于模型的控制，由于模型误差等会导致控制不精确，而学习技能赋予了生物更强的能力去适应环境，因此研究人员尝试通过学习的方式让机器人自主完成作业任务。强化学习作为一种数据驱动的方法，其直接从经验中学习，避免了模型带来的不确定性问题。苏黎世联邦理工学院机器人系统实验室开展了基于强化学习的四足机器人控制策略的研究[72]，实现了四足机器人的自主学习、快速移动和动态运动，并在四足机器人ANYmal上进行了验证。意大利技术研究所[73]通过学习步态参数、可变阻抗策略和控制增益等方法实现了四足机器人HYQ的平稳快速行走。
与传统的机械控制方法相比，仿生控制具有更好的适应性和鲁棒性，模仿生物的控制规律、动物的群体智能行为可为煤矿井下机器人的智能运动控制、自主作业控制以及多机协同作业控制提供有效的仿生参考。
2.4 仿生驱动
动物的运动主要依靠自身的肌肉动作实现，肌肉由纤维状的肌细胞组成，具有平行和分布式的驱动方式，研究仿生人工肌肉也是模仿动物行为的重要内容。类似软肌肉组织的驱动器是仿生驱动的研究热点。气动人工肌肉是一种应用较为广泛的仿生驱动器，用于模拟生物肌肉的输出特性,具有质量轻、成本低、高功率质量比等特点[74-75]。文献[76]采用了形状记忆合金丝模拟肌肉纤维作为驱动材料，设计了仿生水母。文献[77]通过对章鱼臂肌肉结构的研究采用了形状记忆合金作为横/纵制动器实现臂的灵活弯曲，如图14(a)所示。软体蠕虫机器人、毛毛虫机器人等[78]同样采用形状记忆合金实现了机器人的行进，如图14(b),(c)所示。文献[79]对当前软体动物的驱动方式进行了整体性的总结，随着仿生机理的进一步研究，软体机器人驱动在稳定性、效率和可靠性等方面将会有较大提升。
图14 软体机器人
Fig.14 Soft robot
麻省理工学院KIM研究团队[80]以骨骼肌结构为灵感设计了具有仿生肌腱-骨骼结构的奔跑猎豹四足机器人，有效地减小了快速奔跑对腿的冲击和运动中对骨骼的压力。文献[81]基于蜘蛛生物液压原理，通过研究生物液压与工程液压之间的关系，设计了仿蜘蛛液压系统。
仿生驱动技术可以赋予机器人高度的灵活性、柔顺性与适应性，适用于煤矿井下复杂、狭小的空间作业，例如仿章鱼、象鼻机械臂具有连续变型能力，可用于煤矿井下狭窄作业空间，仿毛毛虫蠕动型机器人可用于在灾后极其狭小的空间实时探测。
2.5 仿生材料
目前，机器人的材料大多都是钢、铝、塑料等常规材料，其刚度、柔性、韧性以及阻尼等特性与动物自身材料仍相差很大。仿生材料在机器人中的应用是一重要的研究方向。如南京航天航空大学通过对壁虎刚毛阵列的分析研制了基于聚氨酯的黏性材料，实现了仿生壁虎的垂直爬行[82]。受生物软制动器的启发，学者们进行了相关的制动器材料的研究工作。如2.4节所述的人工肌肉。其常用的材料有离子聚合物-金属复合材料、压电聚合物和形状记忆合金等[77]。除此之外，一些软刺激性响应材料如水凝胶、液晶弹性体等也是常用的制动器材料[83]。
动物的变色反应是应对环境变化、自我保护的机制。例如变色龙、墨鱼、比目鱼、北极狐等可以根据环境改变自己的身体颜色。国内外学者们对仿生变色材料进行了研究与分析，常见的主要有化学诱导变色材料、温感变色材料、电刺激变色材料、感光变色材料和磁致变色材料等[84]。除此之外还有仿生建筑材料[85]、仿生自我修复材料[86-87]、仿生减阻材料[88]、仿生医学材料[89]等都是目前研究的热点。
仿生材料可用于研发煤矿井下机器人新型轻质高性能防护装置，也可用于机器人的机构/驱动/感知/控制一体化设计。
3 发展趋势与应用前景展望
3.1 仿生机器人的发展趋势
如前所述，当前仿生机器人技术在形态、感知机理、驱动、控制和材料等方面取得了初步的成果。在未来的发展中，仿生机器人技术应该以自然界生物的微观机理与宏观特征为基础，将机构、材料、控制、传感、智能等多学科的前沿技术深度融合，赋予机器人与生物更加接近或优异的性能，最终实现“源于仿生，超越仿生”，并在发展过程中呈现如下趋势。
(1)从传统驱动器向生物肌肉驱动器发展。电动、液压、气动等传统驱动方式都无法使机器人的动作像生物一样灵巧。液压或气动流体弹性驱动器、形状记忆合金作动器等仿生驱动器的响应速度与效率也有待进一步提升。仿生物肌肉作动机理，基于离子聚合金属复合物、介电弹性体[90]、液体介电材料[91]等研究具有大形变、大出力、低成本、高能源转换效率的新一代生物肌肉驱动器成为仿生机器人的重要趋势之一。
(2)从刚性结构向软体和刚柔混合结构发展。自然界中的生命体往往含有大量的柔性物质，例如水母、轮虫等腔肠动物和浮游生物的身体具有很高的柔性与弹性。哺乳动物身体内在坚硬的骨骼周围覆盖有肌肉、韧带等柔性组织，使其具有较高柔性的同时还具有良好的运动能力。因此，模仿生物构型，基于新型弹性材料、液态金属[92]等研究软体机器人[93]或者刚柔混合结构的机器人是仿生机器人的发展趋势之一。
(3)由传统材料到新型生物材料发展。软体材料利用其固有的柔性和弹性保护仿生机器人免受机械冲击，但是非常容易受到尖锐物体的损伤。基于在自然界中发现的愈合能力，研究具有治愈微观和宏观损伤的自愈合能力的新型生物材料[94]，使机器人在受到损伤后能够像人类的皮肤一样自行愈合，恢复其原有的结构和功能，从而大大延长机器人的使用安全性，降低维护成本[95]，是仿生机器人未来的趋势之一。
(4)从单一运动模式向高机动多栖机器人发展。目前的仿生机器人大多只适用于陆地、水中、空中等单一的环境，并且动态运动性能与生物相比还有很大的差距。研究身体结构形态可以根据外界环境自适应改变[96]、具有更高的机动性[97]、适应多栖环境的仿生机器人[98]，是仿生机器人未来的发展趋势之一。
(5)从传统控制方法向生物智能控制发展。智能对于生物的生存与发展具有十分重要的意义，而对于仿生机器人来说也同样重要。未来发展中，在高性能计算、人工智能等革命性变化趋势的推动下，分析生物系统神经元的信息传递与处理机制，探索能支撑高水平智能同时保持低功耗的类脑计算，实现机器人的通用生物智能[99]也是仿生机器人未来的发展趋势之一。
(6)从机电系统机器人向生物系统机器人发展。传统的机器人通常都以机电系统为主体，由金属、塑料等各种材质制成，而地球上的高级生命都是一系列细胞的组合体，以生物细胞为材料构造生物机器人也是仿生机器人未来的趋势之一[100]。生物机器人将生命系统与机电系统在分子、细胞和组织尺度进行深度有机融合，具有高能量效率、高本质安全性、高灵敏度以及可自修复等传统机器人系统所不具备的潜在优点[101]，并能够生成神经系统和认知能力，使机器人具有生命或者类生命。
(7)从单一机器人向集群机器人发展。自然界中的很多动物例如蚁群、蜂群、鱼群等表现出了集群现象，这些集群中的大量低智能的个体通过有序协调在群体层面上呈现出更高智能的协作行为。单个机器人的能力总是有限的，集群机器人允许利用大量结构相对简单、灵活性高的个体机器人，基于相对简单的个体规则变化成为结构更为复杂的机器人，或者通过机器人之间的信息协同与力学协同，完成单个机器人单元不可能完成的更为复杂的任务。集群机器人具有传统机器人系统所没有的灵活性、可扩展性和鲁棒性[102]，是仿生机器人未来的发展趋势之一。
3.2 仿生技术在煤矿井下机器人中的应用前景
(1)新型功能材料的应用。井下环境对机器人的防爆性具有极高的要求，防爆设计导致机器人体积与质量增大，影响机器人运动性能的提升，也对动力与控制系统提出了更高的要求。因此，当前防爆设计已成为制约煤矿井下机器人发展应用的重要因素。在煤矿井下机器人未来的研究中，可基于高性能仿生材料开发质量轻、强度高的机器人防护材料，通过对防爆结构进行轻量化设计，解决防爆设计与高机动性的矛盾;利用新型仿生驱动装置代替传统电机驱动实现驱动器的本质安全;基于新型仿生运动机构设计轻量化、低功耗、高机动性能的机器人运动机构;应用生物能源提高能量利用效率。因此，仿生技术有望成为煤矿井下机器人机构与驱动创新设计的有效途径。
(2)高效行走方式的应用。目前煤矿井下机器人的运动大多采用轨道式、轮式、履带式等形式，这些运动方式功能单一，只在特定的作业任务或运动场景中具有较高的效率。面向煤矿井下复杂、恶劣、多变的地形环境，如何让机器人在井下“走得动、走得稳、走得远”，是煤矿井下机器人面临的关键问题。以四足仿生运动为代表的腿足式运动机构具有地形适应性好、越障能力强等优势，尤其适用于煤矿井下等非结构化环境，通过与轮、履等形式进行复合可进一步提高结构化环境中的运动效率与地形适应性，并且通过加装机械臂还可以具有灵活操作能力，从而满足不同地形条件与不同作业任务的需求。因此，随着防爆、动力等技术瓶颈得到突破，腿足式等仿生移动机构有望成为新一代煤矿井下机器人的移动平台。
(3)智能环境感知的应用。煤矿井下地形复杂，煤尘多，照度低，并存在信号屏蔽干扰，煤矿井下机器人的自主作业与安全运行依赖于对井下空间、环境、设备等信息的全面感知，但是目前的各类矿用传感器存在体积大、质量重、功能单一等问题，而仿生感知技术有望在煤矿井下机器人的智能感知与险情识别中发挥重要作用。具体而言，可以基于新型仿生感知技术研发适用于煤矿井下机器人的各类防爆、高精度、高可靠性传感器，构建视、听、触、嗅等多模态融合的智能感知系统，实现煤矿井下机器人对周围环境(地形、温度、湿度、声、光、有毒气体等)的全域感知以及对自身作业状态的全方位监测;同时参考生物大脑对各种感觉信息的整合处理机制，运用智能算法构建基于大数据的多元信息智能挖掘分析系统，实现瓦斯、煤尘、矿压、水、火和地质等灾害的智能研判与预警。
(4)智能化自主作业的应用。“智慧矿山”是未来煤矿的重要发展趋势，煤矿机器人的智能化、自主化则是煤矿智能开采的核心之一。自主性能差、智能水平低仍是目前煤矿井下机器人研发应用中最具挑战性的关键问题，而仿生智能无疑将在推动未来煤矿机器人向智能模式发展中获得广泛应用。将神经网络、脑机接口、类脑智能等前沿生物智能技术融入煤矿井下机器人系统，并结合智能感知系统可以极大地提高机器人的自主性能，有助于实现煤矿井下机器人的自主识别、自主控制和自主运行。此外，群体智能技术可广泛应用于掘进工作面机器人群、采煤工作面机器人群、矿车无人驾驶系统、矿用自动装载系统等机器人集群作业，实现井下各工种、装备间的任务调度与协同作业。
总体而言，现有煤矿机器人设备仍存在体积大、智能化程度不高、灵活性差等不足，仿生技术较现有设备在机构、材料、控制、驱动等方面具高度灵活性和柔性等优势，随着仿生技术及相关学科的迅速发展，将来必定会在煤矿井下机器人中发挥越来越重要的作用。
4 结 语
加快煤矿智能化水平，建设无人化煤矿离不开机器人的广泛应用。但目前煤矿智能化仍处于起步阶段，智能化水平相对较低。仿生技术为机器人的发展提出了新的思路与挑战。随着对仿生技术的更进一步的深入研究，特别是对仿生机构、仿生感知、仿生控制、仿生驱动和仿生材料等关键技术的研究，将驱动机器人进入一个智能仿生时代。煤矿生产作为非常特殊的行业，仿生机器人用于煤矿作业生产是一个充满挑战的多学科交叉研究领域。限于技术成熟度等原因，仿生机器人在煤炭作业当中的实际应用还不够普遍。但假以时日，仿生机器人技术将在煤矿井下应用中迎来广阔的应用前景。
[1] 中国煤炭经济研究院煤炭产业景气指数研究课题组.2018—2019年中国煤炭产业经济形势研究报告[J].中国煤炭,2019,45(2):5-13.
Coal Industry Climate Index Research Group of China Institute Tor Coal Economic Research.Research on the economic situation of China’s coal industry from 2018 to 2019[J].China Coal,2019,45(2):5-13.
[2] 谢和平,吴立新,郑德志.2025年中国能源消费及煤炭需求预测[J].煤炭学报,2019,44(7):1949-1960.
XIE Heping,WU Lixin,ZHENG Dezhi.Prediction on the energy consumption and coal demand of China in 2025[J].Journal of China Coal Society,2019,44(7):1949-1960.
[3] 葛世荣.煤矿机器人现状及发展方向[J].中国煤炭,2019，45(7):18-27.
GE Shirong.Present situation and development direction of coal mine robots[J].China Coal,2019,45(7):18-27.
[4] 王国法,赵国瑞,任怀伟.智慧煤矿与智能化开采关键核心技术分析[J].煤炭学报,2019,44(1):34-41.
WANG Guofa,ZHAO Guorui,REN Huaiwei.Analysis on key technologies of intelligent coal mine and intelligent mining[J].Journal of China Coal Society,2019,44(1):34-41.
[5] 葛世荣,胡而已,裴文良.煤矿机器人体系及关键技术[J].煤炭学报,2020,45(1):455-463.
GE Shirong,HU Eryi,PEI Wenliang.Classification system and key technology of coal mine robot[J].Journal of China Coal Society,2020,45(1):455-463.
[6] 王国彪,陈殿生,陈科位,等.仿生机器人研究现状与发展趋势[J].机械工程学报,2015,51(13):27-44.
WANG Guobiao,CHEN Diansheng,CHEN Kewei,et al.The current research status and development strategy on biomimetic robot[J].Journal of Mechanical Engineering,2015,51(13):27-44.
[7] WANG S,WU M.Cutting trajectory planning of sections with complex composition for roadheader[A].Proceedings of the Institution of Mechanical Engineers,Part C[C].Journal of Mechanical Engineering Science,2019,233(4):1441-1452.
[8] 杨健健,张强,王超,等.煤矿掘进机的机器人化研究现状与发展[J/OL].煤炭学报:1-12[2020-06-19].http://kns.cnki.net/kcms/detail/11.2190.TD.20200215.0149.003.html.
YANG Jianjian,ZHANG Qiang,WANG Chao,et al.Status quo and development of robotization research of coal mine roadheader[J/OL].Journal of China Coal Society,1-12[2020-06-19].http://kns.cnki.net/kcms/detail/11.2190.TD.20200215.0149.003.html.
[9] 凌睿,柴毅.悬臂式掘进机器人截割臂建模与二阶滑模控制器设计[J].控制理论与应用,2010,27(8):1037-1046.
LING Rui,CHAI Yi.Dynamic modeling and design of second-order sliding-mode controller for arm of roadheader robot[J].Control Theory & Applications,2010,27(8):1037-1046.
[10] ARYA S,SOTTILE J,RIDER J P,et al.Design and experimental evaluation of a flooded-bed dust scrubber integrated into a longwall shearer[J].Powder Technology,2018,339:487-496.
[11] 于斌,徐刚,黄志增,等.特厚煤层智能化综放开采理论与关键技术架构[J].煤炭学报,2019,44(1):42-53.
YU Bin,XU Gang,HUANG Zhizeng,et al.Theory and its key technology framework of intelligentized fully-mechanized caving mining in extremely thick coal seam[J].Journal of China Coal Society,2019,44(1):42-53.
[12] 王金华,黄乐亭,李首滨,等.综采工作面智能化技术与装备的发展[J].煤炭学报,2014(8):1418-1423.
WANG Jinhua,HUANG Leting,LI Shoubin,et al.Development of intelligent technology and equipment in fully-mechanized coal mining face[J].Journal of China Coal Society,2014(8):1418-1423.
[13] LI M,SUN K.An image recognition approach for coal and gangue used in Pick-Up Robot[A].2018 IEEE International Conference on Real-time Computing and Robotics(RCAR)[C].IEEE,2018:501-507.
[14] 孟国营,李国平,沃磊,等.重型刮板输送机成套装备智能化关键技术[J].煤炭科学技术,2014,42(9):57-60.
MENG Guoying,LI Guoping,WO Lei,et al.Intelligent key technologies of complete heavy scraper conveyor equipment[J].Coal Science and Technology,2014,42(9):57-60.
[15] UZEL D,PEROUTKA Z,
M
DL V,et al.Self-sensing control of wound rotor synchronous motor drive for mine hoist[J].IEEE Transactions on Industrial Electronics,2017,65(3):2009-2017.
[16] 崔卫秀.刮板运输系统煤流通道堵塞防控技术研究与实践[J/OL].煤炭科学技术:1-9[2020-06-19].http://kns.cnki.net/kcms/detail/11.2402.td.20200210.0851.002.html.
CUI Weixiu.Research and practice on prevention and control technology of coal passage blockage in scraper transportation system[J/OL].Coal Science and Technology:1-9[2020-06-19].http://kns.cnki.net/kcms/detail/11.2402.td.20200210.0851.002.html.
[17] MURPHY R R,KRAVITZ J,STOVER S L,et al.Mobile robots in mine rescue and recovery[J].IEEE Robotics & Automation Magazine,2009,16(2):91-103.
[18] 李雨潭,李猛钢,朱华.煤矿搜救机器人履带式行走机构性能评价体系[J].工程科学学报,2017,39(12):1913-1921.
LI Yutan,LI Menggang,ZHU Hua.Performance evaluation system of the tracked walking mechanism of a coal mine rescue robot[J].Chinese Journal of Engineering,2017,39(12):1913-1921.
[19] 李允旺,葛世荣,朱华.摇杆式履带悬架的构型推衍及其在煤矿救灾机器人上的应用[J].机器人,2010,32(1):25-33.
LI Yunwang,GE Shirong,ZHU Hua.Deduction of the rocker-type track suspension configurations and their applications to coal mine rescue robots[J].Robot,2010,32(1):25-33.
[20] 葛世荣,朱华.危险环境下救援机器人技术发展现状与趋势[J].煤炭科学技术,2017,45(5):1-8,21.
GE Shirong,ZHU Hua.Technical development status and tendency of rescue robot in dangerous environment[J].Coal Science and Technology,2017,45(5):1-8,21.
[21] GAO Z,SHI Q,FUKUDA T,et al.An overview of biomimetic robots with animal behaviors[J].Neurocomputing,2019,332:339-350.
[22] ZHAO J,HAN Z,LIU G.Development of a serpentine omnitread robot for searching in explosive gas atmospheres[J].Industrial Robot:An International Journal,2011,38(5):469-475.
[23] LI H,HOU Y.Study of Ant colony optimization algorithm in snake-like robot path planning[A].International Conference on Logistics Engineering,Management and Computer Science(LEMCS 2014)[C].French:Atlantis Press,2014.
[24] YAMADA H,TAKAOKA S,HIROSE S.A snake-like robot for real-world inspection applications[J].Advanced Robotics,2013,27(1):47-60.
[25] MORRIS A,KURTH D,HUBER D,et al.Case studies of a borehole deployable robot for limestone mine profiling and mapping[A].Field and Service Robotics[C].Berlin,Heidelberg:Springer,2003:189-198.
[26] ZHANG D,GAO Z.Hybrid head mechanism of the groundhog-like mine rescue robot[J].Robotics and Computer-Integrated Manufacturing,2011,27(2):460-470.
[27] ZHAO J,LIU G,LIU Y,et al.Research on the application of a marsupial robot for coal mine rescue[A].International Conference on Intelligent Robotics and Applications[C].Berlin,Heidelberg:Springer,2008:1127-1136.
[28] 王安忆,刘贵杰,王新宝,等.身体/尾鳍推进模式仿生机器鱼研究的进展与分析[J].机械工程学报,2016,52(17):137-146.
WANG Anyi,LIU Guijie,WANG Xinbao,et al.Development and analysis of body and/or caudal fin biomimetic robot fish[J].Journal of Mechanical Engineering,2016,52(17):137-146.
[29] ZHOU C,LOW K H.Design and locomotion control of a biomimetic underwater vehicle with fin propulsion[J].IEEE/ASME Transactions on Mechatronics,2011,17(1):25-35.
[30] WEN L,REN Z,DI SANTO V,et al.Understanding fish linear acceleration using an undulatory biorobotic model with soft fluidic elastomer actuated morphing median fins[J].Soft Robotics,2018,5(4):375-388.
[31] YU J,SU Z,WANG M,et al.Control of yaw and pitch maneuvers of a multilink dolphin robot[J].IEEE Transactions on Robotics,2011,28(2):318-329.
[32] RAIBERT M,BLANKESPOOR K,NELSON G,et al.Bigdog,the rough-terrain quadruped robot[A].Proceedings of the 17th IFAC World Congress[C].Laxenburg,2008:10822-10825.
[33] HYUN D J,SEOK S,LEE J,et al.High speed trot-running:Implementation of a hierarchical controller using proprioceptive impedance control on the MIT Cheetah[J].International Journal of Robotics Research,2014,33(11):1417-1445.
[34] HUTTER M,GEHRING C,JUD D,et al.Anymal-a highly mobile and dynamic quadrupedal robot[A].2016 IEEE/RSJ International Conference on Intelligent Robots and Systems(IROS)[C].IEEE,2016:38-44.
[35] 陈腾,李贻斌,荣学文.四足机器人动步态下实时足底力优化方法的设计与验证[J].机器人,2019,41(3):307-316.
CHEN Teng,LI Yibin,RONG Xuewen.Design and verification of real-time plantar force optimization for quadruped robots in dynamic gait[J].Robot,2019,41(3):307-316.
[36] 浙大发布四足机器人“绝影”踩钢管走雪地被踢不倒[EB/OL].https://tech.sina.com.cn/d/i/2018-02-11/doc-ifyrkuxt4224124.shtml.
[37] RUN Bin C,YANG Zhen C,WEN Qi H,et al.Trotting gait of a quadruped robot based on the time-pose control method[J].International Journal of Advanced Robotic Systems,2013,10(2):148.
[38] WANG C,GAO J Y,DUAN X G,et al.The CPG gait generate method of the quadruped robot based on iterative learning control algorithm[A].Advanced Materials Research[C].Trans Tech Publications Ltd.,2013,677:296-303.
[39] RAIBERT M H.Legged robots that balance[M].Cambridge:MIT Press,1986.
[40] CHEN X,GAO F,QI C,et al.Gait planning for a quadruped robot with one faulty actuator[J].Chinese Journal of Mechanical Engineering,2015,28(1):11-19.
[41] KIM S,SPENKO M,TRUJILLO S,et al.Smooth vertical surface climbing with directional adhesion[J].IEEE Transactions on Robotics,2008,24(1):65-74.
[42] BORENSTEIN J,HANSEN M,BORRELL A.The OmniTread OT-4 serpentine robot-design and performance[J].Journal of Field Robotics,2007,24(7):601-621.
[43] WRIGHT C,BUCHAN A,BROWN B,et al.Design and architecture of the unified modular snake robot[A].2012 IEEE International Conference on Robotics and Automation[C].IEEE,2012:4347-4354.
[44] GRAICHEN K,HENTZELT S,HILDEBRANDT A,et al.Control design for a bionic kangaroo[J].Control Engineering Practice,2015,42:106-117.
[45] ZAITSEV V,GVIRSMAN O,HANAN U B,et al.A locust-inspired miniature jumping robot[J].Bioinspiration & biomimetics,2015,10(6):066012.
[46] SEND W,FISCHER M,JEBENS K,et al.Artificial hinged-wing bird with active torsion and partially linear kinematics[A].Proceeding of 28th Congress of the International Council of the Aeronautical Sciences[C].2012.
[47] KEENNON M,KLINGEBIEL K,WON H.Development of the nano hummingbird:A tailless flapping wing micro air vehicle[A].50th AIAA Aerospace Sciences Meeting Including the New Horizons Forum and Aerospace Exposition[C].2012:588.
[48] SITTI M,MENCIASSI A,IJSPEERT A J,et al.Survey and introduction to the focused section on bio-inspired mechatronics[J].IEEE/ASME Transactions on Mechatronics,2013,18(2):409-418.
[49] LIU S C,DELBRUCK T.Neuromorphic sensory systems[J].Current Opinion in Neurobiology,2010,20(3):288-295.
[50] LU D.Bionic eyes helps people who are blind read letters again[J].New Scientist,2019(3241):15.
[51] FAN D,CHEN X,ZHANG T,et al.Design of anthropomorphic robot bionic eyes[A].2017 IEEE International Conference on Robotics and Biomimetics(ROBIO)[C].IEEE,2017:2050-2056.
[52] FULLER S B,KARPELSON M,CENSI A,et al.Controlling free flight of a robotic fly using an onboard vision sensor inspired by insect ocelli[J].Journal of the Royal Society Interface,2014,11(97):20140281.
[53] CAO J J,HOU Z S,TIAN Z N,et al.Bioinspired zoom compound eyes enable variable-focus imaging[J].ACS Applied Materials & Interfaces,2020,12(9):10107-10117.
[54] NI J,CHEN Y,WANG K,et al.An improved vision-based SLAM approach inspired from animal spatial cognition[J].International Journal of Robotics and Automation,2019,34(5):206-216.
[55] LU H,XIAO J,ZHANG L,et al.Biologically inspired visual odometry based on the computational model of grid cells for mobile robots[A].2016 IEEE International Conference on Robotics and Biomimetics(ROBIO)[C].IEEE,2016:595-601.
[56] LARSON C,PEELE B,LI S,et al.Highly stretchable electroluminescent skin for optical signaling and tactile sensing[J].Science,2016,351(6277):1071-1074.
[57] KIM Y,CHORTOS A,XU W,et al.A bioinspired flexible organic artificial afferent nerve[J].Science,2018,360(6392):998-1003.
[58] DI GIACOMO R,BONANOMI L,COSTANZA V,et al.Biomimetic temperature-sensing layer for artificial skins[J].Science Robotics,2017,2,eaai92513.
[59] YAO G,XU L,CHENG X,et al.Bioinspired triboelectric nanogenerators as self-powered electronic skin for robotic tactile sensing[J].Advanced Functional Materials,2019:1907312.
[60] JIA W,LIANG G,JIANG Z,et al.Advances in electronic nose development for application to agricultural products[J].Food Analytical Methods,2019,12(10):2226-2240.
[61] HU W,WAN L,JIAN Y,et al.Electronic noses:From advanced materials to sensors aided with data processing[J].Advanced Materials Technologies,2019,4(2):1800488.
[62] WOJNOWSKI W,DYMERSKI T,GęBICKI J,et al.Electronic noses in medical diagnostics[J].Current Medicinal Chemistry,2019,26(1):197-215.
[63] SHI H,ZHANG M,ADHIKARI B.Advances of electronic nose and its application in fresh foods:A review[J].Critical Reviews in Food Science and Nutrition,2018,58(16):2700-2710.
[64] FLOREANO D,IJSPEERT A J,SCHAAL S.Robotics and neuroscience[J].Current Biology,2014,24(18):R910-R920.
[65] SANTOS C P,MATOS V.CPG modulation for navigation and omnidirectional quadruped locomotion[J].Robotics and Autonomous Systems,2012,60(6):912-927.
[66] 李彬,李贻斌,阮久宏,等.基于Wilson-Cowan神经振荡器的四足机器人步态规划研究[J].山东大学学报(工学版),2009,40(1):6-9,36.
LI Bin,LI Yibin,RUAN Jiuhong,et al.Study of quadruped robot gait planning based on Wilson-Cowan neural oscillators.Journal of Shandong University(Engineering Science),2009,40(1):6-9,36.
[67] DING R,YU J,YANG Q,et al.Dynamic modelling of a CPG-controlled amphibious biomimetic swimming robot[J].International Journal of Advanced Robotic Systems,2013,10(4):199.
[68] ZHONG G,CHEN L,JIAO Z,et al.Locomotion control and gait planning of a novel hexapod robot using biomimetic neurons[J].IEEE Transactions on Control Systems Technology,2017,26(2):624-636.
[69] FUKUI T,FUJISAWA H,OTAKA K,et al.Autonomous gait transition and galloping over unperceived obstacles of a quadruped robot with CPG modulated by vestibular feedback[J].Robotics and Autonomous Systems,2019,111:1-19.
[70] ZHIHAI L I,YILI F U.Motion planning of a bio-inspired biped wall climbing robot stepping over obstacles based on genetic algorithm[J].Robot,2012,34(6):751.
[71] GAIDHANE P J,NIGAM M J.A hybrid grey wolf optimizer and artificial bee colony algorithm for enhancing the performance of complex systems[J].Journal of Computational Science,2018,27(7):284-302.
[72] HWANGBO J,LEE J,DOSOVITSKIY A,et al.Learning agile and dynamic motor skills for legged robots[J].Science Robotics,2019,4(26):eaau5872.
[73] HEIJMINK E,RADULESCU A,PONTON B,et al.Learning optimal gait parameters and impedance profiles for legged locomotion[A].2017 IEEE-RAS 17th International Conference on Humanoid Robotics(Humanoids)[C].IEEE,2017:339-346.
[74] 陶国良,谢建蔚,周洪.气动人工肌肉的发展趋势与研究现状[J].机械工程学报,2009,45(10):75-83.
TAO Guoliang,XIE Jianwei,ZHOU Hong.Research achievements and development trends of pneumatic artificial muscles[J].Journal of Mechanical Engineering,2009,45(10):75-83.
[75] GUAN Q,SUN J,LIU Y,et al.Novel bending and helical extensile/contractile pneumatic artificial muscles inspired by elephant trunk[J].Soft Robotics,2020
[76] 李健,郭艳玲,王振龙.形状记忆合金丝驱动的触手推进式仿生水母[J].哈尔滨工业大学学报,2014,46(1):104-110.
LI Jian,GUO Yanling,WANG Zhenlong.A bionic jellyfish robot propelled by bio-tentacle propulsors actuated by shape memory alloy wires[J].Journal of Harbin Institute of Technology,2014,46(1):104-110.
[77] LASCHI C,CIANCHETTI M,MAZZOLAI B,et al.Soft robot arm inspired by the octopus[J].Advanced Robotics,2012,26(7):709-727.
[78] KIM S,LASCHI C,TRIMMER B.Soft robotics:A bioinspired evolution in robotics[J].Trends Biotechnol,2013,31(5):287-294.
[79] 张忠强,邹娇,丁建宁,等.软体机器人驱动研究现状[J].机器人,2018,40(5):648-659.
ZHANG Zhongqiang,ZOU Jiao,DING Jianning,et al.Research status of the soft robot driving[J].Robot,2018,40(5):648-659.
[80] ANANTHANARAYANAN A,AZADI M,KIM S.Towards a bio-inspired leg design for high-speed running[J].Bioinspiration & Biomimetics,2012,7(4):046005.
[81] 刘春宝,陈山石,盛 闯,等.蜘蛛生物液压驱动原理及其功能仿生探索[J].吉林大学学报(工学版),2020,50(1):375-381.
LIU Chunbao,CHEN Shanshi,SHENG Chuang,et al.Bionic hydraulic driving mechanism of spider and its bio-inspiration[J].Journal of Jilin University(Engineering and Technology Edition),2020,50(1):375-381.
[82] YU M,JI A,DAI Z.Effect of microscale contact state of polyurethane surface on adhesion and friction[J].Journal of Bionic Engineering,2006,3(2):87-91.
[83] SHANG Y,WANG J,IKEDA T,et al.Bio-inspired liquid crystal actuator materials[J].Journal of Materials Chemistry C,2019,7(12):3413-3428.
[84] ZHAO Q,WANG Y,CUI H,et al.Bio-inspired sensing and actuating materials[J].Journal of Materials Chemistry C,2019,22(7):6493-6511.
[85] YUAN Y,YU X,YANG X,et al.Bionic building energy efficiency and bionic green architecture:A review[J].Renewable and Sustainable Energy Reviews,2017,74:771-787.
[86] YIN X,LIU Z,WANG D,et al.Bioinspired self-healing organic materials:Chemical mechanisms and fabrications[J].Journal of Bionic Engineering,2015,12(1):1-16.
[87] HAGER M D,GREIL P,LEYENS C,et al.Self-healing materials[J].Advanced Materials,2010,22(47):5424-5430.
[88] LIU G,YUAN Z,QIU Z,et al.A brief review of bio-inspired surface technology and application toward underwater drag reduction[J].Ocean Engineering,2020,199:106962.
[89] DAS D,NOH I.Overviews of biomimetic medical materials[A].Biomimetic Medical Materials[C].Singapore:Springer,2018:3-24.
[90] LI P,WANG Y,GUPTA U.Transparent soft robots for effective camouflage[J].Advanced Functional Materials,2019,29(37):1901908.
[91] KELLARIS N,VENKATA V G,SMITH G M,et al.Peano-Hasel actuators:Musclemimetic,electrohydraulic transducers that linearly contract on activation[J].Science Robotics,2018,3(14),eaar3276.
[92] ZHOU M,WU Z,ZHAO Y,et al.Droplets as Carriers for Flexible Electronic Devices[J].Advanced Science,2019,6(24):1901862.
[93] WEHNER M,TRUBY R L,FITZGERALD D J,et al.An integrated design and fabrication strategy for entirely soft,autonomous robots[J].Nature,2016,536(7617):451-455.
[94] TERRYN S,BRANCART J,LEFEBER D,et al.Self-healing soft pneumatic robots[J].Sci.Robot,2017,2(9):1-12.
[95] ZHANG L,LIU Z,WU X,et al.A Highly Efficient self-healing elastomer with unprecedented mechanical properties[J].Advanced Materials,2019,31(23):1901402.
[96] HAUSER H.Resilient machines through adaptive morphology[J].Nature Machine Intelligence,2019,1(8):338-339.
[97] HWANGBO J,LEE J,DOSOVITSKIY A,et al.Learning agile and dynamic motor skills for legged robots[J].Science Robotics,2019,4(26):eaau5872.
[98] IJSPEERT A J.Amphibious and sprawling locomotion:From Biology to Robotics and Back[J].Annual Review of Control,Robotics,and Autonomous Systems,2020,3(1):173-193.
[99] PEI J,DENG L,SONG S,et al.Towards artificial general intelligence with hybrid Tianjic chip architecture[J].Nature,2019,572(7767):106-111.
[100] KRIEGMAN S,BLACKISTON D,LEVIN M,et al.A scalable pipeline for designing reconfigurable organisms[J].Proceedings of the National Academy of Sciences,2020,117(4):201910837.
[101] ZHANG C,WANG W,XI N,et al.Development and future challenges of bio-syncretic robots[J].Engineering,2018,4(4):452-463.
[102] LI S,BATRA R,BROWN D,et al.Particle robotics based on statistical mechanics of loosely coupled components[J].Nature,2019,567(7748):361-365.
