〖内容摘要〗机器人技术的一大挑战是赋予智能体自主和自适应的能力。为此，我们将基于小脑的控制系统嵌入到能够处理动态外部和内部复杂性的仿人机器人中。小脑是大脑的一个区域，在整个身体与环境的相互作用中协调和预测身体的运动。文献中有不同的生物学上可信的小脑模型，并被用于运动学习和简化物体的控制。我们将机器学习和计算神经科学技术相结合，建立了典型的小脑微电路。该控制系统由自适应小脑模块和经典的控制方法组成，当外部干扰出现时，二者的结合可以实现机器人运动的快速自适应学习和鲁棒控制。控制结构离线建立，但动态参数在在线阶段训练中学习。上述自适应控制系统已在神经机器人平台上用虚拟仿人机器人iCub进行了测试。在实验中机器人iCub用手平衡桌上的一个球。与以往解决这一问题的尝试相比，所提出的神经控制器能够在内外部条件变化时快速适应。我们的生物启发和灵活的控制架构可以应用于不同的机器人配置，而无需过度调整参数或定制。基于小脑的控制系统确实能够处理变化的动力学和与环境的相互作用。获得关于仿生控制系统功能与要执行的任务的复杂性之间关系的重要见解。

〖来源〗Front. Neurorobot., 28 August 2019