仿生学习与控制框架实现跨本体跨任务运动

一份关于跨本体、跨任务运动控制的研究，其核心问题可以这样表述：能否设计出一套学习与控制框架，使同一个控制器在不同形态的机器人、不同任务之间迁移，而不必为每个平台重新写一遍。Milad Shafiee Ashtiani 在 EPFL 的博士论文给出的回答思路是向生物界寻找答案。论文开篇的论证相当直接：从寒武纪大爆发到今天，脊椎动物的运动控制回路始终保持高度相似；哺乳动物在出生后几分钟内就能掌握这些运动技能。换句话说，自然界早就解决了“换一个身体怎么还能动”的问题，而工程界至今仍在为它一份接一份地编写专用控制器。

这份资料的主体是论文本身，完成于 EPFL 工程学院 BioRobotics Laboratory，隶属机器人、控制与智能系统博士项目，导师为 Auke Ijspeert，答辩委员会由 Francesco Mondada 任主席，Marco Hutter、Ioannis Havoutis、Jessie Hughes 出任评审。它的论证方式是把比较生物学当作设计原则的来源，而不是把某种生物步态当作模仿对象。致谢部分还提到与 Guillaume Bellegarda 的长期合作、与 Ozge 在外骨骼项目上的协作，以及访问研究员 Ge Sun 的参与，可见这套框架是在多个具体项目中展开的，并非纯粹的纸上推演。

论文用三条来自比较生物学的观察来支撑自己的设计取向。第一条是保守性：脊椎动物的运动控制回路在漫长的时间里没有被结构性翻新，同一套架构被一代代脊椎动物反复沿用，论文的措辞是“remain remarkably similar”。第二条是这种共享架构的来源：它根植于模块化且可适应的设计，用论文的话说，那是一个“elegant system”，正是它让运动的复杂性成为可能。把这两条放在一起，解读是：通用性并非靠一个万能控制器实现，而是靠少数可重组的模块加可调参数实现。

第三条观察关乎学习效率：哺乳动物在出生后数分钟内就获得了这些运动技能。这一点对工程实践的含义相当尖锐：生物系统不必以海量试错为代价，也不必为每一种身体重新训练，就能得到可用的运动策略；而这恰恰是跨本体迁移中最费力的环节，这一对比本身就是论文的立论起点。因此，这里的“仿生”指落在学习与控制框架层面，即复刻让迁移成本变低的那套组织方式，而不是模仿外形或步态。

如果上述论证成立，那么机器人运动控制的设计目标就该从“为某台机器写一个控制器”转向“造一个能被不同身体重新参数化的控制基底”。模块化与可适应性在这里不是修辞，而是两个可操作的维度：模块怎么划分，决定了一个策略能覆盖多大的身体差异；可适应性有多强，决定了接手新任务需要多少新数据。对做足式机器人或策略迁移的团队来说，这份论文首先提供的是一套问题表述方式，也就是把跨本体和跨任务当成同一个框架要同时满足的两个约束，

Accepted on the jury’s recommendation for the award of the degree of Docteur ès Sciences (PhD) by A Bio-Inspired Learning and Control Framework for Cross-Embodiment and Cross-Task Locomotion Milad SHAFIEE ASHTIANI Thesis n° 11 385 Presented on 4 th July 2025 Prof. F. Mondada, jury president Prof. A. Ijspeert, thesis director Prof. M. Hutter, examiner Prof. I. Havoutis, examiner Prof. J. Hughes, examiner School of Engineering Biorobotics Laboratory Doctoral program in Robotics, Control and Intelligent Systems