清华大学研发的IBATR智能仿生两栖龟形机器人，凭借“视觉+触觉”融合感知与自适应步态，解决了水陆交界复杂地形的难题。该成果实现了从地形识别到运动模式的全自主闭环，为海洋探索提供了全新工具。
智能速览
机器人能以99.17%准确率识别五种典型地形并自动切换步态
采用双模态卷积神经网络融合视觉与触觉信息，抗干扰能力强
机身仅重10.48公斤，具备轻量化、高机动性与强稳定性特点
实测跨越14厘米高障碍物，陆地运动能耗在同类产品中最低
在深圳大鹏半岛完成实地测试，验证了波浪扰动下的适应能力
精华内容
面对水陆交界处的松软泥沙与多变地形，传统水下机器人往往举步维艰，而IBATR通过模仿海龟运动机理与智能感知系统，实现了高度的环境适应性。
结构创新设计
机器人机身采用扁平设计，由圆柱形防水腔和碳纤维骨架构成，总质量控制在10.48公斤，兼顾了强度与轻量化。
核心驱动部件为四条三自由度仿生鳍肢，前肢长25厘米负责推进，后肢长16厘米负责转向。鳍肢骨架由铜棒和碳纤维板制成，外层包裹Ecoflex硅胶，既贴合复杂地形又能提供足够摩擦力。
为了实现对环境的感知，鳍肢最大压力位置嵌入了压力传感器，头部搭载了摄像头，构建了基础的硬件感知体系。
双模态感知融合
针对单一感知易受光照或需物理接触的局限，研究团队构建了双模态卷积神经网络。摄像头提取纹理颜色特征，传感器捕捉物理特性，两者信息深度融合。
经过训练，该模型能精准识别混凝土、砾石、草地、沙地和水体五种地形，准确率高达99.17%。即使在光线不足或波浪扰动的环境中，也能保持高精度的地形判断能力。
识别地形后，机器人通过有限状态机自动切换最优步态，为后续运动提供决策依据。
自适应步态切换
IBATR针对不同地形匹配了专属运动模式。在草地等硬质地表采用步行步态兼顾速度与效率；在沙地切换为对称步态减少下陷；在砾石地形选用跳跃步态避免接触不良。
在水中则采用游泳步态，前鳍以15°最佳攻角振荡产生推力。这种因地制宜的策略显著提升了运动效率，相比单一步态，自适应步态让整体运动效率提升19.1%，速度提高9.2%。
优化算法与实测
研究团队利用贝叶斯优化算法结合BP神经网络，对步态周期和摆线参数进行全局优化。实验数据显示，优化后机器人在草地平均速度达0.67米/秒，沙地运输成本降至1.72，效率提升25.9%。
在深圳大鹏半岛的实地测试中，IBATR从陆地入海再返回陆地，全程步态切换流畅。它能轻松跨越14厘米高障碍物，水下姿态跟踪稳态误差控制在5°以内，展现出优异的实战性能。
IBATR不仅展示了仿生机器人技术的巨大潜力，更在海洋勘探、环境监测及灾害响应等领域具备广阔应用前景。随着未来路径算法的进一步优化与任务模块的拓展，这只智能“海龟”将在复杂自然环境中发挥更大的作用。
