未知湍流背景下仿生鱼的自我中心定位保持

在自然水域环境中，仿生鱼能否精准接近目标位置并在流动中稳定保持定位，是其执行水下监测、管道巡检等实际任务的关键前提。尽管过去几十年在提升游泳效率和机动性方面取得了长足进步，但自由游动的仿生鱼在与复杂水流相互作用时，其流体-结构耦合效应高度非线性且尚未被充分刻画，导致这一基础能力的发展长期滞后。为突破这一瓶颈，来自多所研究机构的团队提出了SWiFT（Swimming With Flow Toolbox）框架，该框架结合强化学习技术，系统探索了身体和尾鳍（BCF）推进式仿生鱼在未知湍流背景下的自我中心定位保持策略。

SWiFT框架的核心创新在于其集成的“三位一体”架构：一套支持自由游动的流水槽实验装置，能够真实记录仿生鱼在受控流场中的动态响应；一个基于计算流体力学（CFD）的高效仿真器，可快速生成物理一致的流固耦合数据；以及一套系统化的模拟到现实（sim-to-real）迁移流程，确保仿真环境中习得的策略能平滑迁移至物理实体。实验结果显示，通过该框架训练的策略在所有评估指标上均显著优于现有最先进方法，其中定位距离的均方根误差（RMSE）降低了超过一个数量级。

尤为值得关注的是，研究团队验证了仿生鱼仅依靠自我中心反馈（即本体感知信息，如加速度、角速度等）即可在未知湍流中实现定位保持，而无需任何显式的流场传感测量。这一发现紧密对应了鱼类在自然界中表现出的趋流性（rheotaxis）行为——它们能依靠体侧线和内耳感知水流变化，自发调整姿态以维持位置。这种“盲适应”能力不仅大幅简化了传感器配置，也提升了系统在复杂水域中的鲁棒性。

这项工作的成功不仅将仿生鱼控制向实际部署推进了关键一步，更凸显了SWiFT框架作为通用平台的潜力——未来可扩展至更多复杂水下游泳任务，如编队保持、能量最优路径规划等。相关论文已于2026年7月提交至arXiv，并提供了完整的仿真与实验数据供学界复现。