未知湍流背景下仿生魚的自我中心定位保持

在自然水域環境中，仿生魚能否精準接近目標位置並在流動中穩定保持定位，是其執行水下監測、管道巡檢等實際任務的關鍵前提。儘管過去幾十年在提升游泳效率和機動性方面取得了長足進步，但自由遊動的仿生魚在與複雜水流相互作用時，其流體-結構耦合效應高度非線性且尚未被充分刻畫，導致這一基礎能力的發展長期滯後。為突破這一瓶頸，來自多所研究機構的團隊提出了SWiFT（Swimming With Flow Toolbox）框架，該框架結合強化學習技術，系統探索了身體和尾鰭（BCF）推進式仿生魚在未知湍流背景下的自我中心定位保持策略。

SWiFT框架的核心創新在於其集成的“三位一體”架構：一套支持自由遊動的流水槽實驗裝置，能夠真實記錄仿生魚在受控流場中的動態響應；一個基於計算流體力學（CFD）的高效仿真器，可快速生成物理一致的流固耦合數據；以及一套系統化的模擬到現實（sim-to-real）遷移流程，確保仿真環境中習得的策略能平滑遷移至物理實體。實驗結果顯示，通過該框架訓練的策略在所有評估指標上均顯著優於現有最先進方法，其中定位距離的均方根誤差（RMSE）降低了超過一個數量級。

尤為值得關注的是，研究團隊驗證了仿生魚僅依靠自我中心反饋（即本體感知信息，如加速度、角速度等）即可在未知湍流中實現定位保持，而無需任何顯式的流場傳感測量。這一發現緊密對應了魚類在自然界中表現出的趨流性（rheotaxis）行為——它們能依靠體側線和內耳感知水流變化，自發調整姿態以維持位置。這種“盲適應”能力不僅大幅簡化了傳感器配置，也提升了系統在複雜水域中的魯棒性。

這項工作的成功不僅將仿生魚控制向實際部署推進了關鍵一步，更凸顯了SWiFT框架作為通用平台的潛力——未來可擴展至更多複雜水下游泳任務，如編隊保持、能量最優路徑規劃等。相關論文已於2026年7月提交至arXiv，並提供了完整的仿真與實驗數據供學界復現。