互动科普

蟋蟀机器人

Barbara Webb*

简单的电机系统可以壳成生物的复杂动作吗？有一种找到真相的可靠途径。

当我们把一种动作说成像机器人那样时，我们通常会想到它的可预见性。无论谈论对像是疲倦的超市出纳还是没有自发认出的旧相识，机器人般的动作可能都会被描绘成一系列随交互作用或事件而产生的似乎是自动的反应。

昆虫的行为可能也会被看成是机器人般的或自动的。然而，对某些昆虫的具体行为进行详细研究，揭示出比这种表征的暗示丰富得多的变化。母蟋蟀试图从公蟋蟀叫春的歌声中找出配偶就是极好的例子。这种动作在某些方面似乎非常简单：当她听到适当的歌曲时，即使被放到了踏车上，这种昆虫仍会继续朝着声音行进数小时。

然而，研究人员在过去20年里已揭示出这种基本动作的许多难以捉摸的细节。例如，一只母蟋蟀可以从其他任何噪音中区分出与她同一物种的一只公蟋蟀的歌声并且在与她同种的其他公蟋蟀同时都对自己唱着几乎相同的歌曲时向那只公蟋蟀靠近。我们还是不太明白她是如何拥有这种以及相关的技能的。

同样，机器人的行为似乎可以同时兼具简单和复杂两种特性。不管一个机器人是如何简单，其传感器和致动器与环境的相互影响始终都十分复杂。这表明机器人对刺激作出连贯可靠的自动反应通常要比表象困难得多。例如，在一条直线上移动轮式机器人并不仅仅是在每一侧提供同样功率的电机。电机、齿轮和车轮的机械偏差将需要略有差别的功率来使车轮的转速相同。摩擦和惯性将发生变化，因而必须根据转速的快慢和误差的反馈不断调整功率。即使车轮以相同速度转动，地面不平和滑溜也将使机器人偏离直线，除非机器人具有一定的指向常识从而通过改变车轮速度来进行弥补。

因此，抵消环境的复杂影响似乎需要一种复杂程度与之相配的控制算法。但真是如此吗?一种在机器人学中日益流行的选择方法是，按利用而不是抵制与环境的相互影响的原则来设计机器人。例如，与试图迫使机器人沿直线前进相反，可对机器人编程，使其依领着它到达

目的地的地形轮廓而行进——即绕过而不是翻越前进途中的山丘。通过这种方法，那些在机器人身上似乎显得很复杂的动作就可以从极其简单的控制算法中产生出来。

为了对这些问题进行调查研究，我以相当简单的硬件、原理和算法设计制造了一只蟋蟀机器人，我希望这个机器人的行为将具有昆虫本身如果遇到类似环境时会表现出来的许多复杂性。我也希望能在一定程度上阐明构成蟋蟀行为基础的神经生物学。

当然，要极其详细地模拟蟋蟀行为的所有方面是不可能的，因此我选择了上文提及的具体而又意义重大的行为。母蟋蟀鉴别和找到与其同种且唱着歌的公蟋蟀的能力(这种向特定声音移动的过程，连同它必然伴有的所有感觉上和动作上的要求，被称为趋声性。)

母蟋蟀在吸引它们的声音上颇有选择。首先，歌声的基础(即载波)频率是它最分明的特征。公蟋蟀可以通过摩擦双翅发出几近圆润的乐音，同种的母蟋蟀对这种声音反应最好，它们不会对比通常在4.5千赫的载波频率高或低的声音作出反应。其次，由于公蟋蟀张合翅膀而产生的歌曲节奏也有区别并且随种的不同而变化。双翅的每一次摩擦产生出有特色的爆破音，被称为音节；实验证实，公蟋蟀重复音节的速率——即音节重复率——是这种诱使母蟋蟀反应的模式最本质的特征。

尽管在许多种类中声音的组合都是多种多样——例如，重复3至5次的音节形成一组，被称为鸣声，接着昆虫会安静一段时间再发出下一组鸣声——许多母蟋蟀仍将对反复重复的由一定间隔分开的音节作出反应。母蟋蟀不仅必须区别出同种公蟋蟀的正确节奏和声音，而且必须在许多潜在配偶同时向它歌唱时也要经常区分出这种节奏和声音。它还要设法使自己只对准这些求婚者中的一个而忽略其他。

在实验室中，表现出的主要偏向是喜欢更响亮的歌声；向母蟋蟀提供均有正确的音节重复率的两种歌声，它们会移向两者中更响亮的一种。更响亮的声音可能表明公蟋蟀个头更大或仅仅只是离得更近。不过，除了大声外，研究人员尚未明确证实母蟋蟀偏爱自然歌声中的其他任何具体特征。

在选择了正确的声音后(如有必要能从几个例子中进行挑选)，母蟋蟀必须确定声源的位置——即是说，朝它移动，找出它。蟋蟀辨认或选出声音的唯一证据就是它朝声音移动的事实。因此，能够确定某种声音的单一过程可能足以产生出所观测到的行为。如果情况的确如此就可以用以下方法来复制母蟋蟀显然具有选择性的行为：制造一个机器人，其中使它能够确定声音位置的机制只对适当种类的声音起作用。

通过蟋蟀的耳朵

蟋蟀具有相当精巧的感觉机制，使它能够探测出声源的方向。它的双耳在前腿上，由于蟋蟀的身体对低频声音的屏蔽极差，它的每一只耳朵所接到声音的强度(即振幅)几乎没有什么差别。声音到达的时间有区别，但这种区别是以微秒计的，蟋蟀的听觉神经细胞无法进行测定。

声音沿着连接双耳以及双耳和蟋蟀身上更前面的气门的呼吸管传递。因此，声音同时从内外两方面通过呼吸管到达耳朵，经过了不同的路程。声音通过呼吸管的传递时间改变着它的相位。在耳鼓处，声音根据它们的相对相位和声音的方向彼此增强或相互抵消。因此，耳鼓处所得到的振幅指明了声源的方向(见下页)。简单地说，振幅在靠近声音的一侧更大。

我制造的机器人的“耳朵”是微型麦克风。在大量帮助下，我设计了能以模拟蟋蟀听觉系统基本功能的方式处理信号的电路。该系统的基本原理之一是，蟋蟀的呼吸管对求偶歌声中具有理想频率的声音传递得最好，这类传递中的相位改变适合那种具体波长。该机制无法可靠地探测出其他频率的声音的方向。换句话说，通过依靠只会调谐到合适波长的相位变化，听觉系统天生就忽略了波长不对的声音，因为它们无法产生方向性反应。

机器人是一种小型车辆，形状呈立方体，每边大约长20厘米。用Lego积木制成的机器人在前部有两个传动轮和一个小脚轮。由于它比蟋蟀要大得多，它的耳朵就隔得相当远，因此我为吸引它的歌曲选择了较低的频率(2千赫)。麦克风电路的输出每隔30毫秒提供一个信号。该信号与耳鼓振荡相吻合。电路信号模拟真实的蟋蟀听觉系统中所出现的情况，对于正确频率的声音来说，在声源那一侧就有较高的振幅。不过实际上，由于喇叭内、房间内和机器人自身的马达发出的多余噪音，机器人的双耳充其量只能在90%的时间对正确方向发出反射信号。

如果要比较耳鼓处的振幅差异并用它来驱动马达的反应，就必须把它译成神经电码。在蟋蟀身上，每只耳朵的大约50个感觉神经元汇集到这种昆虫的中枢神经系统内一小部分中间神经元上。这些中间神经元中的两个——一个连接左耳，另一个连接右耳——形成似乎对趋声性起关键作用的一对。神经生理学家可以在蟋蟀根据声音行走时测控这对神经元的兴奋。他们通过这种做法，证明了该动物总是转向这对神经元中反应更强烈的一个的那一面。

出现一阵声音时，这对神经元中的每一根都会合计来自对应耳朵的感觉神经元的输人并在达到临界点后开始兴奋。兴奋开始会有好快取决于输人的强度；兴奋产生的频繁程度也与输人强度密切相关。因此，耳鼓振动被神经元活动译成电码的方法有两种：等待时间(神经元开始兴奋前经过的时间)和声音爆发期间神经兴奋的速度。一阵声音结束后，神经元要花一点时间返回到休息状态。如果另一个声音在这段恢复期内开始，神经元就能更快地重新兴奋，因为它已经接近临界状态了。

母蟋蟀的神经系统可能利用这一反应来找出声源的最简单的方法就是每一次声音出现时就转向兴奋率先开始的那一侧。(这样，它将转向离声音更近的侧面。)这种情况引人注目的后果就是反应只会在声音开始爆发时出现。这种见解与音节重复是决定母蟋蟀能否对歌声起反应的最重要因素的事实不谋而合。如果声音连绵不绝或是重复得比神经元的恢复时间更迅速，神经元的兴奋也将是持续不断的.在这种情况下，神经元首先开始兴奋的侧面就不明显了。另一方面，如果声音重复得太慢，转向哪一方的信息到达得不太频繁，可能就无法指导母蟋蟀转向公蟋蟀。这两种极端之间的特定重复率当然是理想的。

蟋蟀机器人的歌声

比较开始时间可以用比较兴奋率来代替，后者似乎能使蟋蟀转向兴奋更频繁的一侧。(这种反应也与昆虫转向声音更近的一侧相吻合。)这种机制在神经生理学家当中是更流行的假说，不过两种可能性都还缺乏确凿的证据。由于兴奋率将用信号表示任何声音模式(连绵不绝的声音，快或者慢的音节重复)的方向，这一假说需要蟋蟀拥有某些其他的神经处理功能以使它挑选出节奏正确的歌声。实际上，在蟋蟀的大脑中已经发现了某些似乎拥有这种性能的神经元。

尽管事实如此，对于我的机器人，我还是使用了以比较开始时间为基础的算法而忽视兴奋率。我想检验这样一种不必进行进一步神经处理的机制能否解释所观察到的母蟋蟀对某些歌曲的选择性。由于我的机器人的感觉系统依赖有特定波长的声音，它的“神经”比较器依赖有特定节奏。因此它不必主动选择正确的歌声——它只是对错误的歌声无动于衷。如果我的机器人在找出合适歌声方面表现良好，这就将为真蟋蟀的定位机制也能以这种方式起作用的假说提供凭证。

给机器人编程令它以这种方式动作就相当简单。它的“大脑”是一个68000型微处理器，编程后可接收各种传感器输人并向左右两个马达发出开始和停止命令。除模拟蟋蟀听觉系统中的相延迟和取消的麦克风和电路外，机器人有能够察觉障碍的红外线和凸形开关。控制程序本身由100行代码组成。

耳朵电路的读数随着时间相加。如果有一面会率先达到预定的临界值，那面的车轮就会短暂停顿，致使方向上发生小变动。如果声音继续下去，总值就会一直高于临界值，就不会产生进一步的反应。如果声音停止，总值向零回复，模拟蟋蟀神经元的恢复时间。因此，只有经常重复的不连贯声音才能使机器人的反应足以频繁得令它转向声音那方。

由于机器人对声音的处理比蟋蟀要慢得多，歌曲的音节必须减慢大约十分之九，达到每个音节300毫秒。尽管声音模式要慢一些，机器人仍能十分迅速地转身和前进，就有点儿像真蟋蟀的速度。换句话说，尽管接收的信息的速度仅是正常速度的十分之一，机器人却可以用蟋蟀的速度改变方向。实际上，机器人的任务更艰难。美好的一面是我可以肯定，如果机器人有能力找到声音，当然蟋蟀也能以相同方式做到这一点。

我让机器人参与了一系列试验在每次试验中，我都在场地的一侧启动机器人并记录下它朝着发出声音的喇叭前进的轨迹。如果音节有理想长度(300毫秒)和音高((2千赫)，机器人就会按与从实际的蟋蟀趋声性中观察到的曲折非常相似的“之”字形路径向喇叭行进。这条路绝不会超过从起点到终点的直线距离的两倍。我在起点和声源之间设置障碍时，机器人设法绕过它们到达喇叭处。

为了找出机器人会如何反应与理想条件不同的声音，我用不同的音节速度进行了一系列试验。当我提高音节速率时(音节和间隔持续不到200毫秒)，机器人的程序不再能区别声音的间隔。它几乎不对马达发出转弯信号，任机器人在场中走直线。如果它最终找到了喇叭，那大多都是一种巧合。当我降低速率时(音节和间距持续200毫秒以上)，其行动也不太成功。转弯太少，机器人最终会朝喇叭的大致方向绕弯道而很难抵达目的地。尽管我预计机器人只会在一定范围的音节速度中成功，但我后来发现，真蟋蟀也在较慢的速率下采用弯曲的路径而在较快速率时更容易全面失败。因此和器人的成功和失败均与蟋蟀相似。

公蟋蟀的歌声实际上是一系列鸣叫声—由一段安静期隔开的三个左右的音节——的事实在上文的讨论中或多或少被忽视了。不过在实验期间，我想到了解一长串音节被分成鸣叫声时机器人将如伺行进可能是有趣的。结果是各种各样的，机器人在安静期间可在场地内行走很长一段距离，因此它可能会超过喇叭，接着又花上一阵子来纠正方向。另一方面，当它的确到达喇叭处时，它到的速度就会比在其音节间隔相等的连续歌声伴随下的速度快得多，这是由于如果机器一切正常，它就会在鸣叫时假定正确的前进路线并在安静期内因不必费时进行进一步调整而朝喇叭快速前进。

只是后来我才在蟋蟀身上发现了对应性：它们的追踪行为在叫声出现时更直接，但正如腿部运动(如果飞翔时就是腹部)的测量中所见，蟋蟀局限于一个位置的转体动作在连续音节伴随下更强烈。机器人的行为表明，环境因素而不是其他神经处理机制就可以解释叫声结构对母蟋蟀向潜在配偶移动的影响。

令人吃惊的相似性

迄今为止的研究结果表明，机器人可以模拟蟋蟀对正确歌声的认识和定位。但是这种简单机械能像母蟋蟀那样从众多叫声中选择一位配偶吗?我不这样认为，要回答这个问题非常简单。在场地中加上第二只喇叭，让它们都放出声音。令我吃惊的是，机器人似乎毫不迟疑就作了决定(可以这么说)，几乎是直接走向一只喇叭或者另一只。

由于机器人是由我编的程序，我知道它不能在两种声音中进行区分或作出决定。这一次似乎又是机器人的简单机制与特定音域的相互作用产生了这种有趣而有用的行为。它可能甚至只以解释母蟋蟀如何选择配偶。令人遗憾的是，在这些实验中.我并未完全掌握刺激源的特征，所以无法检验机器人是否偏爱众多歌声中的某一类。

然而，对两个声源进行一种改变是可能的：我可以检验当歌声在两个喇叭之间对等分开，音节由两侧轮流送出时的行为。显然，自然界中不存在这种情况。遇到这种局面的母蟋蟀变得迷惑不解，在两个声音之间兜圈子。机器人的表现也大致相同。

这些研究结果总的说来令人鼓舞，尽管机器人的成功本身当然无法证实真正的蟋蟀也是会这样做的。不过，它的确提出了部分神经生理学和行为学结论的可供选择的解释，更一般地说，它表明只要简单的控制机能以适当方式与环境相互影响，它也能产生出相当能力的复杂行为。我和同事目前正在可以更加迅速地处理声音的更小的机器人身上重新提供这种机制。如此一来，我们就可以用真蟋蟀歌声的录音来检验，看它能否作出与母蟋蟀相同的选择。如果这一实验获得了成功，我们可能必须改变对像机器人那样行动意味着什么的理解。

（郭敏/译；王世德/校）