美国布朗大学卡尼脑科学研究所的研究人员开发了一种人工神经网络，能够模拟四足动物的多种步态模式及其转换。这项研究为理解大脑如何处理复杂行为提供了新视角，并可能推动四足机器人技术的进步。

该研究基于一个包含24个人工神经元的吸引子网络，生成了跳跃、踱步、小跑、行走和一种称为pronking的跳跃类型等五种四足步态。网络能够捕捉步态间的快速转换，无需调整参数，例如从跳跃到行走的转变。

布朗大学应用数学教授Carina Curto表示：“我们知道大脑必须能够灵活而稳健地维持和改变节奏。通过利用吸引子网络的规则，我们创建了一种人工神经网络，暗示了生物大脑可能如何同时编码不同模式和节奏并在它们之间转换。”这项研究扩展了吸引子框架，从静态行为建模到动态行为，发表在《神经计算》期刊上。

人工神经网络展示了基于吸引子的网络在灵活性和可解释性方面的优势，为研究大脑行为提供了一个统一的理论框架。研究团队包括北科罗拉多大学数学科学教授Katherine Morrison，她在布朗大学数学研究所ICERM驻留期间参与了合作。

布朗大学博士后研究员、主要作者Juliana Londono Alvarez说：“这篇论文表明，你可以将吸引子网络从静态扩展到包括动态。一旦你这样做，你就可以看到支撑记忆编码的相同原则如何也能产生动态的东西，比如这些步态。”研究人员指出，这种人工神经网络可作为机器人技术的灵感来源，帮助开发更自主、能离线操作的四足机器人。

出版详情：作者：Gretchen Schrafft, Brown University；标题：《Artificial neural network reproduces gait patterns of four-legged animals》；发表于：《Neural Computation》(2026)；期刊信息：《Neural Computation》。