中国拥有辽阔的海域,研究近海自主作业的两栖机器人,是国家提高环保治理、资源勘探以及国防安全等能力的有效途径之一。两栖机器人关键性能之一在于自主识别地形并实时调整控制策略,以提高行进机构作业效率。但由于户外场景下地形复杂、环境多变,目前主流的地形识别方案,还存在着识别率低、对噪声不鲁棒、实时性差等问题,难以满足机器人后续控制和规划的需求。为了解决这些缺点,本课题设计了一个两栖机器人地形识别与步态控制系统。针对地形识别问题,本文构建了一个包含触觉和视觉两种模态的地形物理属性识别系统。在硬件设备上,为机器人本体设计了一套含有阵列触觉传感器及RGB相机的低成本传感器装置。提出了一种基于触觉模态的地形物理属性识别算法,主要包括时序数据预处理、波峰窗分割、特征提取以及机器学习分类四个模块。时序数据预处理模块采用插值、滤波等方法对原始信号进行统一预处理。波峰窗分割模块将预处理后的信号转化为波峰窗矩阵的结构化表示。特征提取模块采用卡方检验进行特征筛选,输出紧凑的触觉压力特征。机器学习分类模块通过无监督和有监督两种算法识别地形的物理属性类别。提出了一个基于视觉模态的轻量级地形识别网络模型,其主要结构包括注意力特征提取网络、纹理编码网络以及分类网络三部分。注意力特征提取网络引入线性瓶颈的反向残差结构,以降低计算内存消耗,引入卷积注意力模块以提高网络的表征能力。纹理编码网络可以获取对地形纹理细节建模的无序表示,分类网络进一步将纹理编码向量映射为地形物理属性类别。针对两栖机器人步态控制问题,本文采用中枢模式发生器（Central Pattern Generator,CPG）神经网络控制算法生成机器人步态。提出了基于稳定性及运输成本（Cost of Transportation,Co T）的综合评价准则,建立了不同地形物理属性类别上的最佳步态映射表,并基于该映射表与视觉地形识别模型,设计了机器人自适应步态切换策略。本文通过开展真实环境下的实验,验证了地形识别与步态控制系统的有效性。基于触觉的无监督和有监督算法识别准确率分别达到了94.0%和95.5%,识别时长为1~3步。视觉模型在新建立的基准数据集上,实现了仅6.6 MB的参数占用,达到了88.5%的准确率以及169 FPS的推理速度。基于两种模态的在线地形识别结果表明,模态间互补关系有助于机器人在更广阔的作业场景中体现明显优势。两种地形交界处的步态切换实验结果表明,步态控制算法能够提高两栖机器人的行进效率,对于改善两栖机器人的环境自适应能力具有重要的研究意义。