文章圖片
文章圖片
文章圖片
（來源：MIT News）
在未來的災難救援中 ， 微型飛行機器人或將成為搜救廢墟下幸存者的關鍵力量 。 它們能像真實的昆蟲一樣 ， 在大型機器人無法觸及的狹窄空間中穿梭自如 ， 靈活避開靜止的障礙物和墜落的碎石 。 但迄今為止 ， 空中微型機器人在飛行時只能沿著平滑、緩慢的軌跡移動 ， 遠遠比不上真實昆蟲迅捷靈活的飛行能力 。
近期 ， 麻省理工學院的研究人員已經展示了一種空中微型機器人 ， 其飛行速度和靈活性可與生物昆蟲相媲美 。 一個跨學科團隊為這種“昆蟲機器人”設計了新的基于人工智能的控制器 ， 使其能夠完成體操般的飛行動作 ， 比如連續翻轉身體 。
借助一套兼具高性能和高計算效率的雙層控制方案 ， 與研究團隊此前的最佳成果相比 ， 這種機器人的速度提升了約 450% ， 加速度提升約 250% 。 即便在風擾動不斷干擾、試圖將其吹離航線的情況下 ， 這款高速機器人依然靈活敏捷 ， 仍然能夠在 11 秒內連續完成 10 個前空翻 。
“我們希望這些機器人能進入傳統四旋翼無人機無法進入、但昆蟲卻能自如飛行的場景 。 現在 ， 憑借我們的仿生控制框架 ， 這款機器人在速度、加速度和俯仰角方面已能與昆蟲媲美 。 這是朝著未來目標邁出的激動人心的一步 。 ”MIT 電氣工程與計算機科學系副教授、電子研究實驗室軟體與微型機器人實驗室主任 Kevin Chen 表示 。
紙片般輕的小機器人 ， 如何飛得像昆蟲？
Kevin Chen 團隊做昆蟲機器人已經有五年多時間 。 最新一代作品是一臺大小約似微型磁帶盒、重量甚至輕于一枚回形針的空中微型機器人 。
和傳統剛性無人機不同 ， 這臺機器人依靠的是一組柔軟的人工肌肉驅動機翼 。 人工肌肉以極高頻率拍動四片微小的機翼 ， 為機器人提供升力和推力；新一代機器人采用更大的翼面 ， 使動作更加靈活、可完成更劇烈的機動 。
硬件不斷進步 ， 但一直以來限制這臺機器人上限的 ， 是它的腦子 ， 也就是控制器 。
以往 ， 機器人飛行控制參數主要靠人手工調節 。 工程師需要根據經驗 ， 對控制增益、參數邊界一點點微調 ， 讓機器人在實驗室中安全飛起來 。 這種做法能實現基本穩定飛行 ， 卻難以支持高速、激進的機動 ， 更無法可靠地重復執行復雜動作 ， 比如連續空翻 。
如果想讓機器人像昆蟲那樣飛得又快又狠 ， 就需要一個更聰明的控制系統：既能處理小尺度機器人固有的不確定性 ， 又能實時求解復雜的控制優化問題 。 但以這類微型飛行器復雜的非線性空氣動力學特性而言 ， 傳統高性能控制算法一旦原樣搬到機載系統中 ， 計算量大到難以實時運行 。
“兩步走”的 AI 大腦：先規劃 ， 再模仿
為解決性能與算力之間的矛盾 ， 團隊設計出一套“兩步走”的控制架構：先用一個計算量巨大的“專家級”規劃器求出最優飛行動作 ， 再用人工智能把這套能力“壓縮”進一個輕量級策略模型中 。
第一步 ， 是一個“模型預測控制器”（Model Predictive Controller ， MPC） 。 它基于機器人飛行動力學的數學模型 ， 預測未來一小段時間內的運動狀態 ， 規劃出一串最優控制動作 ， 使其沿著目標軌跡飛行 ， 同時滿足推力、力矩等各類物理約束 。
這樣一來 ， 控制器不僅能規劃空翻、急轉彎等復雜機動 ， 還能在規劃時考慮誤差累積和環境擾動 ， 整體上更魯棒 。
比如 ， 要讓機器人連續做 10 次前空翻 ， 每做完一次 ， 都必須在動作末尾把速度和姿態調整回適合下一次翻轉的狀態 。 如果每次都帶著一點點誤差 ， 循環十次之后 ， 機器人很快就會飛偏甚至墜毀 。
問題在于 ， 這樣的 MPC 算得太慢 ， 沒法直接在昆蟲尺度機器人上實時運行 。 為此 ， 研究團隊引入第二步：用這個專家控制器當老師 ， 通過模仿學習 ， 訓練一個基于深度學習的輕量級策略網絡 。
他們讓 MPC 在仿真和特定條件下 ， 反復規劃各種激進機動 ， 在不同初始狀態和擾動下給出“最佳動作序列” ， 再用這些數據訓練策略模型 ， 讓它學會在看到當前狀態時 ， 直接輸出合適的控制指令 。
圖 | 750 毫克撲翼式空中機器人所完成飛行動作一覽（來源：Science）
本質上 ， 是先讓一個非常聰明但算得很慢的老師演示所有動作 ， 再讓 AI 把老師的做法看懂、記住并壓縮 ， 變成一個可以在毫秒級運行的“小腦袋” ， 真正用于實時控制 。
How 將其中的關鍵稱為一套魯棒的訓練方法 ， 既要覆蓋足夠多的工況 ， 在風、制造誤差、電纜纏繞等擾動下仍能保持穩定 ， 又不能盲目堆數據 ， 以免訓練變得低效甚至失敗 。
最終 ， 在實際飛行中 ， 機器人使用的是這個輕量化策略網絡：實時讀取自身狀態 ， 快速計算控制指令；而高算力的 MPC 則退居幕后 ， 只在訓練階段扮演老師的角色 。
速度提升 4.5 倍 ， 11 秒翻 10 個空翻
實驗結果顯示 ， 這套“兩步走”的 AI 控制架構 ， 為這臺昆蟲尺度的軟體飛行器帶來了質的飛躍 。
與團隊此前的最佳實驗結果相比 ， 新系統讓機器人飛行速度提升了約 447% ， 加速度提升約 255% 。 在一項標志性測試中 ， 機器人在 11 秒內連續完成了 10 個空中前空翻 ， 并且全程偏離規劃軌跡的誤差從未超過 4～5 厘米 。
圖 | 機體空翻動作演示（來源：Science）
“這項工作表明 ， 傳統上被認為速度受限的軟體機器人和微型機器人 ， 現在也可以借助先進控制算法 ， 獲得接近自然昆蟲和大型機器人那樣的機動能力 。 這也為未來實現多模態運動打開了新的可能 。 ”共同一作 Yi-Hsuan Hsiao 說 。
團隊還演示了一種典型的昆蟲飛行動作——“掃視”運動：機器人先通過劇烈俯仰實現快速加速 ， 迅速飛向某個位置 ， 然后再劇烈俯仰到相反方向 ， 短時間內高效減速并懸停 。 這種猛沖一下 ， 再急剎車的空中動作 ， 在自然界中有助于昆蟲進行自我定位和獲取清晰的視覺信息 。
圖 | 控制器設計和身體掃視演示（來源：Science）
“這種仿生飛行行為 ， 將來在我們給機器人搭載攝像頭和其他傳感器時會很有價值 。 ”Kevin Chen 說 ， “它能幫助機器人在復雜環境中看得更清楚、定位更精準 。 ”
目前 ， 這些實驗仍在室內、依賴復雜的運動捕捉系統完成 。 真正要走出實驗室 ， 飛向廢墟、森林甚至城市街區 ， 機器人還要學會更多能力：自主感知環境、與同伴協同、避障、抗風……這些都離不開機載傳感器和更多“在野外學來的”策略 。
研究團隊的下一步工作 ， 正是把眼睛和耳朵裝上這臺機器人：搭載微型攝像頭和慣性測量單元 ， 實現無需外部系統的自主定位與避障；探索多機協同控制 ， 讓多臺機器人在復雜環境中分頭搜索、互不碰撞；研究在更劇烈、更不確定的戶外風場中 ， 控制策略如何保持魯棒性 。
“對微型機器人領域來說 ， 我希望這篇論文能推動一個新的范式：我們不必在要性能和要效率之間二選一 ， 而是可以設計出同時具備二者的控制架構 。 ”Kevin Chen 說 。
未參與本研究的卡內基梅隆大學機械工程教授 Sarah Bergbreiter 在評述中指出 ， 這項工作尤其令人印象深刻的地方在于：盡管在小尺度制造中存在相對較大的加工誤差、環境中存在超過 1 米/秒的陣風干擾 ， 甚至電源牽引線在機器人反復翻轉時會纏繞在其身上 ， 這些機器人仍然能夠精準地完成空翻和快速轉彎 。
但她也提醒 ， 目前控制器仍運行在外部計算機上 ， 而非完全搭載在機器人機體中 。 不過 ， 作者已經展示出：哪怕算力遠不及實驗室服務器 ， 類似的控制策略在昆蟲尺度機器人上仍有希望以稍低精度運行 。 “這讓人對未來更加敏捷的昆蟲尺度機器人充滿期待 。 ”她說 。
原文鏈接：
1.https://news.mit.edu/2025/mit-engineers-design-aerial-microrobot-fly-like-bumblebee-1203
【昆蟲機器人裝了個AI大腦，11秒連翻10個跟頭】2.https://www.science.org/doi/10.1126/sciadv.aea8716
推薦閱讀
- 做機器人，中國移動是認真的！
- 知名主播“甲亢哥”直播暴力對待人形機器人 遭開發公司起訴
- 美國掃地機器人“鼻祖”，被小米等中國企業，卷到要倒閉了？
- 眾擎T800人形機器人一腳把自家CEO踹翻在地：多少帶了點私人恩怨
- 北京未來產業圖譜③｜千億集群崛起 人形機器人融資占全國三成
- 戴森首款AI清潔機器人體驗：更“擬人”到底帶來了哪些好處？
- 徹底不裝了？各國專家媒體先后承認，中國不再需要向世界證明自己
- 為什么給機器人裝上昂貴的觸覺傳感器，反而讓它變笨了？
- 2026世界人形機器人運動會足球預選賽正式開賽
- 下一位傳菜員可能是它：科學家用大模型讓機器人搞定餐桌布置難題