（來源：MIT News）

在未來的災(zāi)難救援中，微型飛行機器人或?qū)⒊蔀樗丫葟U墟下幸存者的關(guān)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(yuǎn)遠(yuǎn)比不上真實昆蟲迅捷靈活的飛行能力。

近期，麻省理工學(xué)院的研究人員已經(jīng)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(xué)科團(tuán)隊為這種“昆蟲機器人”設(shè)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(xù)翻轉(zhuǎn)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(tuán)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(fēng)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(nèi)連續(xù)完成 10 個前空翻。

“我們希望這些機器人能進(jìn)入傳統(tǒng)四旋翼無人機無法進(jìn)入、但昆蟲卻能自如飛行的場景?，F(xiàn)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(biāo)邁出的激動人心的一步。”MIT 電氣工程與計算機科學(xué)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(tuán)隊做昆蟲機器人已經(jīng)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(tǒng)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(qū)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(jìn)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(shù)主要靠人手工調(diào)節(jié)。工程師需要根據(jù)經(jīng)驗，對控制增益、參數(shù)邊界一點點微調(diào)，讓機器人在實驗室中安全飛起來。這種做法能實現(xiàn)基本穩(wěn)定飛行，卻難以支持高速、激進(jìn)的機動，更無法可靠地重復(fù)執(zhí)行復(fù)雜動作，比如連續(xù)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(tǒng)：既能處理小尺度機器人固有的不確定性，又能實時求解復(fù)雜的控制優(yōu)化問題。但以這類微型飛行器復(fù)雜的非線性空氣動力學(xué)特性而言，傳統(tǒng)高性能控制算法一旦原樣搬到機載系統(tǒng)中，計算量大到難以實時運行。

“兩步走”的 AI 大腦：先規(guī)劃，再模仿

為解決性能與算力之間的矛盾，團(tuán)隊設(shè)計出一套“兩步走”的控制架構(gòu)：先用一個計算量巨大的“專家級”規(guī)劃器求出最優(yōu)飛行動作，再用人工智能把這套能力“壓縮”進(jìn)一個輕量級策略模型中。

第一步，是一個“模型預(yù)測控制器”（Model Predictive Controller，MPC）。它基于機器人飛行動力學(xué)的數(shù)學(xué)模型，預(yù)測未來一小段時間內(nèi)的運動狀態(tài)，規(guī)劃出一串最優(yōu)控制動作，使其沿著目標(biāo)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(guī)劃空翻、急轉(zhuǎn)彎等復(fù)雜機動，還能在規(guī)劃時考慮誤差累積和環(huán)境擾動，整體上更魯棒。

比如，要讓機器人連續(xù)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(tài)調(diào)整回適合下一次翻轉(zhuǎn)的狀態(tài)。如果每次都帶著一點點誤差，循環(huán)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(tuán)隊引入第二步：用這個專家控制器當(dāng)老師，通過模仿學(xué)習(xí)，訓(xùn)練一個基于深度學(xué)習(xí)的輕量級策略網(wǎng)絡(luò)。

他們讓 MPC 在仿真和特定條件下，反復(fù)規(guī)劃各種激進(jìn)機動，在不同初始狀態(tài)和擾動下給出“最佳動作序列”，再用這些數(shù)據(jù)訓(xùn)練策略模型，讓它學(xué)會在看到當(dāng)前狀態(tài)時，直接輸出合適的控制指令。

（來源：Science）

本質(zhì)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(guān)鍵稱為一套魯棒的訓(xùn)練方法，既要覆蓋足夠多的工況，在風(fēng)、制造誤差、電纜纏繞等擾動下仍能保持穩(wěn)定，又不能盲目堆數(shù)據(jù)，以免訓(xùn)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(wǎng)絡(luò)：實時讀取自身狀態(tài)，快速計算控制指令；而高算力的 MPC 則退居幕后，只在訓(xùn)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(jié)果顯示，這套“兩步走”的 AI 控制架構(gòu)，為這臺昆蟲尺度的軟體飛行器帶來了質(zhì)的飛躍。

與團(tuán)隊此前的最佳實驗結(jié)果相比，新系統(tǒng)讓機器人飛行速度提升了約 447%，加速度提升約 255%。在一項標(biāo)志性測試中，機器人在 11 秒內(nèi)連續(xù)完成了 10 個空中前空翻，并且全程偏離規(guī)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(tǒng)上被認(rèn)為速度受限的軟體機器人和微型機器人，現(xiàn)在也可以借助先進(jìn)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(xiàn)多模態(tài)運動打開了新的可能?！惫餐蛔?Yi-Hsuan Hsiao 說。

團(tuán)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(xiàn)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(nèi)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(jìn)行自我定位和獲取清晰的視覺信息。

圖 | 控制器設(shè)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(fù)雜環(huán)境中看得更清楚、定位更精準(zhǔn)?！?/p>

目前，這些實驗仍在室內(nèi)、依賴復(fù)雜的運動捕捉系統(tǒng)完成。真正要走出實驗室，飛向廢墟、森林甚至城市街區(qū)，機器人還要學(xué)會更多能力：自主感知環(huán)境、與同伴協(xié)同、避障、抗風(fēng)……這些都離不開機載傳感器和更多“在野外學(xué)來的”策略。

研究團(tuán)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(xiàn)無需外部系統(tǒng)的自主定位與避障；探索多機協(xié)同控制，讓多臺機器人在復(fù)雜環(huán)境中分頭搜索、互不碰撞；研究在更劇烈、更不確定的戶外風(fēng)場中，控制策略如何保持魯棒性。

“對微型機器人領(lǐng)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(shè)計出同時具備二者的控制架構(gòu)?！盞evin Chen 說。

未參與本研究的卡內(nèi)基梅隆大學(xué)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(huán)境中存在超過 1 米/秒的陣風(fēng)干擾，甚至電源牽引線在機器人反復(fù)翻轉(zhuǎn)時會纏繞在其身上，這些機器人仍然能夠精準(zhǔn)地完成空翻和快速轉(zhuǎn)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(jīng)展示出：哪怕算力遠(yuǎn)不及實驗室服務(wù)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?！斑@讓人對未來更加敏捷的昆蟲尺度機器人充滿期待?！彼f。

1.https://news.mit.edu/2025/mit-engineers-design-aerial-microrobot-fly-like-bumblebee-1203

2.https://www.science.org/doi/10.1126/sciadv.aea8716