MIT成果登《Science》子刊，算法解鎖微型機器人昆蟲級敏捷飛行

在自然界中，一只果蠅的轉彎和急停，是一場在毫秒間完成的生存博弈。令人驚嘆的是，麻省理工學院（MIT）的科學家們將這種昆蟲級的飛行敏捷性，成功賦予了一個重量僅為750毫克的撲翼機器人。

近日，MIT團隊在頂刊《ScienceAdvances》的最新研究中證明，這只微型機器人不僅能完美復刻果蠅的“急停-轉向”飛行模式，還能在11秒內連續翻滾10次，并可以在相當于自身最高飛行速度的強風中穩如磐石。

▍挑戰：微型機器人飛行的“不可能三角”

在追求仿生飛行的道路上，研究者們一直試圖在幾個關鍵性能間取得平衡：敏捷性（像昆蟲一樣靈活機動）、魯棒性（在擾動中穩定飛行）和計算效率（在微型硬件上實現實時控制）。然而，對于微型機器人而言，這三者構成了一個“不可能三角”。

這個矛盾深刻影響著研發格局。中尺度飛行機器人犧牲了部分敏捷性來換取更強的計算和負載能力；而真正仿生尺寸的昆蟲級機器人，為了在有限的機載算力下維持穩定，不得不大幅限制飛行速度和動作幅度，導致其性能長期停留在緩慢、平緩（<40 cm/s）的初級階段，與真正的昆蟲相去甚遠。

究其根本，這個距離背后，是幾個相互纏繞的物理與工程死結：

• 反應必須極快：微型機器人因為太輕、翅膀拍太快，姿態瞬息萬變，要求控制器必須具備高反饋率。
• 空氣是筆“糊涂賬”：微型翅膀攪動的氣流極其復雜且善變，尤其在翻滾時，其產生的升力和阻力很難被精確預測和建模。
• 沒有完全一致的精確：在毫克級的制造精度下，微小的零件差異都會被放大，導致每個機器人的脾性都略有不同。
• 一陣微風就是一場風暴：極輕的重量使得它對任何干擾（如環境氣、供電細線的拉扯）都異常敏感。

這樣一來，問題的核心閉環了：要執行類似昆蟲的快速眼跳和身體翻轉，需要一個計算效率高的飛行控制器，該控制器要能夠規劃復雜的軌跡并處理模型的不確定性。

▍破局：微型機器人控制算法的“雙重智慧”

MIT團隊的破局之道，充滿巧思。他們沒有選擇在微型機器人的硬件軀體上做加法，而是在其控制大腦的架構上，進行了一場徹底的范式革新。其核心是構建一個“基于深度學習的魯棒管狀模型預測控制（RTMPC）”的框架，用于在750毫克撲翼機器人上執行類似昆蟲的敏捷機動動作。

750毫克撲翼飛行機器人執行的飛行機動概覽

這套系統的精妙在于它模仿了“宗師授藝”的過程，構建了一種兩階段控制器設計。第一階段，專家級RTMPC——高性能的魯棒管模型預測控制器出手。它能以離線方式，綜合考慮微型機器人所有的動力學特性、執行器極限和可能遇到的外部擾動，規劃出最優的飛行軌跡與控制指令。

然而，專家RTMPC的運算過于復雜，無法實時指揮。因此，在第二階段，他們通過高效的模仿學習，訓練了一個輕量級的神經網絡，讓它通過觀察“專家”在無數場景下的決策，最終學得其精髓。這個神經網絡的決策速度極快，每次計算僅需幾微秒，足以實時駕馭微型機器人330赫茲的極速撲翼。

為確保萬無一失，這項技術還引入了一個核心哲學：安全管道。RTMPC在規劃出的理想軌跡周圍，構建了一個動態的、無形的安全邊界管道。

只要微型機器人的實際狀態位于這個管道內，無論遇到何種未預料的擾動（如突然的陣風或系統誤差），算法都能保證將其安全地拉回正軌，絕不會失控墜毀。這正是該微型機器人能在強風中完成特技的底層邏輯。

控制器設計和身體掃視演示

▍性能：微型機器人的極限突破

當這套智能控制系統與精密的微型機器人硬件結合，便催生了性能指標的全面飛躍。一系列實驗數據可以作為證明，其表現可概括為“快、穩、準”三大突破。

首先，是速度與敏捷性的突破。在模擬昆蟲“眼跳”的急速轉向測試中，機器人能在0.47秒內橫向移動30厘米，達到124厘米/秒的最高速度，身體最大偏轉角達49.1°，并產生11.4米/秒2的橫向加速度。與最先進的先前研究相比，其加速度、偏轉角和速度分別提升了245%、182%和243%，且軌跡跟蹤的橫向與高度誤差分別僅為1.12厘米和0.75厘米。

第二，在抵抗干擾的魯棒性上，它通過了嚴苛測試。在人為引入33%的指令-力映射誤差后，機器人仍能以4.72厘米的位置誤差完成高難度軌跡。在面對160厘米/秒（相當于其自身最高速度）的強風時，其位置誤差為4.58厘米，僅比無風環境下的誤差增加58.5%，展現了在巨大不確定性下的穩定能力。

在映射誤差和風擾動下重復的眼跳演示

第三，在跟蹤復雜軌跡和極限機動上，它改寫了性能紀錄。機器人能以超40厘米/秒的平均速度完成包含多次急轉彎的“X”形和“十字”形軌跡。在更長的“8”字形路徑上，其最大速度飆升至197厘米/秒，將此前的紀錄提升了446%；沿圓形軌跡飛行的速度也達到152厘米/秒。

跟蹤攻擊性飛行軌跡

最終，在最具挑戰性的連續翻轉動作上，它實現了精度與可靠性的躍升。機器人單次翻轉的最大角速度超過2030°/秒，并以2.24厘米的誤差精準復現模擬軌跡。更突出的是，它成功完成了連續十次翻轉，全程保持2.49厘米的低均方根位置誤差，即便在供電線意外纏繞機身的情況下仍能穩定控制，凸顯了控制器應對未建模擾動的卓越能力。

身體翻轉演示

這些數據共同印證，通過算法的頂層革新，研究團隊成功地在微型機器人有限的計算與硬件邊界內，實現了高敏捷、高魯棒與高能效的協同。

▍路徑：從實驗室特技到現實應用

盡管成果顯著，研究團隊坦承，從實驗室演示到現實應用仍有多個障礙需要克服：

首當其沖的是能源與系繩之困。目前，所有精妙的特技表演都依賴一根輕細的系繩提供電能和信號。要實現真正的自主飛行，開發能量密度足夠高的微型電池和高效的無線通訊模塊是必經之路。

其次是感知的自主性。當前，微型機器人依賴于外部高精度的運動捕捉系統來感知自身位置與姿態。未來的自主版本，需要集成微型光流傳感器、慣性測量單元等，并開發出能在劇烈機動中抵抗噪聲、保持精確的嵌入式狀態估計算法。這如同為機器人蒙上眼睛后，再要求它完成同樣的特技，難度可想而知。

然而，這項研究已經為未來鋪平了最關鍵的道路：計算效率的可擴展性。研究表明，即使將控制神經網絡的核心神經元數量從128個壓縮到僅8個，計算成本降低92%以上，微型機器人依然能夠穩定飛行，只是控制精度有所妥協。

這種可調節的“性能-效率”權衡，意味著未來開發者可以根據具體任務需求，為微型機器人配備恰到好處的大腦，使其最終能夠裝載于一枚比指甲蓋還小的微控制器上，實現真正的機載智能。

▍未來：微型機器人的智能化時代

MIT團隊的這項突破，其影響力遠不止于一臺會翻跟頭的微型機器人，而是為我們開啟了對未來智能體形態的重新想象。

它展示了一個物理實體如何通過與復雜環境的實時互動和對抗性訓練，演化出超越傳統設計方法的、高度適應性的行為能力。

這種范式對更廣泛的微型機器人領域具有啟發意義。當物理極限難以突破時，運動智能成為新的性能邊界。正如研究展示的，即使硬件不變，通過先進控制算法也能實現性能的數量級提升。

論文鏈接：https://www.science.org/doi/10.1126/sciadv.aea8716