浙江
麻省理工學院的研究人員近期在機器人領域取得重大突破，他們成功開發出一款能夠匹配真實昆蟲飛行速度與敏捷度的微型飛行機器人。相關研究成果已發表在《科學·進展》期刊上。
地震發生后，受災現場往往堆積大量不穩定殘骸，傳統的大型救援機器人極難進入，而模仿昆蟲形態的微型飛行器未來有望穿梭于這些狹窄縫隙中，同時靈活避開固定障礙物與下落的磚石。然而在此之前，這類空中微型機器人只能緩慢沿著簡單平滑的路線飛行，在速度和敏捷性上遠遜于自然界的昆蟲。
為了克服這一難題，MIT的研究團隊設計出一種全新的AI控制器，使機器人在執行復雜飛行機動時表現驚艷，甚至能夠完成連續的空中翻滾。該控制系統采用雙重架構，兼顧了強勁的性能與出色的計算效率。與研究團隊先前的技術成果相比，新系統的飛行速度提升了約450%，加速度提升了約250%。在測試中，這款微型機器人成功在11秒內完成了10次連續后空翻，即便面對風力干擾也能保持高度穩定。
負責該項目的MIT電氣工程和計算機科學系副教授、電子研究實驗室軟微機器人實驗室負責人陳鈺豐指出，團隊的目標是將這些機器人應用到傳統四旋翼無人機難以涉足、但昆蟲卻能自由穿梭的復雜場景中。目前，該機器人在速度、加速度和俯仰角等飛行性能上，已經能夠比肩自然界的昆蟲。
這款機器人的體積與微型盒式磁帶相仿，重量甚至不到一個回形針。硬件方面的升級得益于團隊五年多來的持續探索，其最新型號不僅比早期版本更為耐用，還配備了面積更大的撲翼，能夠靠軟體人造肌肉驅動翅膀實現超高速往復運動。然而，如何突破控制系統的局限曾是長期存在的痛點。由于以往需要人工手動調校，機器人無法完全發揮出升級后的硬件潛力。為了適應昆蟲般快速且具攻擊性的動作，控制器必須能夠處理復雜的不確定性并實時解決困難的優化問題。
為解決這一難題，陳鈺豐團隊與喬納森·霍夫教授的團隊展開合作，共同開發出一種由AI驅動的兩步控制系統。系統的第一部分是模型預測控制器，它借助機器人運動的數學模型來預測機器人的行為，并挑選出最優動作序列以安全遵循預定路線。雖然該規劃器能夠計算連續后空翻、急轉彎和陡峭機身傾斜等高難度動作，但計算過程需要消耗大量算力。
為了在實時飛行中實現高效運行，研究人員將這個功能強大的規劃器充當“專家教師”，通過模仿學習訓練出一個基于深度學習模型的決策策略。這種模仿學習成功將計算量巨大的規劃器轉化為響應迅速、能夠實時運行的輕量AI模型。測試結果表明，這套雙步系統使微型昆蟲機器人的飛行速度比以往提高了447%，加速度提升了255%，在完成10次空翻的同時，還能將飛行軌跡穩穩控制在原定路線的4到5厘米范圍之內。
此外，機器人還成功復現了昆蟲名為“薩卡德”的標志性急動行為。在這一機動過程中，昆蟲會劇烈傾斜、向目標加速，隨后反向俯仰以實現急停。這種速度的劇烈變化有助于它們判斷自身位置并保持視線清晰。研究團隊表示，隨著未來在機器人機體上搭載相機和傳感器，這類仿生飛行行為將發揮關鍵作用，而如何讓微型機器人擺脫復雜的動作捕捉系統、實現完全自主的戶外導航，將是他們下一步攻克的核心目標。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
