当前位置：首页 > news >正文

Science Robotics | 不靠大脑靠身体：这群机器人靠“纠缠”就能成群结队地运动

news 2026/5/30 10:30:02

导语：提到机器人协作，你可能会想到精密的算法、复杂的通信网络和严格的分工。但大自然给出了另一种答案：火蚁用腿和颚勾连成桥，蚯蚓抱团抵御干燥，贻贝用足丝缠住海藻抵抗海浪——它们不需要指挥官，仅靠物理纠缠就能实现群体智能。2026年5月，发表在《Science Robotics》上的一项研究首次在机器人系统中复现了这一原理：一群三连杆“三体”机器人，仅靠形状变形和魔术贴的弱连接，就能自发形成链条并高效运动。更令人惊讶的是，它们会在运动中自动“调优”步态，遇到障碍物时能像液体一样流过，即便部分个体故障也不影响整体。这是“机械智能”的一次优雅示范：最聪明的决策，有时根本不需要大脑参与。

一、抛弃固定连接：机器人协作的新范式

传统机器人的协作依赖精确的规划：传感器采集数据、控制器计算策略、执行器完成动作，所有环节紧密耦合。一条机械臂的每个关节角度都被精确控制，一架无人机的每个电机转速都在中央处理器的调度之下。

但这种“精密”也有代价：系统对噪声敏感，对故障脆弱，对未知环境适应性差。一个传感器出错可能导致整条产线停机，一个电机故障可能让整个编队溃散。

大自然中的群体系统——从分子马达自组装成肌纤维，到火蚁用身体搭建桥梁——走的是另一条路：没有中央规划，没有精准通信，只有局部的、瞬时的物理相互作用。每个单元都是“傻瓜”，但集体却很“聪明”。

今天介绍的这项研究，正是将这一原理应用于机器人领域的一次完整验证。研究团队来自美国佐治亚理工学院（Daniel I. Goldman实验室）和康奈尔大学（Kirstin H. Petersen实验室），论文第一作者Dana Ma，共同一作Ba Xi Chong。这个团队长期聚焦于“物理智能”和群体机器人——通过简单个体的物理交互产生复杂的集体行为，而非依赖复杂的算法控制。

这篇论文中，他们设计了“交联集体”——一种依赖瞬态物理纠缠来实现内聚和运动的模块化机器人系统。个体简单到了极致（只有一个自由度），连接弱到了可以用手轻易撕开，但成百上千次随机交互后，整体却表现出了稳定、高效且有环境适应性的集体运动。这种设计哲学上的“做减法”，正是这篇工作最具启发性的地方。

二、一个自由度就能动：极度极简的“三体”模块

研究团队设计的机器人模块极尽简单。每个模块由三根连杆组成，中间连杆上装有一个电机，通过蜗轮蜗杆和曲柄滑块机构驱动两侧连杆从“I”形（直线）变为“U”形（马蹄），再变回去。整个模块只有一个自由度。

每个模块仅重25克。电机与蜗杆的配合带来一个关键物理特性：低螺纹角的蜗杆无法被反向驱动。这意味着即使电机断电，模块仍能牢牢保持当前姿态。当模块处于U形时，能吊起近4个同伴；即使电机关闭，保持力也达到约41个模块的重量。这为后续的纠缠行为提供了机械基础。

模块的两侧外连杆上贴有魔术贴。当两个模块在运动中发生剪切接触时，魔术贴会自然钩挂形成弱连接；而当受到足够强的剥离力时，连接又会断开。这种“可逆交联”是整个系统的核心——它既不像磁铁那样难以预测，也不像卡扣那样一旦锁定就很难解锁，而是一种带有概率性、渐进式的物理连接，恰好模拟了活性凝胶中分子链之间的瞬态交联。

每个模块都集成了微控制器、加速度计、电机电流传感器、旋转编码器和红外光电晶体管，还有一个麦克风-蜂鸣器对用于近场通信。但由于后续实验中展现出的“机械智能”完全可以脱离这些传感器发挥作用，这些电子配置更像是在物理基底之上叠加的一层轻量级“计算补充”，而非核心驱动因素。

三、S形：偶然选中的“天选之子”

将10个模块堆放在平面上，它们会随机相互接触。魔术贴的钩挂形成链条——两个模块可以组成S形、W形、G形或双嵌套C形（论文中“Crosslink”这个名字，既指魔术贴交联，也暗含了多模块纠缠时形成的交叉链式结构）。三个以上模块的排列组合更加多样。

但实验揭示了一个明显的偏好：在实验中观察到的所有两模块链条中，S形占比高达65%（20组中13组），远超W形（4组）、G形（3组）和C形（0组）。这并非巧合。

研究团队使用电阻力理论模型对三种构型进行了力学分析。这是低雷诺数运动分析中的常用方法——模块运动的滑行数约为0.001，意味着惯性效应可以忽略，运动完全由形状变化和摩擦力主导。

模型计算揭示了一条清晰的物理逻辑链：W形链条在变形过程中，魔术贴连接点需要承受的峰值扭矩最高，意味着维持W形所需的内聚力矩最大。G形次之，S形最低。也就是说，在随机碰撞中偶然形成的各种构型里，W形最容易因力学过载而断裂，S形最稳定。被观察到的“S形偏好”，本质上是一种物理选择——不是算法选了S形，而是其他构型都被自然淘汰了。

这种选择带来了更多好处。此前关于多连杆游泳者的研究已经发现，细长、流线型的S形构型在低雷诺数环境下运动效率最高。实验也验证了这一点：S形两模块链条在30个振荡周期内的净位移显著大于W形和G形。正如论文所述，系统在完全无规划的情况下自动“偏好”了力学上最稳定且运动性能最优的构型——这就是机械智能的核心内涵。

四、越累越同步：电机过载的意外馈赠

更精妙的设计来自一个看似是缺陷的特性：电机的扭矩保护机制。

每个模块的电机都设置了过流保护——当关节扭矩超过约0.20牛·米时，电机会暂停2秒，等待绕组冷却。这2秒停顿在10秒的振荡周期中引入了约0.4π的相位延迟。

RFT模型计算表明，两个模块以零相位差同步驱动时，所需的总电机扭矩恰好接近保护阈值。这意味着链条中的某个模块很容易触发过载保护，产生相位延迟。而模型进一步显示，相位差在0.1π左右时电机扭矩最高；一旦相位差漂移到0.3π附近，所需扭矩显著下降。

换句话说，过载保护让链条“自动”从高负荷的同步状态漂移到了低负荷的异步状态——整个过程不需要任何传感器反馈或算法干预，纯粹是由物理约束驱动的自适应。实验数据与这一预测吻合：所有S形链条经过若干周期后，相位差大多稳定在π/3左右，恰好处在模型预测的低扭矩区间。

这种自适应也直接影响了运动性能。实验表明，相位差接近π/4时S形链条的净位移最大；而运动轨迹本身也随相位差变化——小相位差产生近似直线的运动，大相位差产生螺旋式、环绕式的运动。链条不仅自动找到了省力的方式，还间接优化了运动模式。

论文将这种现象称为“Phase drift as adaptation”——它最初看起来像一个故障，但实际上是一个特性。这让人联想到多节蛇的波状滑行，适当的相位差恰恰是高效推进的前提。在没有中央规划、没有实时通信的情况下，纯物理机制实现了通常需要算法才能完成的步态优化。

五、液体的智慧：遇障碍时自动“屈服”

如果说链条的自发形成和自适应步态优化展示了交联集体在无障碍环境下的运动智能，那么它们在障碍物面前的表现则展现了更高级的“韧性”。

研究团队设计了一个障碍测试：在倾斜的白板上布置三排圆形杆，杆间距略小于一个I形模块的全长——刚好足够制造麻烦，但又不至于完全堵死。结果表明，当集体遇到障碍物时，链条会在通过障碍场的瞬间发生断裂——但并非因为“卡住就断了”，而是在合适的时机、以不破坏整体凝聚力的方式断开。通过障碍后，链的分布比例几乎恢复到与无障碍时相同的水平。

用论文的话说，这是一种“粘性屈服”行为——类似于非牛顿流体遇到应力时局部液化，绕过障碍后重新固化。这不是任何模块“决定”的结果，而是瞬态交联的自然特性：魔术贴的保持力被精心设计在一个合适的区间——强到足以在正常运动中维持链条，弱到在遇到足够大的阻力时断开。

这种设计智慧值得特别强调：如果连接太强（如永磁体或机械锁扣），集体在障碍物前会整体卡死；如果连接太弱，集体根本无法维持内聚力。魔术贴的非对称特性——剪切方向容易钩挂、剥离方向相对易断——恰好提供了这种“适度”的连接强度。在通过障碍时，部分链条的剥离力超过了魔术贴的保持力，链条自然断开；通过后，模块间的随机碰撞重新形成新的交联。

为了进一步验证这一机制，研究还设计了“漏斗实验”：让集体通过一个由宽变窄再变宽的平面漏斗。结果类似——集体在窄口处局部堵塞、链重新配置、然后流出。这种“流动-堵塞-再流动”的循环是颗粒物质和活性凝胶的典型特征，此前很少在纯机械系统中被复现。

六、本地法则：最简单的“认知”补丁

尽管机械智能已经展现出强大的内聚力，但在长时间、无障碍的运动中，偶尔会有个别模块掉队——它们或者因为初始方向不利、或者因为偶然的碰撞被抛出集体，随后越落越远。

研究团队为此设计了一个极其精简的分布式控制器，以展示“机械基底+轻量计算”的互补潜力：

每个模块通过加速度计检测自己是否被纠缠（被其他模块拖拽或碰撞时会产生非自主的姿态变化）；
如果检测到自己是孤立的，就通过蜂鸣器发出“求救信号”；
听到求救信号的邻居模块暂停运动，等待孤立模块赶上并重新交联；
一旦重新连接，所有模块恢复正常运动。

整个控制逻辑只是一个有限状态机，每个模块独立运行，无需识别同伴身份，无需全局时钟同步。本质上，这个控制器让交联集体在局部区域暂时“固化”，给掉队者一个时间窗口重新融入。

结果很清楚：加上这个控制器后，在无障碍坡道上，单模块的比例从对照组的平均值1.75降至0.78（p=0.0274）；在障碍场中，停滞模块数从平均4.0降至2.0。控制器主要提升的是单个模块重新并入链条的概率（从1长链到2长链的转换速率提高了0.18），对较长链条的影响不大——这正是预期中的效果，因为长链条本身的内聚力已经足够。

七、优雅的降级：当故障不再是故障

由于交联集体的功能来自瞬态物理连接和冗余交互，而非个体精确校准，它对故障和噪声展现出天然的容忍。

在所有实验中，约4%的模块因电池耗尽或硬件轻微故障停止变形。但这些“死模块”并未导致集体崩溃：有的被相邻链条拖拽着继续前进，有的被留在原地而其他模块绕过。群体层面的运动速度和内聚力均未受显著影响。

加速度计的纠缠检测面对的是以噪声为主的信号，但通过一个简单的窗口方差阈值，模块就能在多周期内以高精度区分“被纠缠”和“孤立”两种状态。低成本的麦克风-蜂鸣器通信在噪声环境中同样有效。

不同模块间的制造差异、电机电流差异和传感差异都小于传感器本身的内在噪声。换句话说，系统的鲁棒性不是通过精密校准实现的，而是通过冗余交互——一个模块出错，另一个模块的随机接触可以弥补。这种“优雅的降级”是传统精密机器人系统难以实现的。

八、从软物质物理到机器人设计：交叉学科的启示

这项工作在机器人学和软物质物理学之间架起了一座桥梁。

从物理学角度看，交联集体表现出了与活性凝胶高度类似的行为：局部交联决定宏观流变，应力下黏性屈服，动态重构而不失整体完整性。它为物理学家提供了一个可控的宏观实验平台，用以研究纠缠、交联和活性物质的基本规律。

从机器人学角度看，它展示了一种全新的集体运动范式：不需要中央规划，不需要精确通信，不需要全局同步。功能和鲁棒性来自形态设计（I/U变形）、材料选择（魔术贴的非对称粘接）和物理约束（电机保护机制）的组合，而非软件。这种“交联纠缠”策略可以自然扩展到更大数量的模块，因为每个模块的交互半径仍是局部的，信息流和物理流是同一条通路。

正如论文所强调的：机械智能不是算法的替代品，而是一种被长期忽视的计算资源。在适当的设计下，身体本身就在做计算——而且是极其鲁棒的计算。