机器人技术发展的一个重要前沿与愿景，是开发出具备昆虫级自主性与灵活性的微型机器人，以应对复杂非结构环境中的任务。无论是灾后废墟的搜救，还是工业管道的检查，这些场景都要求机器人具备地形适应性、实时感知和自主决策能力。然而，对于小型软体机器人而言，将这三大能力稳健地集成在一个有限尺寸和重量的平台上，一直是难以逾越的挑战。

针对这一难题，来自华中科技大学等的研究团队等利用柔性电子技术与振荡驱动机制相结合，构建出结构适应性与嵌入式计算能力并存的一体化系统。这一成果以“AI-embodied multi-modal flexible electronic robots with programmable sensing, actuating and self-learning”为题发表在国际顶级期刊《Nature Communications》上。

▍FEBots 的核心设计与模块化架构

实现这一设计的关键在于柔性电子机器人（FEbots），其将模块化架构与振荡驱动机制相结合。不同于依赖精确腿部轨迹控制的机器人，FEbots利用分布式刚毛阵列（setae arrays）实现简化的驱动方式，同时保持对环境的高适应性。

FEbot由两大核心部分构成：

可编程柔性电子模块：包括集成应变传感器的驱动模块、温度/湿度传感器模块、接近传感器模块以及中央控制器（集成NRF52832芯片和MPU6050惯性测量单元）。这些模块通过导电胶带在前/后互连垫上进行连接，实现了功能的“即插即用”和快速重构。

分布式刚毛阵列：由超弹性合金（SSMA）制成，这种材料具有优异的弹性变形能力、耐腐蚀性和耐用性。这些刚毛并非被动结构，而是主动驱动机制的关键部分。

通过组合这些模块，研究人员可以快速构建出不同形态的FEbot，例如强调在密闭空间中扭曲能力的I型（千足虫形） 和增强户外导航稳定性的II型（方形） 配置（图1b）。

▍振荡驱动与不对称摩擦的科学

FEbot 的运动核心源于振荡驱动这一仿生机制，其关键在于分布式刚毛阵列实现的不对称摩擦，即不同方向上的摩擦力存在差异。

论文通过严谨的建模和实验，深入剖析了单个FEbot单元的运动原理。在一个驱动周期内，振荡器会在水平面和垂直平面上产生周向力，导致单元产生二维运动。这个过程可分为三个关键状态：

状态I（压缩阶段）：单元处于最低位置，刚毛被完全压缩。

状态II（向后滑动）：单元在垂直上升过程中，当水平向后的驱动力超过向后的大摩擦阻力时，会发生微小的向后滑动（Δs_b = 0.085 mm）。

状态III（向前滑动）：单元在下降过程中，此时向前的驱动力只需克服较小的向前摩擦阻力，从而发生较大的向前滑动（Δs_f = 0.265 mm）。

正是这种摩擦力的不对称性，使得每个循环都能产生净向前的位移。研究人员采用“Cosserat弹性杆理论”为刚毛变形建立动力学模型，并结合弹簧阻尼器理论分析滑动行为，其仿真结果与高速摄像（3000帧/秒）捕捉到的螺旋状质心轨迹高度吻合。

此外，研究团队还系统地测试了刚毛的几何参数长度（L）、直径（d）和与基底接触角（θ）对运动性能的影响。

他们发现，对于L=5 mm, d=0.1 mm, θ=45°的单元，其前进速度随驱动频率变化，在450 Hz时达到峰值75.9 mm/s。而当参数优化为L=7 mm, d=0.1 mm, θ=60°时，速度可提升至109.5 mm/s。有趣的是，当刚毛过长时，会从理想的“点接触”转变为“线接触”，反而导致速度下降。最终，L=7 mm, d=0.1 mm, θ=60° 的配置在速度、稳定性和爬坡能力（最大18°）之间取得了最佳平衡。

▍FEBots 的多模式运动与环境感知能力

FEbots最令人惊叹的特点之一是其多模式运动能力。通过模块化设计，研究人员可以像拼积木一样快速重构机器人的形态和功能。

开发了四种基本柔性电子模块：集成应变传感器的驱动模块、温度/湿度传感器模块、接近传感器模块和带有惯性测量单元的中央控制器。这些模块通过导电胶带连接，可以根据任务需要灵活组装。

例如，千足虫启发的I型设计特别适合在密闭空间中导航。在一个演示中，一个4厘米长的I型FEbot以87.6毫米/秒的速度在垂直通道中灵活爬升，甚至能携带相当于自身重量5.1倍的有效载荷。更令人印象深刻的是，它能够穿过仅14毫米宽的通道——这只有其体宽的70%。

另一种方形结构的II型FEbot则展示了全向运动能力。通过调整刚毛方向，它可以实现直线运动、转向甚至原地旋转。当用防水涂层封装后，这种机器人还能在水下表面以9毫米/秒的速度行进，展示了跨介质运动能力。

最巧妙的是可折叠刚毛设计。通过加热形状记忆合金弹簧，刚毛的角度可以从0度调整到45度，从而改变与表面的接触方式，实现双向运动。这种设计还展现了出色的机械弹性，能够承受相当于自身重量25万倍的压力而不会损坏。

优秀的运动能力只是FEbots的一小部分，要真正实现自主操作，机器人还需要感知自身状态和周围环境。

研究人员为FEbot装备了一整套传感器系统：姿态传感器、温度/湿度传感器、应变传感器甚至微型摄像机。这些传感器让机器人能够同时监测自身形状、姿态以及外部环境参数。

例如，在S形路径穿越中，FEbot实时监测曲率（-0.09至0.11 cm⁻¹）和环境参数（温度33.7-39.7°C）。应变传感器结合D-H参数算法重建路径几何，准确率高，支持狭窄空间特征检测。该平台可扩展至压力和热流传感器，形成多功能感知网络。

▍赋予机器“本能”：嵌入式人工智能

最后，为了赋予FEbot自主行为，研究团队将具身智能框架引入FEbot，通过超维计算（HDC） 这一脑启发式计算范式，在机载计算芯片上实现了低延迟、低功耗的实时智能决策。

HDC的过程类似于人类的快速条件反射：

训练：提取传感器数据的时域特征，并将其编码为高维空间的“超维向量”。同一类别的向量被聚合，存储为“记忆”。

推理：新的传感器数据同样被编码，然后与记忆中的向量进行汉明距离比较。距离最小的类别即为识别结果。

控制：识别结果直接用于调整驱动振荡器的PWM占空比，改变其频率，从而控制机器人运动。

此外，FEbot展示了两种关键的自主行为，验证了FEbot在动态环境中的自主行为能力：

危险规避：系统展示了从低速巡航（4.4 mm/s）到高速逃逸（105 mm/s）的敏捷切换。此转换由接近传感器触发，并通过HDC实时调整PWM占空比实现，展示了其基于感官反馈的高动态响应能力。

热梯度跟踪与避障：在兼具温度梯度和障碍物的复杂环境中，FEbot通过HDC协调两侧振荡器，实现了对目标温区（47.5±2.5°C）的追踪，同时成功规避所有障碍。这一成果表明，该系统已能够集成多种传感器输入，在执行主要任务（热跟踪）时并行处理次级任务（避障）。