可编程感知-驱动-自学习一体化的AI多模态柔性电子机器人实现环境智能交互

为解决软体机器人在复杂环境中地形适应性差、实时感知弱和自主决策难的问题，研究人员开展基于柔性电子与仿生刚毛模块的AI多模态柔性电子机器人（FEbots）研究。通过模块化设计整合多模态传感/驱动与嵌入式超维计算，实现了垂直攀爬、狭缝穿越和热梯度追踪等自适应行为。该研究为动态环境下自主软体机器人提供了感知-驱动-决策深度融合的创新框架。

　　

在软体机器人研究领域，小型化系统面临三大核心挑战：复杂地形的适应能力有限，动态环境的实时感知能力不足，以及自主决策的智能化水平不高。虽然自然界中的节肢动物（如马陆）通过柔性躯体、敏锐感知和本能行为策略展现出卓越的环境适应能力，但人工软体机器人往往受限于结构柔顺性与功能复杂性之间的固有矛盾，特别是在集成传感、计算和驱动子系统时难以兼顾性能与灵活性。

针对这些挑战，武汉理工大学、华中科技大学和澳门大学的研究团队在《Nature Communications》发表了一项突破性研究，开发出基于柔性电子与仿生刚毛模块的AI多模态柔性电子机器人（FEbots）。该研究通过仿生模块化设计理念，将多模态传感/驱动与嵌入式超维计算（Hyperdimensional Computing）相结合，创造了具有环境智能交互能力的自主软体机器人系统。

研究人员采用的关键技术方法包括：1）基于超弹性合金（SSMA）刚毛的振荡驱动机制设计；2）柔性电子模块的微加工技术（涉及聚酰亚胺沉积、光刻图案化和铂溅射工艺）；3）多模态传感系统集成（应变、温湿度、 proximity 和视觉传感）；4）超维计算算法在嵌入式芯片上的实现；5）基于Cosserat弹性杆理论的运动学建模与参数优化。

分析滑动运动原理与关键参数优化

通过建立滑动位移预测模型，研究人员发现FEbot的运动机制源于驱动周期中三个状态的摩擦各向异性调制。在压缩相（State-I），刚毛完全压缩达到最低位置；在向后滑动相（State-II），垂直上升过程中产生向后位移；在向前滑动相（State-III），下降过程中实现向前位移。研究表明，当刚毛长度7mm、直径0.1mm、接触角60°时，单元体在450Hz驱动下达到107.3±3.02mm/s的运动速度，并在斜坡测试中最大可攀登18.0°的斜面。

多模态运动能力

研究团队开发了四种柔性电子模块：集成应变传感器的驱动模块、温湿度传感模块、 proximity 传感模块以及带惯性测量单元的中心控制器。通过模块化重组，实现了两种典型构型：马陆仿生构型（Type I）专注于狭窄空间穿越能力，方型构型（Type II）增强室外导航稳定性。Type I机器人在2cm宽垂直管道中以87.6mm/s（2.19BL/s）速度攀爬，并能承载8.9g载荷（5.1倍自重）通过14mm宽通道（70%体宽）。Type II机器人通过刚毛取向调节实现多向运动控制：前进/后退（27.93/23.11mm/s）、转向（右/左转33.20/20.24mm/s）和旋转（顺时针/逆时针43.93/42.33°/s）。

多模态感知能力

研究集成了姿态传感器、温湿度传感器、应变传感器和微型相机，实现了本体感知（形状与姿态）和外界感知（视觉、温度、湿度、 proximity 和路径形状识别）的融合。通过应变传感器阵列和基于齐次变换矩阵的重建算法，系统能够准确识别86mm、67mm和48mm弧半径的路径形状。在S形路径遍历过程中，机器人以28.6mm/s平均速度运行的同时，实时监测到42.8-43.8%RH的湿度变化和33.7-39.7°C的温度上升。

具身AI的FEbot

研究实现了基于超维计算（HDC）的嵌入式人工智能架构，支持实时学习和自适应决策。通过将时域特征编码为超维向量（HVs）并存储在关联记忆（AM）中，系统能够根据测试向量与类别向量之间的汉明距离进行分类决策。实验表明，集成AI的FEbot能够实现危险规避行为——在安全条件下以4.4mm/s低速移动，当检测到手部接近时，PWM占空比增加使逃逸速度达到105mm/s。此外，机器人还能在温度梯度环境中导航，识别35°C和45°C等温线，并通过独立调节驱动器频率实现自主转向控制。

该研究通过融合柔性电子、分布式驱动和具身人工智能，建立了创建具有增强环境智能的小型软体机器人的框架。FEbots展现出卓越的多环境操作能力，包括垂直攀爬、全向导航和受限空间穿越，同时具备形状识别、温度分析、湿度检测、 proximity 测量、姿态监测、颜色辨别和视觉感知等多模态感知能力。性能指标显示其具有10.8倍体重的有效载荷能力和2.5×10⁵倍自重的结构耐受性。

当前挑战和未来研究方向集中在三个方面：地形适应性方面，需针对松散基质上的运动能力进行仿生设计增强；系统扩展性方面，需要微型化策略和环境硬化以扩展水下耐久性和异质地形适应性；认知效率方面，受昆虫神经动力学启发的神经形态感知控制系统可优化自主决策能力。

这项研究为动态环境下自主软体机器人的发展提供了重要技术框架，通过紧密集成的感知-驱动-决策架构，推动了小型软体机器人在搜索救援、环境监测和基础设施检测等领域的应用前景。