综述：软体机器人的多模态运动

这篇综述系统评述了软体机器人多模态运动的最新进展，归纳了八种典型运动模式（如爬行、行走、游泳等），重点剖析了基于主动控制、结构重构和环境响应的三种模式切换机制，并探讨了其在跨域过渡（如水-陆-空）、表面适应和障碍物穿越等场景中的应用潜力，为下一代自适应软体机器人的设计提供了重要参考。

　　

多模态运动模式

软体机器人利用轻质、柔顺和灵活的材料，展现出独特的运动能力。通过巧妙的结构设计和驱动策略，研究人员成功复现了自然界中多样的基本运动模式，为构建更复杂、适应性更强的多模态运动奠定了基础。典型运动模式包括爬行、行走、奔跑、攀爬、滚动、跳跃、飞行和游泳等。这些模式在驱动方式、速度（以体长每秒BL s^?1为单位）、能量效率、负载重量比和应用环境等方面各有特点，形成了软体机器人多模态运动的概念基础。

爬行作为最通用且广泛实现的运动模式，依赖于连续的身体-基底相互作用和轴向变形进行推进。与依赖腿的步态不同，爬行利用机器人的固有柔顺性，通过摩擦调制、粘附控制或波传播实现运动，使其适用于非结构化地形和受限环境。该模式主要分为三类仿生子类型：尺蠖式（双锚点）、蚯蚓式（蠕动）和蛇式（蛇形）。

行走则利用离散、周期性的腿-基底相互作用实现推进，与爬行的连续身体-基底接触形成对比。该模式依赖两个核心机制：1）可变形腿的顺序站姿-摆动阶段产生离散的地面反作用力；2）腿部运动的时空同步确保连续的向前推力。软体机器人行走的演变源于材料创新，使得柔性腿系统成为可能。

奔跑与行走的根本区别在于通过弹性能量循环和瞬态地面相互作用利用动态稳定性。柔性驱动器的快速循环变形在压缩过程中存储动能，并爆炸性释放以进行推进，模仿生物肌腱-肌肉系统。该过程产生短暂的空中期，减少地面摩擦同时保持动量。

攀爬面临克服重力在垂直或倒置表面行进的基本挑战。虽然通常采用类似的步态（如爬行），但攀爬需要强大、定向的粘附力，以抵抗重力锚定，主要产生垂直于表面的法向力。机器人的驱动必须产生向上的力来提升自身，要求同步的粘附-驱动循环与精确计时，以确保安全锚定和高效脱离。

滚动利用围绕稳定轴或瞬时旋转中心的连续旋转运动。柔性驱动器的循环变形产生单向角动量，直接转化为定向位移。这种持久的轮地接触最小化滑动摩擦损失，并利用固有的结构柔顺性进行被动地形适应。

跳跃受两个不同阶段控制：用于在可变形结构中准静态能量存储的地面接触站姿阶段，以及随后由跨越临界不稳定性阈值触发的弹道飞行阶段。在站姿期间，软驱动器通过受控变形逐渐存储势能，其突然释放产生脉冲动量用于弹道推进。轨迹控制源于不对称力分布，而材料柔顺性确保冲击弹性。

飞行由于提升生成所需的严格推力重量比而具有挑战性。软飞行机器人通过利用自适应形态和柔顺空气动力学实现高效空中机动性。与刚性翼系统不同，它们利用材料弹性在飞行中动态重构机翼形状，通过被动或主动变形实现增强的机动性、扰动抑制和能量效率。

水生运动呈现与空中环境不同的流体动力学挑战，需要专门的推力生成策略。软游泳机器人通过利用身体柔顺性和流固相互作用，通过五种主要仿生机制实现高效推进：波动、旋转推进、升力诱导推进、阻力诱导推进和喷射推进。

多模态运动机制

尽管软体机器人已展现出令人印象深刻的运动能力，但大多数仅表现出单一类型的运动模式。当前趋势是在单个机器人系统中集成多种运动模式，以在不同场景中实现适应性。此外，实现不同运动模式之间的转换同样重要。多模态运动的底层机制可分为三大类：基于主动控制的策略、基于重构的策略和环境响应策略。

基于主动控制的策略通过多自由度驱动实现多模态运动。一种直接的方法是将多个驱动器集成到机器人身体中，以提供足够的自由度。尽管取得了这些进展，物理空间限制和功率要求通常限制了可以纳入机器人的驱动器数量和种类，最终限制了它们的运动能力。为了克服这一挑战，提出了用于多附肢软体机器人的分层驱动设计。

基于重构的能力使软体机器人能够适应其形态和功能，促进多模态运动的实现。除了完全软体机器人外，软材料越来越多地用作可重构机器人的变形元件，这些机器人包含刚性组件。一种典型的方法涉及可变刚度结构。另一种显著的方法利用双稳态结构，其在稳定状态下提供形状锁定能力，并通过突跳转变实现主动变形能力。

环境响应策略通过允许机器人被动响应环境变化在运动模式之间转换，实现更自主和自适应的替代方案。这种方法显著降低了结构和控制复杂性，体现了物理智能的概念。其主要挑战在于设计在环境刺激下可靠实现所需变形的结构。

多环境适应性

虽然前面部分已经概述了实现多样运动模式的技术基础，但本节将焦点转移到主动选择和部署适当模式以响应动态环境需求上。自然界中有机体的强大适应性不仅通过集成多种运动模式体现，还体现在它们能够在不同环境之间无缝转换。

跨域过渡代表了跨介质运动的典范范式。由于其高工程可行性，已经开发了多样的两栖软体机器人原型。另一种两栖软机器人使用双稳态形状记忆合金驱动器，从四足爬行器转变为蛙式游泳者。除了固有的结构多功能性外，结构重构诱导的功能修改提供了实现自适应转换的替代方式。

表面适应在 confined-space operations（如飞机空腔检查）中，机器人必须实现跨多样表面（例如平面、垂直和倒置表面）的连续运动转换。这需要从地面爬行/滚动到反重力攀爬的动态模式转换。解决复杂曲面上的这种自适应转换以实现高效遍历是设计这些机器人系统的核心挑战。

障碍物穿越当在非结构化环境中导航时，机器人经常遇到阻碍其当前运动模式的障碍物（例如屏障、缝隙或楼梯）。多模态机器人通过动态改变运动策略以满足避障要求，展现出比单模式对应物更高的环境适应性。作为一个当前的研究焦点，已经开发了许多用于障碍物穿越的机器人原型，可分为双模式过渡和多模式协同类型。

挑战与展望

尽管软体机器人的多模态运动取得了显著进展，但其整体性能仍有改进空间。一个基本挑战在于高效生成多种运动模式及其无缝转换。当前方法主要依赖于概念设计和迭代实验验证，这通常耗时且缺乏系统设计原则，从而导致性能不佳。

另一个关键挑战在于多模态软体机器人的传感和控制。由于其连续和复杂的变形，实时建模和估计其内部状态（例如形状、姿态和接触力）本质上是困难的。解决这一挑战需要开发嵌入式、分布式、高密度、低延迟和抗干扰的本体感知系统。

尽管软体机器人已在复杂环境中展现出令人印象深刻的多模态运动能力，但它们在现实应用中执行实际任务的能力仍然相对有限。一些研究赋予了软体机器人基本的操作能力，例如靶向货物运输和控制药物释放。此外，集成各种传感器的软体机器人已被用于受限环境中的检测任务，例如图像捕获、温度传感和表面裂纹检测。

实现现实场景中的实际应用还需要自主性的改进。为了在未知和动态环境中自主操作，软体机器人必须能够做出智能决策，包括实时运动规划和最优模式选择。满足这一需求需要持续集成先进的人工智能技术，例如在线学习、自适应控制和强化学习。