利用天然具身智能实现水母类生物机器人的自主导航与环境探索

研究人员通过整合肌肉电刺激与3D运动捕捉系统，揭示了水母(Aurelia coerulea)自发游泳行为的自组织临界性(SOC)，并发现1.5-2.0秒电刺激周期可诱导其产生可预测运动。结合储层计算(RC)框架，首次实现水母未来运动的精准预测，为开发兼具环境适应性与可控性的水母机器人奠定基础，在海洋监测领域具应用潜力。

　　

在海洋生物机器人研究领域，如何平衡生物体的自然适应能力与人工控制始终是核心挑战。水母凭借其高效的脉冲喷射推进机制和缺乏中枢神经系统的特殊生理结构，成为理想的研究对象。然而，现有水母机器人多依赖完全人工仿生设计，难以复现生物体的能量效率与环境交互能力。日本东北大学与东京大学的研究团队另辟蹊径，提出通过"水母类生物机器人"（jellyfish cyborg）概念，直接利用水母的天然具身智能(embodied intelligence)，结合电刺激与机器学习技术，实现对其运动的精准预测与控制。这项突破性研究发表于《Nature Communications》，为开发新一代自主导航海洋机器人提供了全新范式。

研究团队构建了包含三大关键技术的方法体系：(1) 开发浮动拴系系统，通过PWM（脉宽调制）信号电刺激水母冠状肌，参数包括频率50Hz、占空比50%、脉冲周期0.5-2.0秒；(2) 采用可见植入弹性体(VIE)标记和三维运动捕捉系统，通过DeepLabCut算法量化水母体表标记点的时空运动；(3) 建立混合储层计算(hybrid RC)模型，整合回声状态网络(ESN)与物理储层计算(PRC)，预测水母未来2秒内的运动轨迹。实验使用6只月亮水母(Aurelia coerulea)，样本直径49-57毫米，来自日本龟王水族馆。

自发脉冲漂浮行为的自组织临界性
通过分析径向长度(R1-R2等)和冠状长度(B1-O1等)的时间序列，发现水母运动呈现0.45Hz的特征频率峰，且持续时间与脉冲大小的分布符合幂律(α=-1.23至-2.05)，证实其游泳行为具有自组织临界性(SOC)特征。这种尺度不变性可能解释水母在复杂流体环境中的自发适应能力。

电刺激诱导的节律运动同步
系统测试0.5-2.0秒电刺激周期发现，1.5和2.0秒输入能诱导最稳定的节律收缩(特征响应时间~1.6秒)。相位响应分析显示收缩波从刺激点(B1-O1电极位置)对称传播至全身，在BodyFrame坐标系下z_BF方向速度变化最显著(正负交替)。回声状态特性(ESP)指数分析证实，个体内数据预测精度更高(x_BF-y_BF-z_BF方向均方误差0.12-0.15)。

运动方向控制与预测模型
单电极刺激实验证实水母趋向于沿电极连线方向运动。混合RC模型对1.5秒刺激数据的预测效果最佳(R²=0.82)，未来0.3秒内的z_BF方向速度预测误差<5%。值得注意的是，自发脉冲与刺激诱导脉冲在局部动力学特征上具有相似性，表明电刺激成功保留了水母的自然运动模式。

这项研究首次将具身智能理论应用于水生生物机器人系统，揭示水母运动的计算特性可通过物理储层计算框架加以利用。1.5-2.0秒的最优刺激周期为开发闭环控制系统提供关键参数，而混合RC模型则证明仅需4个体长传感器即可实现实时预测。尽管存在电极重量(50μm铜线)、水箱尺寸(150×150×150mm)等限制，该研究为未来开发无线自主水母机器人奠定了方法论基础。特别值得注意的是，水母的自组织临界性特征可能与其在湍流环境中的能量优化策略相关，这为理解生物运动智能的物理基础提供了新视角。随着软体传感器集成技术的进步，这类生物混合系统有望在珊瑚礁监测、微塑料追踪等场景实现应用突破。