软体机器人的机械-流体记忆体：通过交互实现行为编程的突破性研究

研究人员针对软体机器人缺乏自主行为记忆能力的问题，创新性地利用双稳态弹性壳（bistable elastic shell）构建机械-流体记忆元件，结合流体回路和可弯折触觉传感器（kinking tubes），实现了软体机器人的长/短期记忆功能。该研究使机器人在无中央计算条件下，能通过物理结构记忆障碍物信息并自主避障，为仿生智能机器人设计提供了新范式。

　　

在仿生机器人领域，软体机器人的固有柔顺性使其能被动适应复杂环境，但缺乏动态行为切换能力成为制约其自主性的关键瓶颈。传统机器人依赖电子中央处理器实现行为调控，而自然界生物如海星、蝾螈却能通过物理结构记忆环境刺激并切换运动模式。这种"机械智能"的缺失使得现有软体机器人在遭遇反复环境交互时，仅能被动响应而无法形成适应性行为。

针对这一挑战，Alberto Comoretto团队在《Device》发表的研究中，创新性地将双稳态弹性壳（bistable elastic shell）的机械记忆特性与流体回路耦合，构建出具有环境交互记忆能力的软体机器人系统。研究人员通过注模成型技术制备厚度3 mm、开口角80°的双稳态硅胶壳，结合自振荡流体回路（含预电阻R_pre、后电容V_after等元件），使机器人的运动频率在0.4-0.8 cm/s间实现双稳态切换。关键突破在于开发了基于弯折管（kinking tubes）的触觉传感器——70 mm管长时形成常开（NO）传感器，50 mm管长时形成常闭（NC）传感器，通过管道的弯折/解弯折实现机械-流体信号转换。

主要技术方法

研究采用多学科交叉技术：1）通过注模成型制造双稳态硅胶壳（Smooth-Sil 950）和PneuNet弯曲致动器（DragonSkin 10/ED32硅胶）；2）设计含滞后阀（hysteretic valve）的自振荡流体回路，利用LTspice模拟电路行为；3）开发可编程流体记忆电路，通过常开/常闭阀（NO/NC valves）控制双稳态壳状态切换；4）构建昆虫启发的触觉天线，通过铰链旋转触发NC传感器解弯折。

研究结果

机械-流体记忆体的实现

双稳态壳在刚性支架内形成0.8 mL（静止态）和34 mL（弹出态）两种几何容积（图2C-D）。压力-容积曲线显示非单调特性，临界压力差±10 kPa触发状态切换（图2E）。作为后电容V_after集成到自振荡机器人后，壳状态直接决定运动速度：大容积态（34 mL）对应低频慢速（0.4 cm/s），小容积态（0.8 mL）对应高频快速（0.8 cm/s）（图2H-J）。

可编程记忆电路

长时记忆电路（图3C）通过NO/NC阀顺序控制，使机器人在两种速度态间稳定切换；短时记忆电路（图3G）则利用高排气电阻R_vent（32 gauge针头）实现45秒自动复位。LTspice模型证实，翻转壳的安装方向可改变记忆保持时间（图S9）。

交互行为编程

双执行器机器（图5A）通过四个触觉传感器（2NO+2NC）实现四种运动模式：快速直行（双壳小容积）、慢速直行（双壳大容积）、左/右转向（容积态不对称）。用户交互实验显示，长时记忆模式下机器人可持续保持转向状态（图5C），而短时记忆模式在1分钟后自动恢复直行（图5D）。

自主避障应用

受昆虫触角启发设计的3D打印天线（图6A）在接触障碍物时旋转，触发铰链处NC传感器解弯折（图6B-C）。搭载短时记忆电路的机器人能自主检测墙壁，转向避障后自动恢复原路径（图6D），首次实现纯机械结构的"感知-记忆-响应"闭环。

结论与意义

该研究通过非线性组件（双稳态壳、弯折管）的协同作用，在厘米尺度实现了媲美生物系统的机械记忆功能。其核心价值在于：1）提出"机械-流体记忆"新概念，扩展了软体机器人的设计维度；2）开发出可编程的物理记忆元件，为无电子自主系统提供新思路；3）验证了从被动适应到主动记忆的行为范式转变。这种基于几何与弹性的记忆体，在医疗微型机器人、空间探测等需高可靠性场景具有应用潜力，但需进一步解决硅胶阀（约10⁵次循环寿命）等组件的耐久性问题。研究标志着软体机器人向"具身智能"迈出关键一步，为未来环境交互型机器人设计提供了物理智能范本。