在未来的搜索救援任务中，微小的飞行机器人或许能够帮助寻找被困在地震废墟下的幸存者。这些机器人能够像真实昆虫一样，在更大的机器人无法进入的狭小空间中穿梭，同时避开静止的障碍物和坠落的碎石。
迄今为止，空中微机器人只能沿着平滑轨迹缓慢飞行，远不及真实昆虫的敏捷飞行——直到现在。
MIT研究人员已经展示了空中微机器人，其飞行速度和敏捷性可与它们的生物 counterparts 相媲美。一个协作团队为这个机械昆虫设计了一个新的基于人工智能的控制器，使其能够遵循体操般的飞行路径，例如执行连续的身体翻滚。
通过结合高性能和计算效率的两部分控制方案，与研究人员之前的最佳演示相比，机器人的速度和加速度分别增加了约450%和250%。
即使在风干扰可能使其偏离航向的情况下，这个快速的机器人也足够敏捷，能够在11秒内完成10次连续翻滚。
A microrobot flips 10 times in 11 seconds。
Credit: Courtesy of the Soft and Micro Robotics Laboratory
"我们希望能够在传统四旋翼机器人难以飞入的场景中使用这些机器人，但昆虫可以导航。现在，通过我们的生物启发控制框架，我们机器人的飞行性能在速度、加速度和俯仰角方面可与昆虫相媲美。这对于实现这一未来目标来说是非常令人兴奋的一步，"电气工程与计算机科学系(EECS)副教授、电子研究实验室(RLE)内软体与微机器人实验室负责人、论文资深作者Kevin Chen表示。
Chen与论文共同第一作者EECS研究生Yi-Hsuan Hsiao、Andrea Tagliabue博士'24以及航空航天系(AeroAstro)研究生Owen Matteson共同撰写了这篇论文。此外，还有EECS研究生Suhan Kim、Tong Zhao MEng '23以及航空航天工程系Ford工程教授、信息与决策系统实验室(LIDS)主要研究员Jonathan P. How作为资深作者。该研究今天发表在《Science Advances》上。
AI控制器
Chen的团队已经构建机械昆虫超过五年时间。
他们最近开发了一个更耐用版本的微型机器人，这是一个微盒大小的设备，重量轻于回形针。新版本利用更大的拍打翅膀，能够实现更敏捷的动作。它们由一组柔软的人工肌肉驱动，以极快的速度拍打翅膀。
但是控制器——确定机器人位置并告诉它飞往何处的"大脑"——是由人工手动调整的，限制了机器人的性能。
为了使机器人能够像真实昆虫一样快速而激进地飞行，它需要一个更强大的控制器，能够考虑不确定性并快速执行复杂的优化。
这样的控制器在实时部署时计算量太大，特别是对于这种轻量级机器人的复杂空气动力学特性。
为了克服这一挑战，Chen的团队与How的团队合作，共同设计了一个两步式、人工智能驱动的控制方案，为复杂、快速的动作提供了必要的鲁棒性，并为实时部署提供了计算效率。
"硬件的进步推动了控制器的发展，因此我们在软件方面可以做更多，但与此同时，随着控制器的发展，他们在硬件方面也能做更多。当Kevin的团队展示新功能时，我们展示了如何利用它们，"How说。
第一步，团队构建了一个所谓的模型预测控制器。这种强大的控制器使用动态数学模型来预测机器人的行为并规划一系列最佳动作，以安全地遵循轨迹。
虽然计算量大，但它可以规划具有挑战性的动作，如空中翻滚、快速转弯和激进的身体倾斜。这种高性能规划器还考虑了机器人可以施加的力和扭矩的限制，这对于避免碰撞至关重要。
例如，要连续执行多次翻滚，机器人需要以特定的方式减速，使其初始条件完全适合再次进行翻滚。
"如果出现小误差，并且你尝试用这些小误差重复翻滚10次，机器人就会坠毁。我们需要有鲁棒的飞行控制，"How说。
他们使用这个专家规划器通过一个称为模仿学习的过程，基于深度学习模型训练一个"策略"，以实时控制机器人。策略是机器人的决策引擎，告诉机器人飞往何处以及如何飞行。
本质上，模仿学习过程将强大的控制器压缩成一个计算效率高的人工智能模型，可以运行得非常快。
关键在于有一种聪明的方法来创建足够的训练数据，这些数据将教会策略执行激进动作所需的一切知识。
"鲁棒训练方法是这项技术的秘诀，"How解释道。
人工智能驱动的策略将机器人位置作为输入，并实时输出控制命令，如推力和扭矩。
昆虫级性能
在他们的实验中，这种两步方法使昆虫级机器人飞行速度提高了447%，同时加速度增加了255%。机器人能够在11秒内完成10次翻滚，并且这个微型机器人从未偏离其规划轨迹超过4或5厘米。
"这项工作表明，传统上速度受限的软体和微机器人现在可以利用先进的控制算法来实现接近自然昆虫和更大机器人的敏捷性，为多模态运动开辟了新的机会，"Hsiao说。
研究人员还能够展示扫视运动，这是昆虫非常激进地俯仰、快速飞到某个位置然后向另一个方向俯仰停止时发生的。这种快速加速和减速有助于昆虫定位自己并清晰观察。
"当我们开始在机器人上安装相机和传感器时，这种生物模仿的飞行行为将来会帮助我们，"Chen说。
添加传感器和相机，使微机器人能够户外飞行，而不必连接到复杂的运动捕捉系统，将是未来工作的一个主要领域。
研究人员还希望研究机载传感器如何帮助机器人避免相互碰撞或协调导航。
"对于微机器人社区，我希望这篇论文通过展示我们可以开发出高性能且高效的新型控制架构来标志一个范式转变，"Chen说。
"这项工作特别令人印象深刻，因为这些机器人在相对较大的小规模制造公差、超过1米/秒的风阵，甚至在其执行重复翻滚时电源线缠绕在机器人身上的大量不确定性下，仍然能够执行精确的翻滚和快速转弯，"卡内基梅隆大学机械工程教授Sarah Bergbreiter说，她没有参与这项工作。
"尽管控制器目前在外部计算机上运行，而不是在机器人上，但作者表明，即使在昆虫级机器人上可用的计算能力有限的情况下，类似但不太精确的控制策略也可能是可行的。这令人兴奋，因为它指向未来具有接近其生物对应物敏捷性的昆虫级机器人，"她补充道。
这项研究部分由国家科学基金会(NSF)、海军研究办公室、空军科学研究办公室、MathWorks以及Zakhartchenko奖学金资助。
技术细节与创新
这项研究的核心创新在于其独特的两阶段控制架构。首先，研究人员开发了一个模型预测控制器(MPC)，它使用动态数学模型预测机器人行为并规划最佳动作序列。这种控制器虽然计算量大，但能够处理复杂的空中动作规划。
然后，团队通过模仿学习过程，将这个计算密集型的MPC"压缩"成一个高效的人工智能模型。这个AI策略可以实时接收机器人位置作为输入，并输出推力和扭矩等控制命令。
"鲁棒训练方法是这项技术的关键，"How解释道。"我们需要创建足够的训练数据，让策略学习如何处理各种飞行情况，同时保持计算效率。"
应用前景
这种新型微机器人的潜在应用前景广阔：
搜索救援：在地震、建筑物倒塌等灾难后，这些机器人可以进入人类和其他大型设备无法到达的狭小空间，寻找幸存者。
环境监测：可以部署大量微机器人进行大范围环境监测，如空气质量检测、水质监测等。
农业应用：可以用于作物授粉、病虫害监测等，替代蜜蜂等授粉昆虫。
灾难响应：在火灾、化学泄漏等危险环境中，可以派遣这些机器人进行初步评估和监测。
医疗应用：未来可能用于体内医疗检查和药物输送。
技术挑战与未来方向
尽管这项研究取得了显著进展，但研究人员仍面临一些挑战：
自主飞行：目前机器人仍需要外部计算机控制，未来的目标是实现完全自主飞行。
环境感知：需要集成更多传感器，使机器人能够感知并避开障碍物。
能源供应：微型机器人的能源供应仍然是一个挑战，需要开发更高效的能源解决方案。
多机器人协作：研究团队希望实现多个微机器人之间的协同工作。
户外应用：当前系统主要在受控环境中测试，需要改进以适应户外复杂环境。
Chen表示："对于微机器人社区，我希望这篇论文通过展示我们可以开发出高性能且高效的新型控制架构来标志一个范式转变。"
行业影响
这项研究对机器人技术领域产生了深远影响：
- 微型机器人性能突破：证明了微型机器人可以达到与自然昆虫相媲美的性能水平。
- 控制理论创新：展示了如何将复杂的模型预测控制与深度学习结合，实现高效控制。
- 仿生学应用：进一步验证了从自然界获取设计灵感的有效性。
- 多学科合作：展示了电气工程、计算机科学、航空航天和机器人学等多学科合作的价值。
卡内基梅隆大学的Bergbreister教授评价道："这项工作特别令人印象深刻，因为这些机器人在相对较大的小规模制造公差、强风阵甚至电源线缠绕的情况下，仍然能够执行精确的翻滚和快速转弯。"
结论
MIT研究人员开发的这种新型仿生飞行微机器人代表了微型机器人技术的重要突破。通过创新的AI控制架构，这些机器人已经实现了接近真实昆虫的飞行性能，为未来的搜索救援、环境监测等应用开辟了新的可能性。
随着技术的不断发展和完善，这些微型机器人有望在更多领域发挥重要作用，成为人类探索和改造世界的得力助手。正如Chen教授所说，这"对于实现这一未来目标来说是非常令人兴奋的一步"，我们期待看到这项技术的进一步发展。
