从扑腾的天蛾和跳跃的羚羊到起伏的蛇和线虫……各种生物通过神经和机械控制的结合产生运动。通过神经回路整合和处理感觉信息，动物产生运动命令并通过复杂的信号网络执行精确的身体运动。动物不仅依靠神经元（例如脑细胞和周围神经）来控制运动，而且还利用身体的物理特性（例如肌肉的弹性）来帮助它们在神经元做出反应之前对环境做出自发反应。因此，从生物系统产生的运动来看，可以认为“具身智能”主要由“计算智能”和“机械智能”两部分组成。

新认识：“机械智能”是“具身智能”的重要组成部分。 “具身智能”是近年来整个机器人界非常流行的一个概念。作为研究仿生机器人的机器人学博士生，他也是生物力学、生物物理学、机器人物理学等多学科领域的研究员。在最新的研究中，美国佐治亚理工学院的王天宇展示了其团队对生物运动中的机械智能和具身智能的独特理解和解释。近日，相关论文发表在《Science Robotics》（IF=34.0）[1]上，标题为《机械智能简化陆地无肢运动的控制》（MechanicalIntelligences simplizes Control in terresciallimblesslocomotion）。王天宇和佐治亚理工学院博士后Christopher Pierce为共同第一作者，佐治亚理工学院教授Daniel I. Goldman为通讯作者。这项研究得到了生物学、物理学、机器人学等领域同行和专家的认可。他们相信这项研究有潜力将无肢生物运动的研究以及复杂地形中无肢机器人的设计和控制提升到一个全新的水平。为更深入地理解跨系统的广义无肢运动以及如何利用生物学中学到的原理来提高机器人性能开辟了更多新的可能性。

图丨相关论文（来源：Science Robotics）

基于对“具身智能”的独特理解，王天宇将“机械智能”的概念延伸到仿生机器人运动的研究中。以研究中的无肢机器人（也称为蛇形机器人）为例，它会将身体的各个部分向左和向右弯曲，这种运动称为“横向波动运动”。如果机器人碰撞到障碍物，它们必须调整身体姿势来转弯或绕过障碍物。为了完成这项任务，人们可以设计一种算法、一个控制系统或一个复杂的物理系统。例如，通过在机器人的头部或身体上安装力传感器，设计一种算法，当机器人的头部或身体感受到足够大的力时，可以让机器人远离或绕过障碍物。所以，这赋予了机器人一定程度的“计算智能”。或者，通过设计机器人驱动身体的方式、选择制造机器人身体的材料等，让机器人在与环境发生碰撞时，可以自发地使身体变形，以应对障碍物，而无需“思考”。这样，机器人就具备了“机械智能”。

“机械智能”的秘密在于驱动模式无肢运动是自然界中常见的运动模式，发生在各种不同且通常高度复杂的异构环境中，跨越长度尺度和神经系统复杂性。从拥有超过100 万个神经元的一米长的蛇到只有302 个神经元的微小毫米大小的秀丽隐杆线虫。当这些生物系统进入陌生而复杂的环境（如树林中的蛇、腐烂水果中的线虫）时，它们不需要任何时间来观察和学习自己的环境，并且可以自发地在环境中自由穿梭。在生物运动学方面，科学家们在理解这种运动控制的“计算智能”方面取得了巨大进展，包括神经回路的结构、功能和动力学。但仅仅拥有计算智能是不够的。这些生物系统体内隐藏的“机械智能”，也是让它们完成如此不可思议的动作过程中的重要组成部分。目前，缺乏针对无肢生物系统运动的机械智能研究。主要原因之一是科学家很难将身体功能从神经系统中分离出来，在完全阻断神经活动的同时研究生物体的运动机制。这导致开发机器人系统对于研究生物系统的运动具有重要意义。 —— 通过构建“机器人物理”模型，即开发特定的机器人系统来研究生物运动的机制。科学家可以在机器人系统中进行在生物体中难以完成的实验。例如，让蛇形机器人转动90 度非常容易，但控制蛇转动90 度几乎是不可能的。如果将当今最前沿的无肢机器人系统与自然界中常见的无肢生物系统进行比较，一个非常显着的差异体现在身体的驱动方式上：几乎所有的无肢机器人中，每个关节的旋转都是通过一个旋转来实现的。通过电机。在无肢生物系统中，身体的弯曲是通过驱动每个关节两侧的肌肉收缩来实现的。王天宇意识到机械智能的秘密可能就隐藏在驾驶模式中。

鉴于此，他和他的团队设计并制造了一种新型无肢机器人，名为MILLR（机械智能无肢机器人）。 MILLR每个关节的弯曲由两根独立控制的绳索驱动，可以左右拉动每个关节。当绳子拉紧时，它可以主动将关节拉向一侧；当绳子放松时，接头不再受该侧的限制，并且可以被动地适应环境施加在其上的力。

图丨理解机械智能的新型无肢机器人（来源：Science Robotics）

通过规划和协调每根绳索的张力松弛运动，可以在MILLR 上实现可编程、可量化、动态和各向异性的身体柔顺性。当机器人碰撞障碍物时，根据不同的身体柔顺状态，机器人可以选择性地保持体形或在障碍物施加的力的影响下被动弯曲。由于这种身体的灵活性，许多原本会导致机器人停止移动或卡住的碰撞现在自然会导致机器人变形并适应障碍物，然后机器人可以继续推动其身体前进。在实验室搭建的多障碍环境模型中测试MILLR时，王天宇发现身体顺应性太低会导致MILLR被障碍物卡住，而顺应性太高又会导致身体无法保持所需的波动姿势。从而无法提供足够的动力前进。只有当MILLR被给予适度的身体顺应性时，它才能在开环控制下在障碍环境中自发前进，无需任何环境感知和主动身体姿势调整。这正是MILLR 上的机械智能。反映。同时，通过机器人实验与相似环境下的秀丽隐杆线虫生物体的比较，发现当MILLR具有中等的身体柔韧性时，无论是开环速度表现还是身体运动学都与秀丽隐杆线虫非常相似。这也验证了一个生物学假设：仅靠机械智能就足以让无肢系统应对行动过程中遇到的障碍。最后，通过在MILLR上安装头部碰撞传感器，对线虫运动过程中“向后”行为的功能进行了实验探索。同时，研究团队发现，适当的计算智能可以弥补机械智能的不足，或者与机械智能相辅相成，从而提升运动表现。在这一点上，机器人系统MILLR 是体现智能的一个例子，它展示了与机械和计算智能协同工作时可能具有的最强大的运动能力。总之，这项研究强调了机械智能在塑造无肢系统运动中的作用，并为线虫和其他无肢动物的神经控制和机械控制之间的相互作用提供了见解。同时，通过机器人MILLR，团队验证了机械智能在无肢机器人运动中的重要作用，希望进一步推动无肢机器人在搜救、工业检测、农业、行星探索等领域的应用。其他领域。

它最初是一个“副业”，但形成了“机器人-生物学”的闭环。另据悉，王天宇本科就读于上海交通大学密西根学院电气与计算机工程专业，随后获得美国卡内基梅隆大学机械工程硕士学位。目前，他在佐治亚理工学院攻读机器人学博士学位，主要研究受生物启发的无肢和多足机器人在复杂环境中的运动。

图片|王天宇（来源：王天宇）

他表示，这项研究最初源于一个硕士学位研究的课题，即如何设计控制算法，让蛇形机器人具备身体灵活性，以应对复杂的环境地形。当时他用几千行代码实现了这个目标。但当他看到看似毫不费力的生物如何实现这一目标时，他开始怀疑：难道它们在移动时就没有那么多“思考”吗？那么是什么让他们能够如此轻松地实现只需要数千行计算机代码即可实现的功能呢？他加入佐治亚理工学院攻读博士学位后。在机器人学方面，他发现研究小组此前曾做过蛇如何利用肌肉驱动和身体被动来克服障碍的相关研究。于是他萌生了进一步建造一个机器人来模拟蛇利用肌肉驱动身体的方式的想法。与导师沟通后，导师认为这个方向值得探索。不过，由于当时没有专门资金用于这个机器人项目，他同意尝试将其作为“副业”。随着研究的不断深入和一些志同道合的伙伴的加入，王天宇和他的团队发现他们设计的蛇形机器人的一些行为和体形与他们观察到的线虫非常相似。因此，该项目进一步发展。这不仅仅是受生物学启发的机器人设计。反过来，机器人也可以作为实验工具，更好地了解生物体的运动，从而形成“机器人-生物学”的闭环。虽然轮式和腿式机器人在运动能力方面无可比拟，但在实际应用场景中仍然存在一些特殊情况。这些传统的移动机器人很难使用。例如，在倒塌建筑物的废墟中，在纵横交错的管道系统中，在土壤、沙子和雪等颗粒介质中，或者在极端环境下的冰川裂缝中。然而在这样的环境下，无肢机器人却可以利用其狭长的身体移动，完成搜救、工业调查、农业管理、甚至外星球地质勘探等一系列任务。了解机械智能在无肢运动中的作用不仅有助于他们更深入地了解生物的运动，而且有助于设计和制造无需复杂传感和控制算法即可更好应对复杂环境的无肢机器人。未来，在机器人方面，他希望进一步扩大机械智能原理的应用范围，包括制造3D机器人，让它们能够完成更多的步态，比如侧弯、手风琴式等。还在制作防水版本，以扩大水下无肢机器人运动的研究范围。在生物学方面，团队希望进一步研究生物体中肌肉和肌腱驱动的原理，加深对生物体机械智能表现的量化和理解。此外，这项研究中发现和验证的机械智能原理有望扩展到更多无肢生物系统，如蛇和鳗鱼。参考文献： 1.Wang T. et al.机械智能简化了陆地无肢运动的控制。科学机器人8,85(2023)。 https://www.science.org/doi/10.1126/scirobotics.adi22432.https://ty-wang.github.io /3.https://crablab.gatech.edu/4.https://ty-wang.github.io/排版：何晨龙、Doakes