麻省理工学院的研究人员近期在机器人领域取得重大突破，他们成功开发出一款能够匹配真实昆虫飞行速度与敏捷度的微型飞行机器人。相关研究成果已发表在《科学·进展》期刊上。

地震发生后，受灾现场往往堆积大量不稳定残骸，传统的大型救援机器人极难进入，而模仿昆虫形态的微型飞行器未来有望穿梭于这些狭窄缝隙中，同时灵活避开固定障碍物与下落的砖石。然而在此之前，这类空中微型机器人只能缓慢沿着简单平滑的路线飞行，在速度和敏捷性上远逊于自然界的昆虫。

为了克服这一难题，MIT的研究团队设计出一种全新的AI控制器，使机器人在执行复杂飞行机动时表现惊艳，甚至能够完成连续的空中翻滚。该控制系统采用双重架构，兼顾了强劲的性能与出色的计算效率。与研究团队先前的技术成果相比，新系统的飞行速度提升了约450%，加速度提升了约250%。在测试中，这款微型机器人成功在11秒内完成了10次连续后空翻，即便面对风力干扰也能保持高度稳定。

负责该项目的MIT电气工程和计算机科学系副教授、电子研究实验室软微机器人实验室负责人陈钰丰指出，团队的目标是将这些机器人应用到传统四旋翼无人机难以涉足、但昆虫却能自由穿梭的复杂场景中。目前，该机器人在速度、加速度和俯仰角等飞行性能上，已经能够比肩自然界的昆虫。

这款机器人的体积与微型盒式磁带相仿，重量甚至不到一个回形针。硬件方面的升级得益于团队五年多来的持续探索，其最新型号不仅比早期版本更为耐用，还配备了面积更大的扑翼，能够靠软体人造肌肉驱动翅膀实现超高速往复运动。然而，如何突破控制系统的局限曾是长期存在的痛点。由于以往需要人工手动调校，机器人无法完全发挥出升级后的硬件潜力。为了适应昆虫般快速且具攻击性的动作，控制器必须能够处理复杂的不确定性并实时解决困难的优化问题。

为解决这一难题，陈钰丰团队与乔纳森·霍夫教授的团队展开合作，共同开发出一种由AI驱动的两步控制系统。系统的第一部分是模型预测控制器，它借助机器人运动的数学模型来预测机器人的行为，并挑选出最优动作序列以安全遵循预定路线。虽然该规划器能够计算连续后空翻、急转弯和陡峭机身倾斜等高难度动作，但计算过程需要消耗大量算力。

为了在实时飞行中实现高效运行，研究人员将这个功能强大的规划器充当“专家教师”，通过模仿学习训练出一个基于深度学习模型的决策策略。这种模仿学习成功将计算量巨大的规划器转化为响应迅速、能够实时运行的轻量AI模型。测试结果表明，这套双步系统使微型昆虫机器人的飞行速度比以往提高了447%，加速度提升了255%，在完成10次空翻的同时，还能将飞行轨迹稳稳控制在原定路线的4到5厘米范围之内。

此外，机器人还成功复现了昆虫名为“萨卡德”的标志性急动行为。在这一机动过程中，昆虫会剧烈倾斜、向目标加速，随后反向俯仰以实现急停。这种速度的剧烈变化有助于它们判断自身位置并保持视线清晰。研究团队表示，随着未来在机器人机体上搭载相机和传感器，这类仿生飞行行为将发挥关键作用，而如何让微型机器人摆脱复杂的动作捕捉系统、实现完全自主的户外导航，将是他们下一步攻克的核心目标。