未来，微型飞行机器人或许能在地震后帮助救援人员搜寻被困在坍塌建筑物下的人员。由于体型小巧，这些机器人昆虫有可能穿过更大型无人机无法进入的狭窄空间，同时避开墙壁、碎石和坠落物体。
然而，直到最近，空中微型机器人的灵活性一直远不如启发其设计的真实昆虫。它们通常飞行速度较慢，只能遵循相对简单的飞行路径。
麻省理工学院（MIT）的研究人员如今展示了一种新方法，为昆虫尺度的飞行机器人赋予了更快的速度和更强的机动性。研究团队开发了一款基于AI的控制器，使这款机器人昆虫能够完成高难度的空中机动动作，包括连续翻转身体。
研究人员采用一种兼顾性能与计算效率的两部分控制系统，与此前的最佳成果相比，将机器人的速度提升了约450%，加速度提升了约250%。
即便在风力干扰试图将其吹离预定路径的情况下，这款机器人依然足够灵活，能够在11秒内连续完成10次翻滚动作。
“我们希望能将这些机器人用于传统四旋翼机器人难以飞入、但昆虫却能自如穿行的场景中。现在，借助我们受生物启发的控制框架，我们机器人的飞行性能在速度、加速度和俯仰角方面已经能与昆虫相媲美。这是朝着这一未来目标迈出的令人振奋的一步。”电气工程与计算机科学系（EECS）副教授、电子研究实验室（RLE）软体与微型机器人实验室主任、论文共同通讯作者陈凯文（Kevin Chen）说道。
与陈凯文共同撰写论文的还有共同第一作者、EECS研究生萧一轩（Yi-Hsuan Hsiao）；2024届博士安德烈亚·塔利亚布埃（Andrea Tagliabue）；航空航天系（AeroAstro）研究生欧文·马特森（Owen Matteson）；EECS研究生金书汉（Suhan Kim）；2023届硕士赵彤（Tong Zhao）；以及共同通讯作者、航空航天系福特工程学教授、信息与决策系统实验室（LIDS）首席研究员乔纳森·豪（Jonathan P. How）。这项研究发表于《科学进展》（Science Advances）期刊。
AI赋予机器人更智能的飞行控制器
陈凯文的团队已投入五年多时间研发机器人昆虫。
该团队最近打造出一款更耐用的微型机器人升级版，其大小与微型盒式磁带相仿，重量还不到一枚纸夹。这一新设计配备了更大的扑翼，支持更灵活的飞行。这些翅膀由软体人工肌肉驱动，能够快速收缩，产生极高频率的扑翼动作。
物理设计已经有所改进，但机器人的控制器仍是一大主要限制因素。这个控制器相当于机器人的“大脑”，负责判断自身位置并决定如何运动。在早期版本中，需要人工手动调校控制器。
要让机器人以真实昆虫的速度和灵活性飞行，研究人员需要一套能在快速解决复杂控制问题的同时应对不确定性的系统。
一个足够强大的控制器通常需要庞大的计算量，难以实现实时运行，尤其是考虑到如此轻量级飞行器的空气动力学极其复杂。
为解决这一问题，陈凯文的团队与豪教授的团队合作，开发出一套两步式AI驱动控制系统。该设计将应对高难度高速机动所需的鲁棒性，与足以支持实时运行的计算效率结合在一起。
“硬件方面的进步推动了控制器的发展，这样我们在软件层面就能做更多事情；但同时，随着控制器的发展，硬件团队也能实现更多功能。当凯文的团队展示出新能力时，我们就展示出我们能够利用这些新能力。”豪说道。
教会微型机器人规划高难度动作
该系统的第一部分采用了所谓的模型预测控制器。这类控制器依靠动态数学模型来预测机器人的行为，并确定安全遵循预期飞行路径的最佳动作序列。
尽管这种方法需要大量计算能力，但它能够规划诸如空中翻转、急转弯以及机身角度剧烈变化等高难度动作。该规划器还会考虑机器人能够产生的力和力矩的上限，从而帮助其避免可能导致坠机的动作。
连续翻转的难度尤其大。要连续完成一次又一次的翻滚，机器人必须以恰当的方式减速，从而保证每次新的翻转都能在正确的条件下开始。
“如果出现微小误差，而你又试图带着这些微小误差重复翻转10次，机器人就会直接坠毁。我们需要具备鲁棒性的飞行控制。”豪说道。
随后，研究人员利用这个专家级规划器，通过一种称为“模仿学习”的过程，训练出一套基于深度学习模型构建的“策略”。该策略充当机器人的实时决策系统，决定其飞行的方式和方向。
实际上，模仿学习使团队能够将计算需求更高的控制器的行为，浓缩到一个速度更快的AI模型中，使其能够以足够快的速度运行，满足实时飞行的需求。
这项挑战的一大关键部分在于，如何生成足够多且有用的训练数据，教会该策略应对高难度机动动作，同时又不会产生不必要的庞大数据集。
“鲁棒性训练方法正是这项技术的秘诀所在。”豪解释道。
在飞行过程中，这套基于AI的策略会接收关于机器人位置的信息，并将其转化为实时指令，控制推力和力矩等因素。
媲美昆虫的速度与灵活性
实验表明，这套两步式控制系统大幅提升了机器人的性能。这款昆虫尺度的机器实现了447%的速度提升，加速度提升了255%。
它还能在仅11秒内完成10次翻滚，同时始终保持在距离预定飞行路径约4到5厘米的范围之内。
“这项研究表明，传统上速度受限的软体和微型机器人，现在可以借助先进的控制算法，实现接近自然昆虫和大型机器人的灵活性，这为多模式运动开辟了新的机遇。”萧一轩说道。
研究团队还展示了一种被称为“扫视”（saccade）的运动方式。在昆虫身上，这一动作表现为身体急剧俯仰、快速移动到新位置，然后向相反方向俯仰以实现停止。这种快速的加速与制动，能够帮助昆虫确定自身位置并保持清晰视觉。
“这种模仿生物行为的飞行方式，未来在我们开始给机器人搭载摄像头和传感器时，将会大有帮助。”陈凯文说道。
迈向自主飞行的微型机器人
未来研究的一个主要目标是为这些微型机器人配备机载摄像头和传感器。这最终可能使它们在户外飞行时，不再依赖复杂的外部动作捕捉系统。
研究团队还计划探讨机载传感能力是否有助于成群的机器人在导航过程中避免相互碰撞，并协调彼此的动作。
“对于微型机器人研究领域而言，我希望这篇论文能够标志着一种范式转变——证明我们能够开发出一种既高性能又高效率的全新控制架构。”陈凯文说道。
本研究部分资金来自美国国家科学基金会（NSF）、美国海军研究办公室、空军科学研究办公室、MathWorks公司以及扎哈尔琴科奖学金（Zakhartchenko Fellowship）。
Q&A
Q1：MIT这款微型飞行机器人具体是什么样的？
A：这是一款由麻省理工学院研发的昆虫尺度飞行机器人，体积与微型盒式磁带相仿，重量不到一枚纸夹，配备软体人工肌肉驱动的扑翼，能够完成高难度空中机动动作。
Q2：AI控制系统给这款机器人带来了哪些提升？
A：借助两步式AI驱动控制系统，机器人的速度提升了约450%，加速度提升了约250%，还能在11秒内连续完成10次翻滚，且始终保持在预定飞行路径附近。
Q3：这类微型飞行机器人未来能用在什么场景？
A：未来它们有望配备机载摄像头和传感器，用于地震救援等场景，帮助搜救人员进入更大型无人机无法进入的狭窄空间搜寻被困人员。
