（MIT News）

在未来的灾难救援中，微型飞行机器人或将成为搜救废墟下幸存者的关键力量。它们能像真实的昆虫一样，在大型机器人无法触及的狭窄空间中穿梭自如，灵活避开静止的障碍物和坠落的碎石。但迄今为止，空中微型机器人在飞行时只能沿着平滑、缓慢的轨迹移动，远远比不上真实昆虫迅捷灵活的飞行能力。

近期，麻省理工学院的研究人员已经展示了一种空中微型机器人，其飞行速度和灵活性可与生物昆虫相媲美。一个跨学科团队为这种“昆虫机器人”设计了新的基于人工智能的控制器，使其能够完成体操般的飞行动作，比如连续翻转身体。

借助一套兼具高性能和高计算效率的双层控制方案，与研究团队此前的最佳成果相比，这种机器人的速度提升了约 450%，加速度提升约 250%。即便在风扰动不断干扰、试图将其吹离航线的情况下，这款高速机器人依然灵活敏捷，仍然能够在 11 秒内连续完成 10 个前空翻。

“我们希望这些机器人能进入传统四旋翼无人机无法进入、但昆虫却能自如飞行的场景。现在，凭借我们的仿生控制框架，这款机器人在速度、加速度和俯仰角方面已能与昆虫媲美。这是朝着未来目标迈出的激动人心的一步。”MIT 电气工程与计算机科学系副教授、电子研究实验室软体与微型机器人实验室主任 Kevin Chen 表示。

纸片般轻的小机器人，如何飞得像昆虫？

Kevin Chen 团队做昆虫机器人已经有五年多时间。最新一代作品是一台大小约似微型磁带盒、重量甚至轻于一枚回形针的空中微型机器人。

和传统刚性无人机不同，这台机器人依靠的是一组柔软的人工肌肉驱动机翼。人工肌肉以极高频率拍动四片微小的机翼，为机器人提供升力和推力；新一代机器人采用更大的翼面，使动作更加灵活、可完成更剧烈的机动。

硬件不断进步，但一直以来限制这台机器人上限的，是它的脑子，也就是控制器。

以往，机器人飞行控制参数主要靠人手工调节。工程师需要根据经验，对控制增益、参数边界一点点微调，让机器人在实验室中安全飞起来。这种做法能实现基本稳定飞行，却难以支持高速、激进的机动，更无法可靠地重复执行复杂动作，比如连续空翻。

如果想让机器人像昆虫那样飞得又快又狠，就需要一个更聪明的控制系统：既能处理小尺度机器人固有的不确定性，又能实时求解复杂的控制优化问题。但以这类微型飞行器复杂的非线性空气动力学特性而言，传统高性能控制算法一旦原样搬到机载系统中，计算量大到难以实时运行。

“两步走”的 AI 大脑：先规划，再模仿

为解决性能与算力之间的矛盾，团队设计出一套“两步走”的控制架构：先用一个计算量巨大的“专家级”规划器求出最优飞行动作，再用人工智能把这套能力“压缩”进一个轻量级策略模型中。

第一步，是一个“模型预测控制器”（Model Predictive Controller，MPC）。它基于机器人飞行动力学的数学模型，预测未来一小段时间内的运动状态，规划出一串最优控制动作，使其沿着目标轨迹飞行，同时满足推力、力矩等各类物理约束。

这样一来，控制器不仅能规划空翻、急转弯等复杂机动，还能在规划时考虑误差累积和环境扰动，整体上更鲁棒。

比如，要让机器人连续做 10 次前空翻，每做完一次，都必须在动作末尾把速度和姿态调整回适合下一次翻转的状态。如果每次都带着一点点误差，循环十次之后，机器人很快就会飞偏甚至坠毁。

问题在于，这样的 MPC 算得太慢，没法直接在昆虫尺度机器人上实时运行。为此，研究团队引入第二步：用这个专家控制器当老师，通过模仿学习，训练一个基于深度学习的轻量级策略网络。

他们让 MPC 在仿真和特定条件下，反复规划各种激进机动，在不同初始状态和扰动下给出“最佳动作序列”，再用这些数据训练策略模型，让它学会在看到当前状态时，直接输出合适的控制指令。

（Science）

本质上，是先让一个非常聪明但算得很慢的老师演示所有动作，再让 AI 把老师的做法看懂、记住并压缩，变成一个可以在毫秒级运行的“小脑袋”，真正用于实时控制。

How 将其中的关键称为一套鲁棒的训练方法，既要覆盖足够多的工况，在风、制造误差、电缆缠绕等扰动下仍能保持稳定，又不能盲目堆数据，以免训练变得低效甚至失败。

最终，在实际飞行中，机器人使用的是这个轻量化策略网络：实时读取自身状态，快速计算控制指令；而高算力的 MPC 则退居幕后，只在训练阶段扮演老师的角色。

速度提升 4.5 倍，11 秒翻 10 个空翻

实验结果显示，这套“两步走”的 AI 控制架构，为这台昆虫尺度的软体飞行器带来了质的飞跃。

与团队此前的最佳实验结果相比，新系统让机器人飞行速度提升了约 447%，加速度提升约 255%。在一项标志性测试中，机器人在 11 秒内连续完成了 10 个空中前空翻，并且全程偏离规划轨迹的误差从未超过 4～5 厘米。

图 | 机体空翻动作演示（Science）

“这项工作表明，传统上被认为速度受限的软体机器人和微型机器人，现在也可以借助先进控制算法，获得接近自然昆虫和大型机器人那样的机动能力。这也为未来实现多模态运动打开了新的可能。”共同一作 Yi-Hsuan Hsiao 说。

团队还演示了一种典型的昆虫飞行动作——“扫视”运动：机器人先通过剧烈俯仰实现快速加速，迅速飞向某个位置，然后再剧烈俯仰到相反方向，短时间内高效减速并悬停。这种猛冲一下，再急刹车的空中动作，在自然界中有助于昆虫进行自我定位和获取清晰的视觉信息。

图 | 控制器设计和身体扫视演示（Science）

“这种仿生飞行行为，将来在我们给机器人搭载摄像头和其他传感器时会很有价值。”Kevin Chen 说，“它能帮助机器人在复杂环境中看得更清楚、定位更精准。”

目前，这些实验仍在室内、依赖复杂的运动捕捉系统完成。真正要走出实验室，飞向废墟、森林甚至城市街区，机器人还要学会更多能力：自主感知环境、与同伴协同、避障、抗风……这些都离不开机载传感器和更多“在野外学来的”策略。

研究团队的下一步工作，正是把眼睛和耳朵装上这台机器人：搭载微型摄像头和惯性测量单元，实现无需外部系统的自主定位与避障；探索多机协同控制，让多台机器人在复杂环境中分头搜索、互不碰撞；研究在更剧烈、更不确定的户外风场中，控制策略如何保持鲁棒性。

“对微型机器人领域来说，我希望这篇论文能推动一个新的范式：我们不必在要性能和要效率之间二选一，而是可以设计出同时具备二者的控制架构。”Kevin Chen 说。

未参与本研究的卡内基梅隆大学机械工程教授 Sarah Bergbreiter 在评述中指出，这项工作尤其令人印象深刻的地方在于：尽管在小尺度制造中存在相对较大的加工误差、环境中存在超过 1 米/秒的阵风干扰，甚至电源牵引线在机器人反复翻转时会缠绕在其身上，这些机器人仍然能够精准地完成空翻和快速转弯。

但她也提醒，目前控制器仍运行在外部计算机上，而非完全搭载在机器人机体中。不过，作者已经展示出：哪怕算力远不及实验室服务器，类似的控制策略在昆虫尺度机器人上仍有希望以稍低精度运行。“这让人对未来更加敏捷的昆虫尺度机器人充满期待。”她说。

1.https://news.mit.edu/2025/mit-engineers-design-aerial-microrobot-fly-like-bumblebee-1203

2.https://www.science.org/doi/10.1126/sciadv.aea8716