随着科学技术的不断发展，智能机器人正逐步取代宇航员进行空间探索，以提高效率并降低风险。相比于结构固定、功能单一的传统的机器人，模块化机器人能够通过自重构实现构型和功能的重新配置，具有“一机多能、功能再生”的特点，能够更好地应对太空中复杂的环境和繁重的任务。尽管模块化机器人展现了显著的潜力和优势，其空间应用仍面临诸多挑战，尤其在重构效率方面。随着模块数量的增加和重构难度的上升，重构路径的搜索空间将急速扩张，进而导致搜索效率的显著下降，这对模块化机器人执行任务的适应性和可行性形成了严重的制约。因此，设计一个高效的重构系统有助于模块化机器人更好地应对空间探索中的各种挑战，发挥更加重要的作用。

哈尔滨工业大学朱延河教授团队针对模块化机器人UBot，设计了一种高效的自重构系统。首先，将Turtle算法与深度优先搜索算法结合，构建了一个自重构规划框架。其次，引入专家知识的概念对该规划框架进行可达性验证。通过这种方式，将低效的配置匹配搜索转变为简单的路径规划和运动规划，从而减轻了搜索负担并提高了时间效率。该系统的主要优势在于使用元模块作为搜索节点，而不是众多的基本模块动作，从而显著减少了搜索空间和深度。专家知识为上述方法提供了技术支持，采用先进的路径规划方法和运动规划方法来封装并快速验证一系列动作，进一步提高了搜索效率。此外，该自重构规划框架在搜索过程中自动忽略无关的模块，这对于快速调整大型模块化机器人的局部结构至关重要。该文以题“An efficient self-reconfiguration method to deploy space modular robots”发表在Science China Technological Sciences。