自无人机技术诞生以来，其环境交互能力的发展始终围绕 “感知 - 决策 - 控制” 的经典框架展开。早期飞行机器人多以视觉、雷达等远距离感知手段为核心，执行遥感监测、数据采集等非接触式任务。然而，这类感知模式虽能获取丰富的空间信息，但它们的能力大多停留在“看”的层面。当我们需要采集生物样本、部署传感器或进行接触式检查时 ，仅仅“观察”是远远不够的。为实现“触碰”，飞行物理交互（APhI）技术应运而生，下图展示了各类APhI飞行机器人结构。

图1：各类APhI飞行机器人

APhI旨在实现无人机与环境的直接接触作业，如工业设施修理、精准物料抓取等。然而APhI 技术面临三大瓶颈：

1. 控制复杂度高：依赖阻抗控制、力反馈算法实时计算接触力，交互速度受限；

2. 环境适应性弱：需预设物体形态与材质模型，面对自然环境中树枝、废墟等未知底物时易失效；

3. 感知维度单一：单点力传感器仅能获取局部信息，难以应对多角度碰撞或复杂表面接触。

上述这些局限使 APhI 长期停留在实验室场景，难以适应非结构化环境。

具身智能的核心理念，源于对生物系统 “身体即计算单元” 的深刻洞察。自然界中，鸟类通过灵活的爪部结构实现高速栖息，昆虫利用柔软躯体穿越狭小缝隙，这些行为并非依赖复杂的大脑计算，而是通过躯体形态与环境的物理耦合实现高效交互。研究人员以此为灵感，将具身智能引入飞行机器人领域，构建了 E-APhI 框架，E-APhI与APhI的区别如下图所示：

图2：E-APhI与传统APhI的框架对比（A）当前的空中物理交互方法依赖于刚性末端执行器、局部感知和复杂的控制算法，适用于在人造结构环境中进行单点、精确但缓的操作。(B)身体智能则通过定制的身体形态适应环境或任务需求，利用身体上的分布式触觉感知，并采用简化且具有协同被动行为的控制系统，以实现自然、非结构化环境中稳健、灵活且快速的操作。

通过引入 “躯体形态 - 分布式感知 - 极简控制” 的协同机制，E-APhI构建了全新的交互范式：

1. 柔性形态的被动适应能力：

摒弃刚性结构，采用生物仿生设计。仿鸟类 compliant claws通过弹性材料将碰撞动能转化为抓握力，使栖息控制复杂度降低 60%；软体抓手利用硅胶被动形变，在 3 m/s 高速抓取中容忍 10 cm 定位误差。这类 “以形代控” 设计，使躯体成为物理交互的 “硬件控制器”。

图3：仿鸟类飞行机器人

2. 分布式触觉感知的全域认知：

机体表面集成高密度力传感器阵列，实现接触位置、力分布的实时捕获。在环境 DNA 采样中，无人机通过躯体与树枝的大面积接触，自动适应不同刚度枝条并调整姿态；障碍物穿越时，连续力反馈驱动 “推 - 滑” 动作，无需全局路径规划。“感知即决策” 机制打破了传统 “感知 - 建模 - 控制” 的串行瓶颈。

图4：飞行机器人采集环境DNA

3. 极简控制的主动 - 被动协同：

以被动行为为主导，仅通过简单算法调整姿态。实验显示，E-APhI 响应速度达传统 APhI 的 30 倍（3 m/s vs. 0.1 m/s），虽位置误差扩大至 10 cm 级，但在柔性底物（如树枝）交互中表现出更强鲁棒性。

图5：E-APhI飞行机器人

E-APhI 的技术革新在可持续发展、灾害响应等场景中已展现出显著价值：其高速鲁棒的交互能力可替代人工完成热带雨林环境 DNA 采样，柔性躯体与分布式感知结合可安全检测工业设施结构缺陷，抗碰撞设计更能在地震废墟中辅助救援决策。

展望未来，技术演进将沿着材料 - 感知融合、边缘计算优化、强化学习协同设计三大方向突破。这场由具身智能引领的技术变革，本质是对机器人 “智能” 的重新定义 —— 当 “身体” 成为感知与决策的核心载体，飞行机器人正以 “物理智商” 的跃升，跨越从实验室到真实世界的鸿沟，向着 “像生物一样与环境共舞” 的终极目标坚实迈进。