近日，中国海洋大学与北卡罗来纳州立大学合作团队在Advanced Materials Technologies 期刊发表最新成果，研发出一种全新的压电驱动与感知一体化软体机器人。这款“C形双足微型软体机器人”不仅能高速灵活移动，还能像蜘蛛一样通过“感知振动”识别周围环境，实现驱动与感知的高度融合。
传统软体机器人虽然在柔性运动和环境适应性方面表现突出，但往往需要外部传感器来感知环境，增加了系统复杂度、重量和能耗。新型机器人采用PVDF/铜双层柔性压电驱动器，结构简单、成本低廉，体长仅11毫米、重量仅0.071克，却能以42.8体长/秒的速度在高摩擦度表面疾驰，爬坡角度可达11°，还能携带3.47倍自重的负载。
更令人瞩目的是，该机器人利用逆压电效应实现机械波信号感知，能够通过分析不同位置的波幅变化精准定位振源，定位误差仅4.65毫米。这一功能让它具备结构健康监测、灾害搜救、环境探测等应用潜力，尤其适合在狭小、危险的环境中执行自主任务。
研究负责人表示，这一成果不仅在结构设计上实现了柔性驱动与感知的高度一体化，还显著提升了软体机器人在复杂环境下的运动性能和任务拓展能力，为下一代自主微型机器人系统奠定了技术基础。
近年来，中国海洋大学与北卡州立大学联合团队连续突破实现了软体机器人从高速运动到环境感知的跨越式发展，先后在Advanced Functional Materials、Advanced Science 和Advanced Materials Technologies 发表系列论文，构建了从高速运动到极端环境适应，再到自主感知定位的系统化技术路线。
第一阶段：高速敏捷——螺旋结构赋能软体机器人疾驰
DOI：https://doi.org/10.1002/adfm.202300516
在Advanced Functional Materials 发表的研究中，团队提出螺旋形高速软体机器人设计，将压电致动器的弯曲运动高效转化为蹬地推进，实现高达76 体长/秒 的前进速度，并可在不同共振频率下实现正反向运动。机器人不仅能够携带接近自重 15 倍的负载，还可爬坡、跨台阶，并通过柔性电路实现无线驱动，为高效机动软体机器人奠定了结构基础。
图1：原型及工作原理。A）软体型机器人卷成螺旋状的照片。插图中的电子显微镜图像显示了该机器人的横截面，它由五层材料构成。B）附着在聚偏氟乙烯（PVDF）压电薄膜顶部和底部电极上的两根银线。C）基于有限元分析，机器人上五个点在一个运动周期内沿y方向的位置变化。插图为每个点在一个周期内的运动轨迹。D）在15个周期的方波信号作用下，E）中B点的垂直位移（蓝线）和水平位移（红线）。E）高速摄像机拍摄的原型机器人一个周期的运动过程。F、G）0.225秒内机器人上3个点（A、B、C，标记见F）的水平和垂直位移。H）图中的红色渐变线是使用高速视频分析应用程序对机器人上一个跟踪点所做的轨迹记录。I）袋鼠与原型机器人的波浪状运动路径对比，展示了两者的运动情况。
第二阶段：环境适应——双螺旋结构解决倾覆失效
DOI：https://doi.org/10.1002/advs.202300673
随后，团队在Advanced Science 报道了受猎豹奔跑启发的“双螺旋”压电软体机器人。该设计利用对称双螺旋的特殊振动模式，使机器人在 42.8 体长/秒 高速移动的同时，即使意外倾覆也能继续以16 体长/秒 运动，无需额外控制系统。机器人还展示了在复杂地形中移动、爬坡、负重和携带传感器的能力，大幅提升了环境适应性和任务可靠性。
图2： BFFSPR原型及工作机制 A）BFFSPR的3D示意图。B）BFFSPR横截面的扫描电子显微镜（SEM）图像。C）机器人外观的实物照片。D）翻转前BFFSPR的示意图，其中局部坐标系x轴为机器人运动方向。E）BFFSPR绕俯仰角翻转后的示意图。F）BFFSPR绕横滚角翻转后的示意图，此时x轴方向与翻转前相同。G）连续16个运动周期内p点的位移变化跟踪，插图为每个周期内p点的位移变化跟踪。H）一个驱动周期内翻转前BFFSPR的照片，运动方向为X'轴正方向。I）一个驱动周期内绕俯仰角翻转后BFFSPR的照片，运动方向为X'轴负方向。J）猎豹与BFFSPR运动时的特征步态对比
第三阶段：自主感知——驱动与感知一体化的“蛛感”机器人
DOI：https://doi.org/10.1002/admt.202501142
在最新发表于Advanced Materials Technologies 的工作中，团队将软体机器人从单纯运动平台升级为“驱动-感知”一体化系统。新型 C 形双足机器人利用 PVDF/铜双层压电驱动器，在 42.8 个体长/秒 高速运动的同时，可通过逆压电效应像蜘蛛一样感知机械波信号，实现毫米级振源定位（误差仅 4.65 mm）。这为结构健康监测、灾害搜救和环境探测等任务开辟了新途径。
图3：(a)实验装置。(b)机器人的振动模式。（c）高速摄像机捕捉到的C形机器人的运动姿态。（d）八种不同步态的受力分析图；P点和Q点的位移与速度。（e）P点的速度。（f）P点的位移。（g）Q点的速度。（h）Q点的位移
图4：(a)实验平台。(b)机器人接收到的信号。(c)机器人定位激励源的结果。
三篇论文从高效驱动到极端环境稳定性再到自主感知，形成了有机递进的科研链条，体现了该团队在软体机器人领域的系统化创新能力。研究负责人穆为磊表示，未来将继续探索多模态感知、群体协作等方向，推动软体机器人向更高自主性和应用化迈进。
该系列研究获得国家自然科学基金、国家重点研发计划及山东省产业发展专项支持。
文章来源：仿生工程学会