一只能连续完成十个后空翻的机器昆虫，可在1m/s的风速干扰下稳定飞行，它的出现可能将彻底改变废墟搜救的方式。

近日，麻省理工学院研究团队在《科学进展》期刊上发表了一项研究，他们的微型飞行机器人能以接近大黄蜂的速度飞行，并展现出与真实昆虫相媲美的敏捷性。该机器人在理论上能够进入大型设备无法到达的狭小空间，执行搜救、侦察和环境监测任务。

▎突破

以往的微型飞行机器人只能沿着平滑轨迹缓慢移动，远未达到自然界昆虫那种灵活、快速、适应复杂环境的能力。

麻省理工学院研究团队研发的新型微型机器人不仅飞行速度提升约450%，加速度增加约250%，还能在11秒内完成连续10个后空翻等高难度飞行动作。其在速度、加速度和俯仰角方面的飞行性能已与昆虫相当。这对于实现微型机器人参与实际救援任务的未来目标来说，是相当激动人心的一步。

▎设计

这项突破的核心在于机器人控制系统的创新设计。研究团队开发了一种基于人工智能的两步控制方案，既保证了复杂机动所需的性能，又满足了实时控制的计算效率要求。

微型机器人的硬件设计同样值得关注，机器人比一个回形针还轻，尺寸很小，采用扑翼设计，由软体人造肌肉提供动力，能以极高频率拍打翅膀。

“硬件进步推动了控制器的发展，同时随着控制器的完善，硬件也能发挥更大潜力。” 研究人员说。

传统的微型机器人控制器通常需要人工手动调整，极大地限制了机器人的性能表现。而要让机器人实现类似昆虫的敏捷飞行，需要一个能够处理不确定性、快速执行复杂优化的智能控制系统。

研究团队面临的核心挑战是：功能强大的控制器往往计算量巨大，难以在资源有限的微型机器人上实时运行。

▎方案

研究团队设计的两步控制方案，将复杂的计算任务分解为离线的“训练”和在线的“执行”两个阶段。

首先，团队构建了一个“模型预测控制器”，这个系统能够预测机器人的动态行为，并规划出最优动作序列，实现空翻、快速转弯等高难度飞行动作。它就像一位经验丰富的教练，为机器人制定精确到毫秒的飞行方案。

然而，这个强大的规划器本身计算过于复杂，无法在微型机器人上实时运行。因此，团队采用“模仿学习”方法，让一个深度学习模型向这位“专家教练”学习。

“关键是要有一种巧妙的方式来生成刚好足够的训练数据，这些数据将教会策略进行激进机动所需的一切知识。” 研究人员解释说。

通过这一过程，复杂的控制器被“压缩”成一个轻量级的AI模型，能够在资源受限的微型机器人上实时运行，同时保持接近专家水平的性能。这个AI模型成为机器人的“大脑”，实时处理位置信息并输出控制指令。

▎表现

延时摄影照片展示了一款正在完成后空翻的飞行微型机器人。 

即使在风扰动可能使其偏离航线的情况下，机器人也足够敏捷，能在11秒内完成连续10个空翻。

在实际测试中，这一创新控制系统展现出了令人印象深刻的性能。微型机器人能够在11秒内完成连续十个空翻，即使在每秒一米的风速干扰下，偏离预定轨迹的距离也不超过4-5厘米。

研究团队还成功让机器人模仿了昆虫的“扫视”行为——快速俯仰、迅速移动到新位置、然后反向俯仰停止。这种机动方式有助于昆虫精确定位和清晰观察周围环境。

“这项研究展现的技术令人印象深刻，机器人在存在较大不确定性的情况下，仍能稳定执行精确的空翻和快速转弯，”研究人员评价道，并进一步指出其深远意义，“这种高度仿生的飞行行为，尤其在我们未来为机器人配备摄像头和传感器时，将变得非常有帮助。”尽管当前控制器仍需依赖外部计算机运行，但团队认为，研究表明类似的高效控制策略完全有望在微型机器人有限的本体计算资源上实现。 

▎前景

这项研究的突破性不仅体现在技术参数上，更在于它为整个微型机器人领域带来的范式转变。

研究团队已规划后续重点：首要任务是为机器人集成传感与视觉系统，以实现脱离外部运动捕捉的户外自主飞行；同时，将探索基于机载感知的避障与协同导航技术。

研究人员指出：“我们的目标是使机器人能够进入传统四旋翼机器人无法抵达、而昆虫可灵活活动的空间。”随着该愿景逐步实现，此类仿昆虫飞行机器人有望在地震救援、危险环境探测、农业监测及基础设施巡检等领域开拓前所未有的应用前景。

文章：Yi-Hsuan Hsiao et al, Aerobatic maneuvers in insect-scale flapping-wing aerial robots via deep-learned robust tube model predictive control, Science Advances (2025). DOI: 10.1126/sciadv.aea8716