在自然界中，一只果蝇的转弯和急停，是一场在毫秒间完成的生存博弈。令人惊叹的是，麻省理工学院（MIT）的科学家们将这种昆虫级的飞行敏捷性，成功赋予了一个重量仅为750毫克的扑翼机器人。

近日，MIT团队在顶刊《Science Advances》的最新研究中证明，这只微型机器人不仅能完美复刻果蝇的“急停-转向”飞行模式，还能在11秒内连续翻滚10次，并可以在相当于自身最高飞行速度的强风中稳如磐石。

▍挑战：微型机器人飞行的“不可能三角”

在追求仿生飞行的道路上，研究者们一直试图在几个关键性能间取得平衡：敏捷性（像昆虫一样灵活机动）、鲁棒性（在扰动中稳定飞行）和计算效率（在微型硬件上实现实时控制）。然而，对于微型机器人而言，这三者构成了一个“不可能三角”。

这个矛盾深刻影响着研发格局。中尺度飞行机器人牺牲了部分敏捷性来换取更强的计算和负载能力；而真正仿生尺寸的昆虫级机器人，为了在有限的机载算力下维持稳定，不得不大幅限制飞行速度和动作幅度，导致其性能长期停留在缓慢、平缓（<40 cm/s）的初级阶段，与真正的昆虫相去甚远。

究其根本，这个距离背后，是几个相互缠绕的物理与工程死结：

• 反应必须极快：微型机器人因为太轻、翅膀拍太快，姿态瞬息万变，要求控制器必须具备高反馈率。
• 空气是笔“糊涂账”：微型翅膀搅动的气流极其复杂且善变，尤其在翻滚时，其产生的升力和阻力很难被精确预测和建模。
• 没有完全一致的精确：在毫克级的制造精度下，微小的零件差异都会被放大，导致每个机器人的脾性都略有不同。
• 一阵微风就是一场风暴：极轻的重量使得它对任何干扰（如环境气、供电细线的拉扯）都异常敏感。

这样一来，问题的核心闭环了：要执行类似昆虫的快速眼跳和身体翻转，需要一个计算效率高的飞行控制器，该控制器要能够规划复杂的轨迹并处理模型的不确定性。

▍破局：微型机器人控制算法的“双重智慧”

MIT团队的破局之道，充满巧思。他们没有选择在微型机器人的硬件躯体上做加法，而是在其控制大脑的架构上，进行了一场彻底的范式革新。其核心是构建一个“基于深度学习的鲁棒管状模型预测控制（RTMPC）”的框架，用于在750毫克扑翼机器人上执行类似昆虫的敏捷机动动作。

750毫克扑翼飞行机器人执行的飞行机动概览

这套系统的精妙在于它模仿了“宗师授艺”的过程，构建了一种两阶段控制器设计。第一阶段，专家级RTMPC——高性能的鲁棒管模型预测控制器出手。它能以离线方式，综合考虑微型机器人所有的动力学特性、执行器极限和可能遇到的外部扰动，规划出最优的飞行轨迹与控制指令。

然而，专家RTMPC的运算过于复杂，无法实时指挥。因此，在第二阶段，他们通过高效的模仿学习，训练了一个轻量级的神经网络，让它通过观察“专家”在无数场景下的决策，最终学得其精髓。这个神经网络的决策速度极快，每次计算仅需几微秒，足以实时驾驭微型机器人330赫兹的极速扑翼。

为确保万无一失，这项技术还引入了一个核心哲学：安全管道。RTMPC在规划出的理想轨迹周围，构建了一个动态的、无形的安全边界管道。

只要微型机器人的实际状态位于这个管道内，无论遇到何种未预料的扰动（如突然的阵风或系统误差），算法都能保证将其安全地拉回正轨，绝不会失控坠毁。这正是该微型机器人能在强风中完成特技的底层逻辑。

控制器设计和身体扫视演示

▍性能：微型机器人的极限突破

当这套智能控制系统与精密的微型机器人硬件结合，便催生了性能指标的全面飞跃。一系列实验数据可以作为证明，其表现可概括为“快、稳、准”三大突破。

首先，是速度与敏捷性的突破。在模拟昆虫“眼跳”的急速转向测试中，机器人能在0.47秒内横向移动30厘米，达到124厘米/秒的最高速度，身体最大偏转角达49.1°，并产生11.4米/秒²的横向加速度。与最先进的先前研究相比，其加速度、偏转角和速度分别提升了245%、182%和243%，且轨迹跟踪的横向与高度误差分别仅为1.12厘米和0.75厘米。

第二，在抵抗干扰的鲁棒性上，它通过了严苛测试。在人为引入33%的指令-力映射误差后，机器人仍能以4.72厘米的位置误差完成高难度轨迹。在面对160厘米/秒（相当于其自身最高速度）的强风时，其位置误差为4.58厘米，仅比无风环境下的误差增加58.5%，展现了在巨大不确定性下的稳定能力。

在映射误差和风扰动下重复的眼跳演示

第三，在跟踪复杂轨迹和极限机动上，它改写了性能纪录。 机器人能以超40厘米/秒的平均速度完成包含多次急转弯的“X”形和“十字”形轨迹。在更长的“8”字形路径上，其最大速度飙升至197厘米/秒，将此前的纪录提升了446%；沿圆形轨迹飞行的速度也达到152厘米/秒。

跟踪攻击性飞行轨迹

最终，在最具挑战性的连续翻转动作上，它实现了精度与可靠性的跃升。机器人单次翻转的最大角速度超过2030°/秒，并以2.24厘米的误差精准复现模拟轨迹。更突出的是，它成功完成了连续十次翻转，全程保持2.49厘米的低均方根位置误差，即便在供电线意外缠绕机身的情况下仍能稳定控制，凸显了控制器应对未建模扰动的卓越能力。

身体翻转演示

这些数据共同印证，通过算法的顶层革新，研究团队成功地在微型机器人有限的计算与硬件边界内，实现了高敏捷、高鲁棒与高能效的协同。

▍路径：从实验室特技到现实应用

尽管成果显著，研究团队坦承，从实验室演示到现实应用仍有多个障碍需要克服：

首当其冲的是能源与系绳之困。目前，所有精妙的特技表演都依赖一根轻细的系绳提供电能和信号。要实现真正的自主飞行，开发能量密度足够高的微型电池和高效的无线通讯模块是必经之路。

其次是感知的自主性。当前，微型机器人依赖于外部高精度的运动捕捉系统来感知自身位置与姿态。未来的自主版本，需要集成微型光流传感器、惯性测量单元等，并开发出能在剧烈机动中抵抗噪声、保持精确的嵌入式状态估计算法。这如同为机器人蒙上眼睛后，再要求它完成同样的特技，难度可想而知。

然而，这项研究已经为未来铺平了最关键的道路：计算效率的可扩展性。研究表明，即使将控制神经网络的核心神经元数量从128个压缩到仅8个，计算成本降低92%以上，微型机器人依然能够稳定飞行，只是控制精度有所妥协。

这种可调节的“性能-效率”权衡，意味着未来开发者可以根据具体任务需求，为微型机器人配备恰到好处的大脑，使其最终能够装载于一枚比指甲盖还小的微控制器上，实现真正的机载智能。

▍未来：微型机器人的智能化时代

MIT团队的这项突破，其影响力远不止于一台会翻跟头的微型机器人，而是为我们开启了对未来智能体形态的重新想象。

它展示了一个物理实体如何通过与复杂环境的实时互动和对抗性训练，演化出超越传统设计方法的、高度适应性的行为能力。

这种范式对更广泛的微型机器人领域具有启发意义。当物理极限难以突破时，运动智能成为新的性能边界。正如研究展示的，即使硬件不变，通过先进控制算法也能实现性能的数量级提升。

论文链接：https://www.science.org/doi/10.1126/sciadv.aea8716