近日，中國海洋大學與北卡羅來納州立大學合作團隊在Advanced Materials Technologies 期刊發表最新成果，研發出一種全新的壓電驅動與感知一體化軟體機器人。這款“C形雙足微型軟體機器人”不僅能高速靈活移動，還能像蜘蛛一樣通過“感知振動”識別周圍環境，實現驅動與感知的高度融合。
傳統軟體機器人雖然在柔性運動和環境適應性方面表現突出，但往往需要外部傳感器來感知環境，增加了系統復雜度、重量和能耗。新型機器人采用PVDF/銅雙層柔性壓電驅動器，結構簡單、成本低廉，體長僅11毫米、重量僅0.071克，卻能以42.8體長/秒的速度在高摩擦度表面疾馳，爬坡角度可達11°，還能攜帶3.47倍自重的負載。
更令人矚目的是，該機器人利用逆壓電效應實現機械波信號感知，能夠通過分析不同位置的波幅變化精準定位振源，定位誤差僅4.65毫米。這一功能讓它具備結構健康監測、災害搜救、環境探測等應用潛力，尤其適合在狹小、危險的環境中執行自主任務。
研究負責人表示，這一成果不僅在結構設計上實現了柔性驅動與感知的高度一體化，還顯著提升了軟體機器人在復雜環境下的運動性能和任務拓展能力，為下一代自主微型機器人系統奠定了技術基礎。
近年來，中國海洋大學與北卡州立大學聯合團隊連續突破實現了軟體機器人從高速運動到環境感知的跨越式發展，先后在Advanced Functional Materials、Advanced Science 和Advanced Materials Technologies 發表系列論文，構建了從高速運動到極端環境適應，再到自主感知定位的系統化技術路線。
第一階段：高速敏捷——螺旋結構賦能軟體機器人疾馳
DOI：https://doi.org/10.1002/adfm.202300516
在Advanced Functional Materials 發表的研究中，團隊提出螺旋形高速軟體機器人設計，將壓電致動器的彎曲運動高效轉化為蹬地推進，實現高達76 體長/秒 的前進速度，并可在不同共振頻率下實現正反向運動。機器人不僅能夠攜帶接近自重 15 倍的負載，還可爬坡、跨臺階，并通過柔性電路實現無線驅動，為高效機動軟體機器人奠定了結構基礎。
圖1：原型及工作原理。A）軟體型機器人卷成螺旋狀的照片。插圖中的電子顯微鏡圖像顯示了該機器人的橫截面，它由五層材料構成。B）附著在聚偏氟乙烯（PVDF）壓電薄膜頂部和底部電極上的兩根銀線。C）基于有限元分析，機器人上五個點在一個運動周期內沿y方向的位置變化。插圖為每個點在一個周期內的運動軌跡。D）在15個周期的方波信號作用下，E）中B點的垂直位移（藍線）和水平位移（紅線）。E）高速攝像機拍攝的原型機器人一個周期的運動過程。F、G）0.225秒內機器人上3個點（A、B、C，標記見F）的水平和垂直位移。H）圖中的紅色漸變線是使用高速視頻分析應用程序對機器人上一個跟蹤點所做的軌跡記錄。I）袋鼠與原型機器人的波浪狀運動路徑對比，展示了兩者的運動情況。
第二階段：環境適應——雙螺旋結構解決傾覆失效
DOI：https://doi.org/10.1002/advs.202300673
隨后，團隊在Advanced Science 報道了受獵豹奔跑啟發的“雙螺旋”壓電軟體機器人。該設計利用對稱雙螺旋的特殊振動模式，使機器人在 42.8 體長/秒 高速移動的同時，即使意外傾覆也能繼續以16 體長/秒 運動，無需額外控制系統。機器人還展示了在復雜地形中移動、爬坡、負重和攜帶傳感器的能力，大幅提升了環境適應性和任務可靠性。
圖2： BFFSPR原型及工作機制 A）BFFSPR的3D示意圖。B）BFFSPR橫截面的掃描電子顯微鏡（SEM）圖像。C）機器人外觀的實物照片。D）翻轉前BFFSPR的示意圖，其中局部坐標系x軸為機器人運動方向。E）BFFSPR繞俯仰角翻轉后的示意圖。F）BFFSPR繞橫滾角翻轉后的示意圖，此時x軸方向與翻轉前相同。G）連續16個運動周期內p點的位移變化跟蹤，插圖為每個周期內p點的位移變化跟蹤。H）一個驅動周期內翻轉前BFFSPR的照片，運動方向為X'軸正方向。I）一個驅動周期內繞俯仰角翻轉后BFFSPR的照片，運動方向為X'軸負方向。J）獵豹與BFFSPR運動時的特征步態對比
第三階段：自主感知——驅動與感知一體化的“蛛感”機器人
DOI：https://doi.org/10.1002/admt.202501142
在最新發表于Advanced Materials Technologies 的工作中，團隊將軟體機器人從單純運動平臺升級為“驅動-感知”一體化系統。新型 C 形雙足機器人利用 PVDF/銅雙層壓電驅動器，在 42.8 個體長/秒 高速運動的同時，可通過逆壓電效應像蜘蛛一樣感知機械波信號，實現毫米級振源定位（誤差僅 4.65 mm）。這為結構健康監測、災害搜救和環境探測等任務開辟了新途徑。
圖3：(a)實驗裝置。(b)機器人的振動模式。（c）高速攝像機捕捉到的C形機器人的運動姿態。（d）八種不同步態的受力分析圖；P點和Q點的位移與速度。（e）P點的速度。（f）P點的位移。（g）Q點的速度。（h）Q點的位移
圖4：(a)實驗平臺。(b)機器人接收到的信號。(c)機器人定位激勵源的結果。
三篇論文從高效驅動到極端環境穩定性再到自主感知，形成了有機遞進的科研鏈條，體現了該團隊在軟體機器人領域的系統化創新能力。研究負責人穆為磊表示，未來將繼續探索多模態感知、群體協作等方向，推動軟體機器人向更高自主性和應用化邁進。
該系列研究獲得國家自然科學基金、國家重點研發計劃及山東省產業發展專項支持。