昆虫大小的扑翼飞行机器人如何像昆虫一样灵活翻飞

空中昆虫拥有令人惊叹的飞行敏捷性，能完成急剧减速、快速转向（saccade）和空翻等特技动作，以此在复杂环境中导航并躲避捕食者。相比之下，昆虫级（亚克级）扑翼机器人受限于控制器性能，长期以来只能跟踪平滑轨迹，加速度小，难以实现类似昆虫的敏捷性。为解决这一问题，研究团队设计了一种深度学习鲁棒管模型预测控制器（deep-learned robust tube model predictive controller, RTMPC），并在一个重750毫克的扑翼机器人上实现了卓越的飞行敏捷性。该机器人基于介电弹性体致动器（DEA，一种人工肌肉）驱动的四扑翼模块，重750毫克，尺寸为4厘米×4厘米×0.9厘米，扑翼频率达330赫兹。控制器设计采用两阶段策略：首先，构建高性能的RTMPC作为“专家”控制器，它能在考虑模型不确定性和外部干扰的情况下优化飞行轨迹；然后，通过数据高效的模仿学习（IL）训练一个神经网络（NN）控制器，使其能复现RTMPC的性能，同时大幅降低计算成本，可在资源受限的系统上高速运行。实验结果显示，该机器人能实现昆虫式的快速转向：横向速度达197厘米/秒，加速度达11.7米/秒²，较以往昆虫级机器人的最佳性能分别提升447%和255%。即使在160厘米/秒的强风干扰或33%的指令-推力映射误差下，机器人仍能稳定跟踪轨迹。更令人瞩目的是，它能在11秒内连续完成10次空翻，且每次空翻的位置误差小，展现出前所未有的精准度和鲁棒性。与果蝇等昆虫的飞行性能相比，该机器人的归一化加速度、身体倾斜角度等关键指标已接近昆虫水平。这一成果不仅是昆虫级飞行敏捷性的重要里程碑，也为未来实现亚克级机器人的自主感知与计算（如搭载微型传感器和处理器）奠定了基础。研究团队通过分析神经网络大小与性能的关系，展望未来可进一步压缩控制器计算需求，实现真正的机载自主飞行。