纽约大学WorMa两栖蠕虫机器人实现陆水跨域通行,重心流体调控成关键

纽约大学研发的WorMa两栖波动机器人通过内部水泵转移300克水改变重心,首次完成从陆地爬坡、越台阶到水中游动再上岸的全地形转换。该50厘米长机器人重1.063公斤,依赖头尾水囊与硅胶摩擦垫协同工作,...

前沿科技

纽约大学坦登工程学院研究团队近期开发出一款名为WorMa的两栖波动机器人,其核心创新在于利用内部流体重新分配重心,实现陆地与水域之间的无缝切换。该机器人在《Advanced Robotics Research》期刊发表的研究中,首次展示了波动式机器人完整穿越平地、台阶、斜坡与开放水域的连续运动能力——这是同类系统此前未能达成的技术突破。

WorMa整体尺寸为50厘米×13厘米×10厘米,总质量1.063公斤,由五节刚性连杆与四个关节构成主体骨架。其头部与尾部分别安装乳胶气球水囊,中段集成12伏蠕动泵,可在两端间转移约300克水(占整机质量28%)。机身两侧附着泡沫浮材以提供水上浮力,底部则覆盖硅胶摩擦垫增强陆地抓地性能。整个系统不依赖外部动力源或复杂传感反馈,仅通过调节水的位置即可动态适配不同环境下的力学需求。

在陆地运动中,机器人采用统一的波动步态,但通过重心偏移策略显著提升适应性。实验表明,当水被泵至头部时,前端接地压力与摩擦力增大,使WorMa成功攀爬19.5度斜坡——这是所有测试配置中唯一能通过该陡坡的方案;同时其单位移动距离能耗比其他重心配置至少降低33%。面对台阶障碍,单一固定重心无法胜任,需执行三阶段序列动作:先将水移至头部增强前部抓地力,再转移至尾部抬升头部并推动躯干前进;待头部与颈部关节抵住台阶边缘后,再次将水泵回头部,拉动尾部越过障碍。借助遥控指令,WorMa完成了最高15厘米台阶的跨越,并顺利走完包含平地、台阶、斜坡与水域的复合路线。

文章配图

进入水中后,策略反转:水移至尾部可优化推进效率,使最高速度较头重配置提升26%,能量效率提高52%。值得注意的是,从水中爬上斜坡时,仅头重配置能提供足够的前端牵引力,凸显了重心动态调控在跨介质过渡中的不可替代性。

目前WorMa仍为实验室原型机,尚未具备自主地形识别与实时重心决策能力。水的完整转移耗时约110秒,调整过程属于离散操作而非连续响应;研究报告所列运动性能数据亦未计入水量转移时间。此外,机器人在水中存在侧向漂移问题,尚未解决。研究团队正计划升级泵速,并引入传感器与闭环控制系统,以提升响应速度与环境适应性。

这项工作代表了软体机器人设计思路的一种重要演进方向:不同于传统依赖高算力与多传感器融合的路径,WorMa通过机械结构与流体质量分布的耦合,将部分“智能”内化于物理本体之中。这种“本体智能”(embodied intelligence)理念近年来在多个前沿研究中得到验证。例如,北卡罗来纳州立大学尹杰教授团队受海羽星启发开发的微型软体机器人,仅靠两根气管驱动即能切换水母、鱼与转子三种游动模式,其核心正是将控制逻辑嵌入材料形变与结构耦合中——该成果已于2026年10月发表于《Science Advances》。

对比来看,MIT CSAIL于2018年推出的SoFi软体机器鱼需六个独立驱动输入、液压泵、锂电池及声学遥控模块,方能在斐济珊瑚礁实现三维自主游泳;而尹杰团队的微型系统仅重14.5克,体长55毫米,通过单稳态臂结构与双通道气动设计,实现了更简洁高效的三维机动能力。其水母模式最大上升速度达每秒1.64个体长,运输成本(CoT)低至17.6,优于同类仿生平台;转子模式下旋转速率可达每秒90度,支持原地转向与轨迹重定向。

这两类研究虽技术路径不同——WorMa侧重宏观尺度下的质量迁移调控,NCSU系统聚焦微观尺度的弹性势能释放与结构耦合——但共同指向一个趋势:未来软体机器人将更多依赖“机械智能”而非纯算法智能。这种设计不仅降低对计算资源与能源供给的依赖,也提升了在极端或通信受限环境中的鲁棒性。

WorMa的潜在应用场景包括海岸带生态监测、湿地巡检、洪水灾害评估及水下设施检查等。尽管当前尚处原型阶段,但其展示的跨介质通行能力为复杂环境作业机器人提供了新范式。研究人员指出,后续工作将聚焦于缩短重心调整周期、集成环境感知模块,并探索在非结构化自然地形中的自主导航可行性。

需要强调的是,此类机器人并非追求速度或载荷极限,而是探索如何以最低复杂度实现多功能适应。在能源受限、通信中断或高风险区域,简化驱动与控制逻辑反而成为优势。随着材料科学与微流体技术的进步,类似“内部质量重分配”机制有望拓展至更大尺度平台,甚至启发新型航天着陆器或深海探测器的设计思路。

短期内,WorMa仍将作为科研平台用于验证波动运动与重心调控的耦合规律;长期看,其设计理念可能催生新一代环境适应型服务机器人,尤其适用于人类难以频繁进入的潮间带、溃坝区或污染水域。技术成熟度虽有限,但其揭示的物理原理具有普适价值——在机器人领域,“聪明”的不一定是算得快的,也可能是动得巧的。