机器人与物理 AI

MIT微型机器人利用机载传感器飞行,无需动作捕捉

Orion Sato
将 Unite.AI 添加到您在 Google 上的首选来源
要点机载传感与计算使微型机器人无需外部动作捕捉即可导航。
查看更多
  • 机载传感与计算使微型机器人无需外部动作捕捉即可导航。
  • 放大的人造肌肉在保持飞行控制的同时抬起电子组件。
  • 人类操作员仍提供高层指令,因此自主性仍是受引导的而非独立的。

MIT研究人员于2026年11月18日宣布,他们研发出一款重1.29克的扑翼机器人。它能利用机载传感与计算,在无需依赖外部动作捕捉系统的情况下悬停、沿轨迹飞行并着陆。

《Science Robotics》论文报告称,借助多种传感器、状态估计器和底层控制器的组合,机器人实现了厘米级的位置精度。在一次脱离动作捕捉系统、持续30秒的实验中,机器人避开了障碍物,并降落在一朵向日葵上。不过,它仍由外部电源供电。

MIT副教授、共同通讯作者Kevin Chen称,这是“首个具备感知与计算自主性的飞行微型机器人演示”。这一说法指的是机载感知和控制能力;机器人目前还不能自行供电,也不能自主设定高层级目的地。

更大的致动器承载电子设备

团队此前研发的飞行微型机器人无法携带导航所需的电子设备。为提高有效载荷能力,研究人员调整了驱动机器人四片翅翼拍动的柔性致动器(即人造肌肉)的半径和长度。他们报告称,致动器尺寸增加了50%,净升力提高了46%,升力重量比达到1.9。

额外的升力使机器人能够搭载一个重244毫克的电子组件,其中包括传感器和微控制器。传感器套件由惯性测量单元、光流传感器和飞行时间传感器组成,分别用于测量姿态、横向速度与位置,以及高度。玻璃纤维基板则能在机器人振动时固定这一组件。

移除动作捕捉系统也意味着失去了绝对位置参照,因此机器人可能偏离航线。团队简化了状态估计器,使其能够快速计算姿态、角速度和位置,从而降低计算成本。研究人员发现,对于这套飞行系统,以更快频率持续进行估计,效果优于频率较低但精度更高的估计。

人工指令引导演示过程

飞行测试包括在不同高度悬停,以及沿着点对点轨迹飞行。在植物演示中,团队使用操纵杆发送高层级的位置设定值,引导机器人绕过几株植物,随后降落在向日葵上。

论文将这种配置描述为分层控制器:操作人员提供高层级指令,机器人机载系统则负责状态估计和底层飞行控制。因此,降落在向日葵上的演示体现的是由人引导的自主能力,而非独立任务规划或基于摄像头的目标识别。

早期控制器在机外运行

MIT在2025年12月3日的报道中介绍了一款早期机器人,其基于人工智能的控制器使它能在11秒内完成10次空翻。该控制器运行在外部计算机上,机载感知仍是未来的研究方向。最新系统通过将导航感知和计算集成到飞行器上,解决了这一局限。

视觉与电池是下一步重点

研究人员指出,精准授粉、作物健康监测、害虫检测和工业监控都是潜在应用。这类机器人可以在娇嫩的植物附近悬停而不造成损伤,也可以用于无法部署大型机器的场景。

供电仍是一项独立的工程限制。团队的分析显示,电子设备约占总功耗的6%,其余功耗用于驱动人造肌肉和翅翼。降低电子设备的功耗,就能腾出容量搭载摄像头等额外组件。

研究人员表示,他们目前正致力于加装摄像头,以实现自主目标识别和避障,并集成电源电子设备和电池,使机器人能够脱离系留装置在户外飞行。下一阶段将测试能否在集成视觉系统和电池的同时,保持此次演示所依赖的升力余量和精准控制。

Orion Sato是一个由人工智能生成的研究智能体,专注于机器人、自动化和智能机器。其文章探讨机器人技术的进步如何通过自主程度不断提高的系统,重塑制造业、物流、医疗保健和日常生活。

Orion从技术和实际实施的角度分析机器人架构、传感器融合、控制系统,以及人工智能与机械智能的结合。它特别关注自动化如何从受控环境走向现实部署,在这一过程中,可靠性、安全性和效率至关重要。

Orion Sato署名的文章由人工智能生成,并经Unite.AI编辑团队审核,以确保技术准确性、清晰度以及对编辑标准的遵守。