鱼鳍和昆虫翅膀是令人惊叹的自然工程，能够高效地在水或空气中帮助动物移动。一直以来，人类都把这些动物作为制造游泳或飞行机器的模型，从而设计出带有翅膀的飞机和带有鳍舵的船。在过去的几十年里，加州理工学院（Caltech）的研究人员一直在探索仿生工程，以了解其它自然形式的运动能否为机械工程提供信息。

据外媒报道，加州理工学院研究人员于7月3日在期刊《皇家学会界面杂志》（Journal of the Royal Society Interface）发表了最新研究，开发出能够像受伤的鱼或昆虫一样适应环境的机器人，论文题为《仿生补偿策略对扑翼机器人推进器损坏的影响（Bio-inspired compensatory strategies for damage to flapping robotic propulsors）》。

图片来源：《Journal of the Royal Society Interface》

许多动物利用扑翼作为推进手段，同理，配备了扑翼器的机器人也能有效地推进自己。但是，动物界的扑翼动物（这里指鱼和昆虫）还有另一个诀窍。即使翅膀或鳍受损，这些动物也能通过调整运动机制来进行补偿。一些鱼类在鳍受损高达76%的情况下仍能存活和游动。

扑翼机器人能实现同样的壮举吗？这是Mory Gharib实验室进行研究时所提出的问题。Gharib是汉斯·W·利普曼航空与医学工程教授（Hans W. Liepmann Professor of Aeronautics and Medical Engineering）、加州理工学院自主系统与技术中心（CAST）主任兼Booth Kresa领导主席，以及研究生航空航天实验室（Graduate Aerospace Laboratories at Caltech）主任。

Gharib与航空航天研究生Meredith Hooper和机械与土木工程博士后研究员Isabel Scherl一起分析了扑翼机器人在油箱中的运动，由于信噪比较高的缘故，油箱比水测量更加准确。然后，研究人员截掉了机器人的一部分扑翼器。

推进适应的机器学习

如果没有人为干预，机器人将始终在油箱中无效地扑动，失去游泳能力。但除了仿生推进之外，研究人员还对机器人进行了仿生适应。鱼类和昆虫在受伤后会试图以新的方式推动自己，并一直尝试直到找到可以使它们恢复完全活动的推进机制（stroke mechanics）。

为了模仿这一点，研究人员对机器人进行了编程，使其对各种推进机制进行重复试验，然后通过机器学习进行评估。最终，机器人能够像受伤的鱼或昆虫一样，即使扑翼器被截去50%，也能找到一种成功的替代推进方式。

Hooper解释道：“机器人尝试了10种不同的游泳方式。与此同时，我们测量了它在油箱中游泳时的力，以比较不同游泳方式力的产生和效率。机器学习算法可根据它们产生力的程度来选择最佳候选轨迹。然后，该算法基于前一组轨迹，得出新的10条轨迹。这种学习过程反复进行——评估、修改和创造——直到最佳候选轨迹几乎相同，在产生既定力量的情况下学会最高效的游泳动作。”

实践中的推进适应

目前的自主机器人只有在没有损坏或故障的情况下才能自主运行。赋予机器人机制通过机器学习来适应变化的能力，能够有效提升其自主性能。

正如Hooper所说：“提供关于海洋如何运作、深海存在什么、人类活动如何扰乱海洋动态等关键信息的自主式水下航行器（AUV）建造和部署成本非常高。如果AUV的推进系统在人类无法进入的区域发生故障，没有这种适应手段，那它基本上就会变成海洋垃圾。我们的发现能增加AUV成功完成任务并被回收的概率。”

Hooper表示：“通过机器学习的适应性还可以改善微型飞行器（MAV）的功能，在地震后搜寻被困人员等紧急响应场景中，微型飞行器可以在复杂地形的小缝隙中导航。这种地形使MAV在搜寻过程中更可能受损。因此，我们的发现可以使MAV更坚固地部署在可能更易受损的环境中。”

尽管实验机器人和动物都可以通过修改它们的推进机制来适应损伤，但它们做出的修改并不相同。理论上，在所有情况下，扑翼器（或鳍或翅膀）应该改变幅度和频率，以在损坏后实现最佳推进。但大多数关于鳍损伤鱼类的研究表明，鱼类会增加其划水的幅度，而不一定是频率来补偿，而机器人则会对两者进行修改。

Hooper解释道：“这很可能是由于进化压力对鱼类和昆虫的影响，而这些压力与机器人用例无关。扑翼机器人最有效地适应损伤的方法不一定要模仿自然。”