‌北卡罗来纳州立大学‌尹杰团队PNAS：物理智能，让软体机器人实现蛙跳与蛙泳！

如果一个软体机器人只能跳一次，它是一个“跳跃机器人”；但如果它能够自发储能、起跳、落地、自我恢复，并再次起跳，那么它所展现的就不再只是简单的驱动能力，而是一种更加接近生物的自主运动能力。

青蛙可以连续跳跃穿越复杂地形，也可以从陆地跳入水中、在水面游动，再返回陆地。这样的运动能力，很大程度上来自身体本身——肌肉、骨骼、关节以及材料和几何结构共同完成了能量储存、释放、姿态调节和环境适应。

那么，能否让一个软体机器人也具备这样的“身体智能”？

北卡罗来纳州立大学尹杰研究团队近日提出了一种基于物理智能（physical intelligence）的连续跳跃软体机器人。研究人员没有采用复杂的机械锁扣、传感器和实时控制系统，而是将结构智能与材料智能结合起来，让机器人自身的几何结构和光响应材料完成储能、释放、跳跃、空中恢复和再次储能，从而在持续光照下实现自主、连续跳跃。

相关成果以“A self-resetting soft ring for autonomous, continuous leaping in unstructured environments”为题发表于美国国家科学院院刊Proceedings of the National Academy of Sciences。团队第一作者为漆方杰博士，其他合作者有周才植、清海涛、孙昊泽和洪尧烨。

连续跳跃，难在哪里？

让软体机器人跳起来并不困难，真正困难的是让它一直跳下去。

传统跳跃机器人通常需要经历“储能—释放—起跳”的过程。第一次跳跃完成之后，机器人必须重新恢复到起跳状态，才能进行下一次跳跃。对于许多现有软体跳跃机器人而言，这个“重新储能”的过程往往需要外部干预：人工重新设置形状、周期性调节光照、施加电刺激，或者通过机械锁扣重新建立初始状态。

而连续跳跃还面临另一个关键问题：落地以后，机器人还能不能重新起跳？跳跃过程中，机器人需要同时处理储能、快速释放、空中姿态、落地碰撞和下一次起跳。如果每一个环节都依赖传感器和控制器，那么系统就会迅速变得复杂。更何况真实环境并不是平整的实验室地面。草地、沙地、碎石、坡面和障碍物都会让机器人经历不可预测的碰撞。如果一次落地不理想就翻倒或者卡住，那么再强的跳跃能力也无法实现真正意义上的连续运动。

这也引出了一个核心问题：能不能不依赖复杂的控制系统，而是让机器人自己的身体完成连续跳跃所需要的控制？答案可能就在“物理智能”中。

环形身体智能实现连续“蛙跳”

所谓物理智能，可以简单理解为：把一部分原本需要传感器、控制器和算法完成的功能，直接编码到材料和结构中。对于这项工作而言，研究人员并没有设计复杂的机械系统，而是采用了一个非常简单的组合：一个光响应液晶弹性体（LCE）环 + 一个三角形刚性尾部（图1）。看似简单，却形成了一个完整的自主运动循环。持续光照下，LCE环发生光热响应并逐渐扭转，将能量储存在软体结构中。当扭转达到一定程度后，结构发生快速失稳，刚性尾部快速旋转并撞击地面，将储存的弹性能量瞬间释放，推动机器人起跳。

图1:连续“蛙跳”软体环机器人设计原理及展示

然后，最关键的一步发生了：机器人在空中自动解扭，并恢复到接近原始形状。也就是说，机器人并不需要人工把它“拧回来”。一次跳跃本身就完成了下一次跳跃所需要的“复位”。于是，一个简单的环形结构就形成了完整的自主循环：光照 → 扭转储能 → 突然释放 → 尾部撞击地面 → 起跳 → 空中解扭 → 形状恢复 → 落地 → 再次储能。

这实际上是一种嵌入机器人身体内部的机械控制回路。没有复杂的机械锁扣，没有外部时序控制，也不需要每次跳跃之后人工重新设置。

环形结构如何实现“储能—释放—复位”？

环形结构的关键在于扭转和几何约束之间的耦合。在光照下，LCE材料产生主动扭转。由于尾部和环形身体之间的几何约束，扭转并不是简单地发生在一个平面内，而是伴随着复杂的弯曲和空间变形。随着扭转增加，结构不断积累弹性能量。最终，系统达到一个临界状态。此时，原本缓慢积累的弹性能量会在极短时间内释放，引发快速snap-through（突跳），使尾部迅速旋转并撞击地面。实验观察显示，这一过程中储存的弹性能量会快速转化为动能，并驱动机器人完成起跳和空中旋转。

研究人员进一步建立了Cosserat rod理论模型，对环形软体结构的扭转、弯曲和snap-through过程进行描述（图2）。理论模拟能够再现实验中观察到的关键过程：扭转储能 → 高能量状态 → 突跳 → 动能峰值 → 起跳。进一步结合地面接触和摩擦的数值模拟，模型还能够复现机器人完整的运动过程，包括：扭转、突跳、离地、飞行、旋转、空中复位以及落地。

这说明机器人看似简单的连续跳跃，并不是一个偶然产生的运动现象，而是由材料响应、结构几何和接触动力学共同形成的可预测物理机制。

图2:理论模拟揭示突跳能量释放以及从地面跳跃过程

一张“相图”，揭示机器人到底会怎么跳

机器人并不是只有一种跳法。研究人员通过系统改变环形结构的几何参数，建立了机器人的多模态运动相图（图3）。随着环形长度、尾部绑定角度以及质量分布的改变，机器人可以表现出不同的运动模式，包括：爬行；垂直跳跃；水平定向跳跃；不同程度的旋转和翻转。这说明，机器人的运动模式并不是通过软件逐一设定的，而是由其几何参数和材料力学特性共同决定。

这也体现了物理智能设计的一个重要优势：改变几何结构，就相当于改变了机器人的“运动程序”。

图3: 多模态运动相图：爬行；垂直跳跃；水平定向跳跃；不同程度的旋转和翻转。

研究人员进一步发现，通过调节机器人的重心位置，还可以显著改善跳跃稳定性。在某些几何构型下，机器人虽然具有较高的储能和强大的起跳能力，但在空中容易发生翻转，导致落地姿态不稳定。通过在机器人头部增加配重，使重心向前移动，可以有效抑制空中翻转，使机器人从原本的不稳定跳跃状态转变为更加稳定的定向连续跳跃（图4）。

由此形成了一条非常直观的设计路径：几何参数决定能量与运动模式 → 质量分布调节空中姿态 → 实现稳定连续跳跃。

图4: 调节重心位置改善跳跃稳定性

利用碰撞实现从“会跳”到“会跨栏”

如果机器人只能在平地上连续跳跃，它距离真正的自主机器人还有很远。研究人员进一步测试了机器人在复杂障碍环境中的表现。在跨栏实验中，机器人可以连续跳过多个障碍。但更有意思的是——如果撞上栏杆，它也可以自我调节成功跨越（图5A-B）。

图5:通过碰撞实现自适应避障

当机器人以不同角度撞击障碍物比如一堵高墙时，软体身体会发生变形，并与障碍物产生复杂的接触和反作用力，通过三种自适应方式来自主避开障碍物（图5C-5G）：（1）机器人会翻转并改变运动方向；（2）机器人会暂时被困在障碍物和地面之间，然后通过下一次尾部撞击重新获得脱困的动力；（3）机器人会发生反弹。更重要的是，软体结构允许机器人通过碰撞重新调整自身状态。也就是说，它不是简单地“抵抗碰撞”，而是能够利用碰撞产生的力改变自己的运动。

这是一种非常典型的物理智能：环境本身成为机器人运动系统的一部分。机器人不需要提前知道栏杆的精确位置，也不需要计算碰撞后的每一个瞬间应该如何控制。软体结构和环境之间的相互作用，自然地产生了自适应响应。

走出实验室：草地、沙地、木屑和碎石

研究人员进一步将机器人放到更加真实的自然环境中。在草地、湿沙、木屑、碎石等不同地形上，机器人都表现出连续跳跃运动能力（图6A-6C）。它还能够跨越高度超过自身5倍身体高度的障碍和复杂柱状障碍环境（图6D），以及在30°的坡面上连续跳跃（图6E）。

图6:自主连续跳跃跨越自然环境以及模拟复杂非结构环境

这些实验说明，这种物理智能并不依赖一个“完美的实验室地面”。相反，机器人的柔顺结构、对称几何以及自复位机制，使它能够容忍一定程度的落地误差和碰撞扰动。这对于未来的小型自主机器人非常重要。因为在真实自然环境中，不可能每一次落地都恰好落在理想位置。一个真正能够进入野外环境的机器人，需要的不是完美控制，而是容错能力和自适应能力。

同样的身体智能，还能实现蛙泳

如果连续跳跃是第一种运动模式，那么研究团队还进一步探索了第二种模式：游泳（图7）。这背后的灵感来自青蛙。青蛙能够利用高度协调的身体运动，在陆地上跳跃，在水中游动，并在水陆之间不断切换。

研究人员在环形机器人上进一步进行疏水处理和结构优化，使其能够漂浮在水面。在持续光照下，环形身体依然发生周期性扭转，而延长后的尾部则像船桨一样推动水体，使机器人向前游动。当机器人到达陆地边缘后，尾部的快速运动又可以提供足够的推进力，使机器人突破水面张力，从水中返回陆地并再次起跳。

于是，同一个基本机制可以实现：跳跃 → 入水 → 游泳 → 出水 → 再次跳跃。从陆地到水面，再从水面回到陆地，机器人展现出了一种连续的两栖多模态运动能力。

图7:多模态两栖运动：从陆地到水面再到陆地

总结与展望

这项工作的意义，可能并不只是机器人可以连续跳得有多高、跨得有多远。更重要的是，它展示了一种不同的机器人设计理念：不再让控制器承担所有智能，而是让身体承担一部分智能。传统机器人通常遵循：传感器 → 控制器 → 执行器 → 运动。而这种软体机器人的思路更接近：材料 + 几何结构 + 环境相互作用 → 自主运动行为。通过材料响应实现主动变形，几何结构实现能量储存和释放，对称性实现自复位，软体与环境的接触实现碰撞适应。最终，一个结构非常简单的机器人，就可以完成过去需要复杂控制系统才能实现的一系列运动。

未来的软体机器人可能不一定需要越来越多的传感器、执行器和控制算法。相反，可以利用材料与结构智能，让机器人身体本身承担更多的计算和控制功能，从而实现软体机器人从“可变形机器”走向“具有物理智能的自主机器”。如果这种设计理念能够进一步与可编程材料、可变刚度结构、微型传感器和无线能源系统结合，那么未来有望出现一类更加简单、低功耗、具有高度环境适应能力的自主软体机器人。它们可以在草地、沙地、岩石、水面甚至更加复杂的自然环境中自主运动，并通过自身的物理智能完成能量管理、姿态调整和障碍适应。

论文信息：

F. Qi, C. Zhou, H. Qing, H. Sun, Y. Hong, J. Yin, A self-resetting soft ring for autonomous, continuous leaping in unstructured environments , Proceedings of the National Academy of Sciences 123 (34), e2607940123 (2026). DOI: https://doi.org/10.1073/pnas.2607940123