先“掰手腕”练肌肉,再游泳创纪录!新加坡国立大学造出全球游得最快的骨骼肌驱动机器人

Dabaoo2026-03-271242机器人技术及应用

一块人工培养的小鼠肌肉,经过七天“掰手腕”式自训练,收缩力暴涨到7.05mN。这个数字,是同类C2C12肌肉驱动器的最高纪录。当这块肌肉被装进一个只有30毫米长的双尾游泳机器人身体里,它游出了467毫米/分钟的速度,相当于每秒15.6倍体长。

这是《自然通讯》(《nature communications》)刚刚发表的一项研究,来自新加坡国立大学设计与工程学院机械工程系研究团队的工作。



 

他们不是简单地把肌肉当作生物电池塞进机器人,而是从头设计了一套让肌肉自己变强的训练系统,再用数学模型精确指导机器人的每一个设计参数,最终造出了目前骨骼肌驱动生物混合机器人中游得最快的一个。

01.

肌肉“健身房”:让细胞学会自我较劲

生物混合机器人的核心瓶颈很简单:力气太小。

过去用C2C12小鼠成肌细胞造的人工肌肉,主动力通常不到1毫牛。推推微小的结构还行,想驱动机器人快速移动,基本是奢望。

那怎么让肌肉变强?和人类健身一个道理,练它。机械刺激能促进肌管排列和功能成熟,这是学界共识。

但这个团队的做法有点不一样。他们没有用外部的拉伸装置,也没有施加周期性的电刺激,而是让两块肌肉互相训练。

他们观察到,C2C12肌肉组织在分化早期(第3到7天)会自发地、不受控制地收缩,7天后,自发收缩逐渐减弱,到第14天几乎检测不到。这在传统培养中是个麻烦,但在这个研究里,它变成了免费的动力源。



 

研究团队把两条肌肉面对面固定在一个特制平台上,中间用滑动块连接。一块肌肉自发收缩时,会拉动另一块肌肉使其拉长;另一块收缩时,又反过来拉动第一块。就这样,肌肉之间形成了一个自主的、持续的、互相对抗的训练循环,完全不需要外部干预。有点像掰手腕,但不是两个人较劲,而是自己的左胳膊和右胳膊互搏。


自训练机制
 

 

经过7天的自训练,这些肌肉发生了肉眼可见的变化。肌管排列更整齐、纤维更粗壮,甚至出现了清晰的肌节横纹,这是肌肉高度成熟的标志。

功能测试更是惊人。在20赫兹电刺激下,最大强直收缩力达到7.05mN,应力8.51mN/mm²,原文明确指出,这个数值显著超过了此前报道的生物混合机器人的数值。

02.

肌肉“说明书”:把生物学算进工程里

有了强壮的肌肉,下一步是把它装进机器人。但这不是拧螺丝那么简单。肌肉的收缩是非线性的、动态的,受长度、速度、激活水平多重因素影响。如果随便配一根尾巴,很可能肌肉再强也发挥不出来。

很多生物混合机器人研究把肌肉近似成线性弹簧,简单但粗暴。这个研究团队选择了一条更麻烦但更精确的路,他们给这块肌肉写了一本“说明书”。建立了一个基于生理学的收缩模型,模拟了从电刺激输入到力输出的完整链条。

这本“说明书”的作用是,在设计阶段,就能在电脑上预测肌肉在不同肌腱刚度、不同刺激频率下会输出多少机械功。

模型跑出来的结果很有意思。肌腱刚度和刺激频率之间存在一个匹配区。太软的尾巴,变形大但恢复力不足,无法完成有效周期;太硬的尾巴,根本甩不动。只有在某个中间刚度范围内,配合恰当的刺激频率,肌肉的每一次收缩才能输出最大的功。

这个模型还揭示了一个反直觉的现象,较软的肌腱适合较低的刺激频率,较硬的肌腱则需要更高的频率才能发挥最佳性能。

03.

速度之王:能游15.6倍体长/秒

基于模型的预测,团队设计了OstraBot,一个长约30毫米的双尾游泳机器人。灵感来自箱鲀的“介形游泳”,身体保持刚硬,只用尾鳍摆动产生推力。这种设计机械结构简单、能量效率高,很适合生物混合驱动。


基于模型的生物混合 OstraBot 设计
 

 

他们把经过7天自训练的肌肉安装进机器人,并用模型推荐的参数进行调试。结果没有让人失望。


不同肌腱刚度和刺激频率下 OstraBot 的游泳性能
 

 

在3赫兹电刺激下,OstraBot机器人双尾开始规律摆动,推动它在水中快速前进。最高速度达到467毫米/分钟,换算成体长,相当于每秒15.6倍自身长度。这个数字显著优于先前报道的骨骼肌驱动的生物混合机器人,是目前报道的最快运动速度。



 

速度之外,OstraBot的可控性同样出色。通过调节电场强度,可以精细控制游泳速度。强度太低推力不足,太高则因过度刺激导致性能下降,存在一个最佳区间。

团队还搭建了声控系统。两次连续拍手启动游泳,一次拍手立即停止,响应非常干净。值得注意的是,肌肉在早期发育阶段的自发收缩,整合到机器人后变得随机且幅度极低,不会干扰外部控制。



 

04.

结语

这项研究的价值,不止于造出一个游得飞快的机器人。

自训练平台提供了一个简单、可扩展的“肌肉健身房”,利用细胞自发的收缩活动完成机械训练,不需要专用设备,不依赖人工干预。这个方法可以轻松应用于原始骨骼肌组织,从而获得更大的力输出。

基于生理学的收缩模型则为生物混合机器人提供了一个通用的设计工具。未来,它可以扩展到多肌肉系统、复杂骨骼结构、高自由度驱动的场景,让生物混合机器人的设计从试错走向计算。

当肌肉不再是弱不禁风的短板,而成为可以设计、可以计算、可以优化的核心动力源时,生物混合机器人这个领域,或许才刚刚开始。

 

论文链接:https://www.nature.com/articles/s41467-026-70259-9