驱动它前进的核心“人工肌肉”，能拉起约为自身重量 80 倍的重物。

它能地面上滚动前进，一进入水里，就自动展开“鳍”，切换成划水推进模式。它不需要复杂的传感器和多驱动器控制，而是直接利用环境刺激完成被动适应。

更厉害的是，鳍展开后，它的游泳速度可提升 780%。

近日，来自加州理工学院的研究团队开发出一种两栖软体机器人AdaptBot。它结合光驱动人工肌肉、快速大膨胀水凝胶和棘轮传动结构，在陆地、水中以及交界环境中实现多模态运动。这项研究发表在最新一期PNAS上。

01.

机器人为什么很难像动物一样“见环境就变形”？

移动机器人已经越来越多地被用于物流、家庭服务、生态监测和极端环境探索等场景。问题在于，现实世界的环境往往并不单一。陆地、水域、湿地、坡面，甚至它们之间的过渡区域，对机器人的结构和运动方式提出了完全不同的要求。

但现在的大多数机器人，本质上仍然依赖固定形态。它们通常只能在某一类环境中表现良好，一旦进入另一种介质，效率就会迅速下降。虽然仿生学早就告诉我们，自然界中的两栖动物会通过脚蹼、肢体和推进表面的变化来适应水陆切换，但把这种能力真正转化到机器人上并不容易。

更关键的是，现有大多数“可适应机器人”依赖的是主动机制，也就是依靠传感器、控制系统和额外驱动器来改变形状。这种方案虽然强大，但系统复杂、能耗高、硬件负担重。相比之下，能直接借助环境刺激完成形态变化的被动适应机器人仍然很少。

AdaptBot 想解决的，正是这个问题。

02.

一台会“自己切换模式”的两栖软体机器人

AdaptBot 的核心思路很直接：不是让机器人“感知后再决定如何变形”，而是让环境本身直接驱动它的形态变化。

整个系统由三部分组成：

第一部分，光驱动人工肌肉 PAM

研究团队使用液晶弹性体与碳纳米管复合材料，3D 打印出一种光热人工肌肉。它在近红外光照下会收缩，冷却后又恢复原状，从而为机器人提供往复驱动力。实验中，该人工肌肉最大应变可达44%，驱动应力达到0.16 MPa，并在100 个循环中保持稳定输出。

第二部分，快速大膨胀水凝胶 FLASH

这是 AdaptBot 实现“遇水变形”的关键。FLASH 在接触水后迅速膨胀，1 分钟内长度就能翻倍，最终膨胀比约 227。它被安装在轮毂和鳍之间，一旦入水，水凝胶膨胀就会把鳍向外推出；离开水后，随着失水收缩，鳍又逐渐收回。

第三部分，棘轮传动系统

人工肌肉本质上只会“拉一下、松一下”，但机器人需要持续前进。为此，研究团队设计了一套齿轮与齿条组成的棘轮机构，把 PAM 的往复运动转化为轮子的单向转动，实现“收缩时前进、放松时不后退”的推进效果。

这三部分组合在一起，让 AdaptBot 拥有了一个非常有意思的能力：

在陆地上，它像轮式机器人一样滚动；进入水中后，它不需要额外控制，鳍会自己展开，切换成划水推进。

03.

遇水展开“鳍”，推进力直接变 8 倍

为什么这个设计有效？

答案在于推进表面积。

研究中，作者给出了一个非常清晰的分析：当鳍展开后，叶片的有效长度大约翻倍，而推进力与长度的三次方相关，因此单个叶片的推进力理论上可以提升到原来的8 倍。

数值仿真也证实了这一点。展开后的轮子在水中能推动更大体积的流体，局部流速更高，叶片表面的压强也更大，因此能够产生更强的水动力推进。

这不只是理论推导。真实实验中，AdaptBot 在鳍未展开时，水中平均速度约为0.16 mm s⁻¹；鳍被动展开后，平均速度提高到1.4 mm s⁻¹，提升约7.8 倍，也就是780%。

对于一个只用单个驱动器、同时还要兼顾陆地滚动、水中划水、爬坡和拖载能力的两栖软体机器人来说，这个结果很有说服力。

04.

不只是会游，它还能滚、爬、拖，还能在湿地和沙地上走

论文展示的不是一个只能在实验水槽里“会动一下”的机器人，而是一台真正具有多模态运动能力的平台。

实验中，AdaptBot 可以：

• 在平地上滚动前进

• 在 17.8° 坡面上实现爬坡

• 在水中通过划水推进

• 拖动达到自身体重6 倍的负载

• 在湿地、潮湿地面和沙地等复杂地形上运动

其中一个很有意思的细节是，研究团队还通过更换不同轮子模块来增强机器人对不同地形的适应能力。例如，为了在松散地表上获得更强抓地力，他们采用了类似工业车辆paddle tire的高牵引轮胎纹路，使机器人在沙地、湿地等环境中的滚动表现更稳定。

也就是说，AdaptBot 的环境适应性并不只来自“遇水自动展开鳍”这一种被动机制，还来自于其模块化机械设计。

一方面，它依靠环境触发自身形态变化；另一方面，它又可以通过更换部件进一步适配不同地形。

05.

这项工作的意义，不只是做出一个会游会爬的小机器人

这篇工作的真正价值，在于它给出了一种新的机器人设计思路：

让环境本身参与驱动机器人的结构变化。

过去，机器人为了适应环境，往往需要更多传感器、更多驱动器、更复杂的控制算法。而 AdaptBot 所展示的是另一条路线：通过材料与机构的协同设计，让“见环境就变形”这件事本身成为机器人的能力。

作者在文中指出，这种被动适应策略尤其适合资源受限、环境复杂、跨介质过渡频繁的场景，例如生态监测、复杂地形巡检，甚至极端环境探索。虽然目前系统在速度、热管理和更高动态扰动环境下仍有提升空间，但它已经展示出一种很有潜力的方向：

未来的机器人，也许不需要时时刻刻“算”怎么适应，而是可以通过材料和结构，天然地“顺着环境去适应”。

论文链接：

https://www.pnas.org/doi/full/10.1073/pnas.2532988123