耶鲁大学全开源张拉整体机器人，撞不烂、摔不碎，还能自主走位！

传统的具身智能载体，无论是四足机器狗还是昂贵的人形机器人，在面对坠落、撞击或非结构化地形，如沙地、草地时，脆弱的刚性关节和减速机往往抗冲击的薄弱环节。

最近，耶鲁大学和罗格斯大学的研究团队在权威期刊《IEEE Robotics and Automation Letters 》上发表了一项新成果，他们展示了一套完整的全开源张拉整体机器人，不仅硬件便宜耐造，还能在斜坡、沙地、甚至户外自主导航。关键是，该系统可复选，别人照着图纸也能造出一模一样的。

01.

杆子+绳子，反而更稳？

传统的机器人，不管是轮式的还是腿式的，最怕的就是摔。但张拉整体机器人恰好相反，它天生就是“软”的。它的结构由刚性杆和弹性绳索组成，受力时会发生形变，把冲击能量分散掉。这种机器人具有自重轻、高抗冲击性、对非结构化地形适应性强的特点。

具体到这款机器人，它用了3根刚性杆，每根杆的两端各有一个电机和电池舱，杆与杆之间通过9根“肌腱”连接。其中6根是主动的，由电机驱动，另外3根是被动的恢复弹簧。每根主动肌腱上都集成了电容式应变传感器，可以实时测量长度变化，实现闭环控制。

整机重量和尺寸论文没有直接给一个数字，但从设计图看，每根杆大概30-40厘米长，电机、电池、PCB全部塞在杆子里，结构非常紧凑。

有意思的是，每根杆都是一个独立的电子单元，自带Arduino Nano 33 IoT、电机驱动、LiPo电池和WiFi模块。这意味着你可以把这3根杆拆开重新拼成其他拓扑结构，模块化程度很高。

02.

怎么让它自己找路？

张拉整体机器人的动力学非常复杂，传统的运动学模型很难精确描述。为了解决这个问题，团队采用“离线建模+在线重规划”方法。

他们先手工设计了几种“步态”，比如向前滚动、顺时针转弯、逆时针转弯。然后让机器人在真实环境中执行这些步态，同时用顶部的静态相机（Intel RealSense L515）和机载应变传感器来追踪位姿。这些数据被用来训练一个可微分物理引擎，优化出最匹配真实运动的系统参数，包括摩擦系数、恢复系数、鲍姆加特稳定系数等。

优化完成之后，就可以在仿真中跑了。运动基元库共生成11种运动基本单元，每种基元对应一个固定的控制序列（一组6根肌腱的目标长度），执行完后机器人会落到一个新的位姿。

有了这个运动基元库，路径规划就变成了一个离散图搜索问题，每个节点是机器人的一个位姿，每条边是一个运动基元。

03.

开环不行，闭环才行

研究团队对比了开环和闭环两种控制方式的成功率。

开环控制就是一次规划好整条路径，然后让机器人按规划执行到底。结果在10次实验中，只有1次成功到达目标，另外3次直接撞上障碍物，还有6次中途就卡住、没能滚到终点。

为什么这么惨？因为运动基元的实际执行效果和模型预测总有偏差，一次偏差不大，但多次累积下来，机器人就偏到不知道哪里去了。

闭环控制就好多了。每执行完一个运动基元，就重新规划一次。相机以 7Hz 的频率实时追踪位姿，规划器根据当前位置重新计算下一步。10次实验中，8次成功到达目标，2次撞到障碍物，没有出现半路卡死的情况。

这种闭环控制方案规划一次的平均耗时大约是 0.5 秒，对实时控制来说足够了。

04.

37cm坠落重生到跨介质地形导航

张拉整体机器人最让人兴奋的特点是它的鲁棒性。研究团队做了几个“毁模型”的实验，非常有意思。

• 垂直跌落

机器人从一个37厘米高的台架上执行第一个动作，直接滚落下来。这个高度远超过它的自身尺寸，落地后的位姿和模型预测完全不一样。但位姿追踪器成功捕捉到了新位置，重规划器立刻生成了一条新路径，机器人继续完成任务。

• 斜坡

在一个8° 的木制斜坡上导航。运动基元是在平地上建模的，在斜坡上执行出来的变换完全不一样。而且斜坡的颜色还干扰了视觉追踪，中间有一段位姿估计不太准。但最终机器人还是成功翻过了斜坡，完成了整个障碍物赛道。

• 颗粒介质

在一个装满颗粒状介质的沙盘里跑。机器人在沙地上的运动特性和平地完全不同，物理引擎的预测基本失效。但闭环控制仍然有效，每走一步就重新规划，最终也成功到达了目标。

• 户外

团队还把机器人搬到了室外。因为室内的激光雷达相机（L515）在阳光下没法用，他们换成了立体相机（D435），重新标定了一下颜色滤波器的参数，然后让机器人在草地上绕着障碍物跑了一圈，结果很成功。

此外，研究团队里还做了两个仿真实验，分析障碍物密度和环境大小对规划的影响。

当障碍物数量从1个增加到6个时，成功率在5个障碍物以下都是100%，到6个时降到了90%。规划搜索的状态数从166增加到478，但每次规划的时间反而没什么变化（0.85秒左右），因为主要的计算开销是启发式函数，占了平均0.768秒。

当仿真环境从4米×4米扩大到10米×10米时，一次重规划的时间从约2.4秒增加到近16秒。团队建议，在超大空间中引入中间目标点或检查点，把长路径拆成多段，可以有效降低计算压力。

05.

全开源，按图纸可以造出一样的

这项研究的一大卖点是可复现性。团队专门设计了一个开源版本的硬件，所有设计文件（CAD）、电路图、BOM清单、装配说明，以及整套ROS软件包都可以在tensegrity.yale.edu网站上获取。

更硬核的是，他们找了两个不同的实验室，各自独立照着图纸造了一台机器人，然后跑到同一个测试场景里跑导航实验。结果呢？都能成功完成任务，而且用的还是同一套运动模型，没有针对新机器人重新做系统辨识。

这就说明了两件事：第一，这套硬件确实能复现；第二，闭环控制可以弥补不同机器人之间的个体差异。

06.

有什么用？

张拉整体机器人目前最大的应用场景是极端环境下的探测，比如行星探测、灾害搜救、管道巡检。因为它耐摔、轻便、能适应各种复杂地形。

这项工作的最大贡献，其实是提供了一个开源的、完整的、可复现的导航基线。以后其他研究者想在这个方向上前进，不用再从零开始搭硬件、写控制、调参。直接用这套系统，然后专注于自己的创新点，比如动态障碍物避障、机载感知、多机器人协作等等。

论文最后也提到了未来方向。目前假设障碍物是静态的，下一步可以支持移动障碍物；目前依赖外部相机，未来可以集成机载传感器，比如UWB或深度相机，实现完全自主。

论文链接：

https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=11474858