最简单的机器人集群竟能像凝胶一样分裂重组，还涌现出机械智能

如果火蚁的栖息地被洪水淹没，它们会用身体互相钩连，在水面上拼成一个能漂浮数周的活筏；丝状真菌的菌丝渗入土壤，缠成稳固的支撑网络；细胞内部，肌动球蛋白会通过分子之间不停地连接、断开、再连接，让细胞既能保形又能变形。

没有蓝图，也没有指挥，在这些群体中，每个个体未必知道自己正在参与建造什么，最终功能实现依靠的是身体的形状、彼此的接触，以及一种近乎物理性的本能。

图 | 自然界中常见的纠缠网络（来源：DOI: 10.1126/scirobotics）

这种由身体直接执行的智慧可以被机器人自发领会吗？2026年5月20日，发表于《科学-机器人学》（Science Robotics）的一项研究证实了这一点。康奈尔大学（Cornell University）的工程师让一群个体几乎无法独立移动的小机器人，通过两端粘力微弱的魔术贴（Velcro）互相钩连、分开、再钩连。它们就能像一团会流动的物质一样穿越斜坡和障碍。

研究人员把这套系统称为交联集群（Cross-Link Collective），其中起作用的机制被命名为机械智能（mechanical intelligence）。

中央大脑的代价

在传统机器人范式中，更聪明几乎总是意味着需要耗费更多算力、搭建更多传感、通信设施。系统越精密、中央控制越强，在真实世界中往往就越脆弱。这条路径在受控环境中游刃有余，但在另一类场景中却越来越显出局限：灾难废墟、未知地形、可能频繁发生故障的极端环境。

问题出在依赖上。一旦系统的决策权高度集中于某个控制层，那么任何一处通信中断、传感器异常或个体失效，都可能成为整套系统的瓶颈。这促使一部分研究者开始重新思考：智能必须由“大脑”来承担吗？还是可以由身体、形状、接触方式来分担？

这条问题线索把研究者引向了一个看似与机器人学相距甚远的领域：软物质物理。

材料科学中的活性凝胶指分子之间通过交联键相互连接，这些键不停断裂又重建，整体网络却能够始终保持结构与功能。细胞骨架就是典型例子，它支撑着细胞的形态，又随时可在分子层面被改写。

康奈尔大学团队的灵感正源于此。他们想构建一种“机器人物质”（robotic matter），其行为更接近一团能够变形、流动、自我组织的连续介质。但它不能是一个由许多机器人构成的机器人，也不该是一组按程序执行的离散单元。

事实上，这正好与具身智能的核心主张相契合：智能并不只存在于算法里，也存在于身体的形状、材料的弹性、与环境的接触方式里。研究人员想知道，如果把这一原则推到极致，让集群中的每个成员都简化到几乎没有计算能力、仅靠物理接触自行协调，会发生什么？

回答这个问题的工作早在十年前就已经开始。乔治亚理工学院（Georgia Institute of Technology）物理学教授丹尼尔·戈德曼（Daniel I. Goldman）的实验室自2015年起开发了一类名为“Smarticles”（smart particles的缩写，意为智能粒子）的小型机器人。每个 Smarticle 是 14×2.5×3 厘米的三连杆平面结构，由几个伺服驱动的小臂组成，它们可在“I”形和“Z”形之间反复切换，单独放置时只能在原地小幅摆动，几乎无法定向移动。

丹尼尔团队发现的有趣现象是：当把若干 Smarticles 约束在一个塑料环里时，它们彼此的随机碰撞会让整个超级粒子（supersmarticle）变成一个整体，缓慢漂移，而且方向可以通过某个单元停止活动来粗略控制。这一系列工作奠定了一个关键认识，单个单元不“会走”，集体也可以动起来。

（来源：CRAB Lab）

但 Smarticles 有一个无法回避的局限：它们依赖外部约束（塑料环）才能形成有效的群体行为。一旦移除约束，群体就会四散。要让这种机器人物质真正自由地穿越复杂地形，必须找到一种更灵活，来自其内部的凝聚机制。

从“困在环里的智能”到交联集群

接过这一问题的是康奈尔大学集体具身智能实验室（CEI Lab）。该实验室由卡斯丁·彼得森（Kirstin H. Petersen）于 2016 年创立，他们的研究聚焦于受社会性昆虫启发的集群机器人。

经过多年迭代，团队把原始的 Smarticle 改造成了一种新形态：长约200毫米、宽约20毫米的细长模块，由一个小型电机驱动，可以在伸直的“I”形和弯折的“U”形两种形态之间反复切换。这种周期性变形会对地面产生交替的接触力，让模块缓慢蠕动并相互推挤。

图 | 机器人模块设计（来源：DOI: 10.1126/scirobotics.aec6393）

新模块的形态选择经过了细致的考量。模块的三连杆结构灵感源于普赛尔最小游泳器（Purcell's minimalistic swimmer）。1977年，物理学家爱德华·普赛尔（Edward M. Purcell）提出过一个理论问题：在粘性主导、惯性可忽略的极端环境里（比如细菌生活的水中），一个游泳器至少需要多少个关节才能游动？他给出的答案是三个连杆、两个关节。少于这个数量，对称性会让所有运动自动取消。

Cross-Link 模块本质上是爱德华理论的陆地版：用周期性的形态变化对地面产生不对称的接触力，让一个本身无法移动的物体缓慢挪动。这一点也解释了它的运动机制：和电动牙刷头底部、振动机器人的原理类似，靠摩擦的微小不对称把对称的振荡整流为净位移。

此外，原版 Smarticles 在 I 形和 Z 形之间振荡。新的 Cross-Link 模块改成了 I 形和 U 形。U 形保持了沿模块纵轴的镜面对称，而当多个 U 形模块相互连接时，整条链可以形成传播的行波，这正是低惯性环境中最有效的运动模式之一。瘦长的形状也让模块能够在三维空间中真正“绞”在一起，这是通往自由流动机器人物质的关键几何条件。

关键的改动在机器人两端：每个模块的端部贴有强度很弱的魔术贴。这个选择看似简陋，但它恰好抓住了整个研究的物理逻辑核心，精确复刻了活性凝胶中“不断断裂、又不断重建”的动态平衡。

魔术贴的布置又是另一个容易被忽略但关键的设计。模块被分成两种类型：Type I 和 Type II，钩面和绒面被反向布置。同一类型的模块之间钩不住，只有 Type I 和 Type II 靠近时才能形成交联。这是一种刻意的异构化，它保证了系统的连接是“概率性”的。

从贴片本身强度看，一个良好的连接大约能挂住一个模块的重量，恰好强到能维持运动中的接触，又弱到能被群体相互推挤拆开，这就构成了机器人物质的交联键。

机械智能如何涌现

仅靠结构的改动，一群 Cross-Link 模块就表现出了令人意外的集体行为。

首先，把 10 个模块堆成一团，放上一块平整的白板。如果不贴魔术贴，模块之间的接触会让它们快速散开，随后各自缓慢、随机地爬行。贴上魔术贴之后，画面完全变了。模块进入“超扩散”状态：它们组成的链条几乎沿直线推进，后期接近纯弹道运动。无魔术贴版本累计产生 55 个落单模块，有魔术贴版本只产生 15 个。

当两个模块相遇时，可形成四种基本构型：S 形（蛇形）、W 形（双谷）、G 形和 C 形（双嵌套）。而在所有自发形成的两模块连接中，S 形构型出现了 13 次，W 形 4 次，G 形 3 次，C 形零次。基于阻力理论的力学分析显示：W 形所需的维系扭矩远高于 S 形和 G 形，因此 W 形最容易被自身运动扯散。同时，细长流线的 S 形作为一个多连杆游泳器，运动效率最高，类似蛇蜿蜒前进时的形态。

（来源：DOI: 10.1126/scirobotics.aec6393）

当若干模块互相缠绕成链后，所有可能的构型都可能出现，但接触力学会自发“挑选”出更利于前行的构型。例如，一些减小关节扭矩、降低内部应力的姿态在物理上更易于维持，因此会出现得更频繁。换句话说，集群会自动收敛到对自己最舒服的形状。

而且，这里的构型除了空间上的连接拓扑，还包括时间上的振荡相位关系。小机器人组成的集体不只在物理上排出一种好走的形状，还在节奏上把每个模块的形状变化逐渐对齐到一种使整体内应力最小的节拍。

整个系统并没有任何一处担任控制中心，负责决定该如何排列，但有用的排列方式会通过物理筛选浮现出来。卡斯丁概括道，让有用的行为从接触动力学中自然涌现，系统就会自动趋向那些应力更小、运动更顺畅的状态。

在这一基本机制之上，研究者还引入了一点极简的计算，但只有一点点。模块两端配备了触觉和声学两种收发器，构成最低限度的成对感知-反馈通道。每个模块能够通过自身被推挤的程度，推断自己是否仍处于群体内部。如果一个模块算出了自己没怎么被推来挤去，它就会“意识到”自己可能已经脱离群体，发出蜂鸣，让附近模块放慢运动，给它一个重新接入的机会。

要知道，这种发声不属于通信协议意义上的精密信号。和大多数主流多机器人系统中常见的网络通信、共享坐标、集中调度相比，它简陋得近乎反常，在本质上就是一个广播式的物理扰动，谁听到了，谁就不得不放慢运动速度。但恰恰因为这种简陋，它在故障面前反而相当稳健。

不断分开又不断重组的“机器人流体”

为了检验这一系统是否真的具备稳健性，团队还设计了若干实验场景。结果显示，“当我们放弃对构型与协调的精确控制，反而获得了惊人多样的有用行为"。

在斜面测试中，团队在 5° 斜面上分别放了 5、10、15、20 个模块。结果显示，10 个模块是最优数量，少于这个数难以形成足够多样的连接构型；多于这个数，模块互相阻塞，平均速度反而下降。

此外，单个模块在斜坡上对自己初始朝向极其敏感，它们常常因姿态原因停滞不前。而一旦组成链条，这种依赖就会被显著抑制。因为链会自然旋转，不会被任何单一姿态“卡住”。

在密集障碍物场测试中，集群展现出一种类似流体的行为。研究人员设计了间距略小于 I 形模块全长的圆柱障碍场，集群进入障碍区前以单体为主，进入障碍区后，缠绕率立即上升。为了不被冲散，模块更倾向于钩在一起。当某条链遇到无法通过的路径时，它会主动断裂，让模块以更小的子群体绕行，然后在另一侧重新聚合，就像水流自动绕开石头一样。

至于这套系统的容错性，在整个研究中，650个被部署的模块里有29个因电池耗尽或硬件故障失效（约4%），但系统的应对方式很简单：这些模块要么被链条拖着走，要么留在原地被绕开。由于集群不依赖任何特定成员，整体功能几乎不受影响。

这些现象恰好符合团队对活性凝胶类机器物质的最初设想：一种在宏观上保有连贯性、微观上又不断重组的连续介质。

意义与边界

在集群机器人领域，这项研究隶属于一个相对小众但日益受关注的方向：将如何控制集群的问题部分转化为，如何设计让有益行为自然涌现的物理结构。在以大模型、强化学习驱动机器人决策成为主流的当下，这是一条逻辑路径有些“离经叛道”、但并不互斥的探索。

卡斯丁强调，他们“主要把这套系统视为研究机械智能如何带来集群稳健行为的工具”，这并不是一套立即可用的产品或平台。当前实验仍处于数十个模块、平面或近平面场景的阶段；要走向真实部署，规模化、3D缠绕能力、能源密度以及更复杂地形中的可控性，都仍是开放问题。

（来源：DOI: 10.1126/scirobotics.aec6393）

而且，放弃精确控制换取涌现性能的逻辑本身也意味着，这套范式不适合所有任务。需要确定路径、严格时序的工作，如外科手术、装配线等，显然不属于它的目标场景。但在一些需要在不可预测环境中长时间保持“基本可用”的应用里，这种把智能埋入物理结构本身的思路，可能给出比“造出更聪明、能预知一切可能情况的中央大脑”更现实的解。

这项研究最有意思的地方在于。它把一个本属于物理学和生物学的洞见转移至工程层面。无论是蚁群还是活性凝胶，它们的形状、接触、动态键合本身就可以承载智能。

而当机器人开始模仿这种“无脑的智慧”，我们或许需要重新审视一个长期无人证伪的等式：智能等于计算。

参考内容：
https://www.science.org/doi/epdf/10.1126/scirobotics.aec6393
https://news.cornell.edu/stories/2026/05/robotic-matter-flows-adapts-through-mechanical-intelligence

https://arxiv.org/pdf/2411.16208

注：封面/首图由 AI 辅助生成