在未来的灾难救援场景中，微型飞行机器人有望成为搜寻废墟下幸存者的关键力量。它们能像真实昆虫一样，在传统无人机无法进入的狭窄空间中灵活穿行，避开碎石与障碍物。然而，长期以来，这类微型飞行器的飞行能力受限于控制系统的性能，难以实现高速、高机动的飞行。近日，麻省理工学院（MIT）研究团队发布了一项突破性成果：他们为一款仿生昆虫机器人配备了一套基于人工智能的新型控制框架，使其飞行速度与灵活性首次达到与真实昆虫相当的水平。 这款机器人大小仅如微型磁带盒，重量轻于一枚回形针，采用柔性人工肌肉驱动四片微小机翼，通过高频拍打实现升力与推力。与传统刚性无人机不同，其软体结构赋予了更强的环境适应性。但真正决定其飞行能力的，是其“大脑”——控制系统。过去，飞行参数依赖人工调校，虽能实现基本稳定飞行，却无法支持高速、复杂动作。为突破这一瓶颈，研究团队提出“两步走”的创新控制策略。 首先，他们利用高算力的“模型预测控制器”（MPC）在仿真中规划出最优飞行动作，包括连续前空翻、急转弯和“扫视”等复杂机动。MPC 能综合考虑空气动力学、物理约束和环境扰动，确保每一步动作都精准且鲁棒。但其计算量过大，无法在机载系统中实时运行。于是，研究团队采用“模仿学习”方法，用 MPC 生成的大量数据训练一个轻量级的深度学习策略网络。该网络在训练后，能以毫秒级速度根据当前状态直接输出控制指令，真正实现实时飞行控制。 实验结果令人瞩目：与团队此前最佳成果相比，新系统使机器人飞行速度提升约 447%，加速度提高 255%。在一项标志性测试中，机器人仅用 11 秒便连续完成 10 个前空翻，全程轨迹偏差始终控制在 4 至 5 厘米以内。即使在强风干扰、电源线缠绕、制造误差等复杂条件下，系统仍能保持稳定。研究团队还成功实现了“扫视”动作——快速加速后急停悬停，模拟昆虫的视觉定位行为，为未来搭载摄像头等传感器提供了重要基础。 尽管目前实验仍在实验室环境中依赖外部运动捕捉系统进行，但研究团队已着手推进下一步：为机器人加装微型摄像头和惯性测量单元，实现完全自主的环境感知与避障；探索多机协同搜索策略；并验证控制算法在真实户外风场中的鲁棒性。 MIT 电气工程与计算机科学系副教授 Kevin Chen 强调，这项工作标志着微型机器人控制范式的转变——不再需要在性能与效率之间取舍，而是可以设计出兼具两者优势的系统。卡内基梅隆大学教授 Sarah Bergbreiter 也评价称，该成果在小尺度系统中应对不确定性与扰动方面表现尤为突出，为未来敏捷微型机器人的发展指明了方向。随着机载计算能力的提升，这一技术有望在真实救援任务中大放异彩。