The Innovation Informatics | 软体机器人形态设计方法学：逻辑、进展、挑战与展望

本文旨在深入地分析软体机器人形态设计的基本逻辑，全面梳理现有设计方法，形成软体机器人形态设计方法学的系统性框架；指出其在新型应用需求或场景下的挑战，并提出多目标操作和时变目标交互场景下的形态学计算方法的基础框架，以期推动软体机器人的设计发展及应用。

导 读

近十年来，机器人的形态由刚体机器人快速向软体机器人拓展。软体机器人凭借独特的形态柔顺性、环境适应性与功能多样性，在特殊服务及生物医学等场景中展现出优势性能。同时，因其材料、驱动及控制模式的根本差异，传统的刚体机器人设计方法难以直接适用于软体机器人。尽管软体机器人研究持续升温，但软体机器人形态设计方法学的体系及框架尚未建立。因此，本文旨在深入地分析软体机器人形态设计的基本逻辑，全面地梳理现有设计方法，形成软体机器人形态设计方法学的系统性框架；指出其在新型应用需求或场景下的挑战，并提出多目标操作和时变目标交互场景下的形态学计算方法的基础框架，以期推动软体机器人的设计发展及应用。

图1 图文摘要

软体机器人形态设计：背景与问题

传统的刚体机器人形态设计方法通常从任务功能需求出发，经过结构与自由度配置，最后实现驱动、传感及控制功能而完成设计。然而，由于软体机器人在材料属性、形态特征、驱动机理以及控制模式上与刚体机器人存在根本性差异，传统的刚体机器人设计方法难以直接适用于软体机器人（图2）。相比之下，软体机器人的形态设计需要综合考虑软材料特性、连续介质所带来的无限自由度以及复杂的控制模式等要素，因此其形态设计面临诸多挑战，仍然是亟待解决的核心问题之一。尽管近年来软体机器人在材料、驱动、控制等方面的研究持续快速发展，但软体机器人形态设计方法学的体系及框架尚未建立。因此，本文将深入分析软体机器人形态设计的基本逻辑，全面地梳理现有设计方法，形成系统性的软体机器人形态设计方法学的框架；指出其在新型应用需求场景下的挑战，并提出多目标操作及时变目标交互场景下的形态学计算方法的基础框架，以期推动软体机器人的设计发展及应用。

图2 刚性机器人与软体机器人设计逻辑对比图

软体机器人形态设计：逻辑与框架

基于设计逻辑的因果逻辑，我们将软体机器人的形态设计方法分为正向设计与逆向设计两大类（图3）。其中，正向设计以形态为起点，通过仿生学思维完成机器人设计实现任务需求功能，而逆向设计以功能需求为目标，反向推算所需的机器人形态。两类方法及其子类形成了现有的软体机器人形态设计方法的总体框架（图4）。

图3 软体机器人正向设计与逆向设计的概念图

图4 现有的软体机器人形态设计方法的总体框架图

正向形态设计：仿生学方法

自然界的生物通过进化形成了适应环境的独特结构与功能，为软体机器人的设计提供了重要灵感。仿生设计方法主要包含形态仿生和功能仿生两类：形态仿生—通过模拟形态与功能，开发出具备环境适应性与多任务执行性的软体机器人；功能仿生—聚焦于生物系统的内在原理与动作机制，即使外观与生物体差异显著，只要可以重现其核心功能，也可以为功能仿生设计案例。

逆向形态设计：形态学计算

和基于仿生学思维的正向设计不同，逆向设计方法则以形态学计算为核心，不依赖预设形态或经验，可拓展软体机器人设计空间，便于创新式软体机器人形态的生成。形态学计算主要包括：基于拓扑优化的形态学计算—通过在连续域内迭代优化材料分布，实现特定功能或变形目标，包括密度法、水平集法与进化法等代表性方法，已较广泛用于软体机器人设计；基于学习的形态学计算—利用数据驱动模型探索性能到结构的映射来实现形态设计。形态学计算为软体机器人的逆向设计提供了系统化的路径，推动从经验驱动向算法驱动的设计范式转变。

软体机器人形态设计：挑战与展望

整体上，当前软体机器人的形态设计主要聚焦于面向静态约束或时不变约束的任务场景，基于拓扑优化或学习的形态计算方法还是可以给出一个基本满足需求的设计结果。然而，随着软体机器人在特殊服务与生物医学等领域的应用拓展，其设计正转而面向动态约束或时变约束的任务场景。典型的动态约束或时变约束场景有：多对象操作场景—如软体夹持器需以单一形态适应不同对象并实现操作功能；时变对象交互场景—如医疗场景中对动态时变的人体组织或器官进行功能辅助及康复。因此，本文提出了可实现上述任务场景下动态约束或时变约束的软体机器人的形态计算设计方法的初步框架（图5），以期推动提升软体机器人的多目标操作和时变目标交互场景下的功能及应用。上述问题仍然是软体机器人领域重要的基础性核心挑战之一，其完全解决对于推动软体机器人的深入及拓展应用具有关键性意义。

图5 软体机器人在动态约束典型场景下的形态设计方法框架图

责任编辑

熊 璟  中国科学院深圳先进技术研究院

徐 涵  东南大学