最簡單的機器人集群竟能像凝膠一樣分裂重組，還涌現出機械智能

如果火蟻的棲息地被洪水淹沒，它們會用身體互相鉤連，在水面上拼成一個能漂浮數周的活筏；絲狀真菌的菌絲滲入土壤，纏成穩固的支撐網絡；細胞內部，肌動球蛋白會通過分子之間不停地連接、斷開、再連接，讓細胞既能保形又能變形。

沒有藍圖，也沒有指揮，在這些群體中，每個個體未必知道自己正在參與建造什么，最終功能實現依靠的是身體的形狀、彼此的接觸，以及一種近乎物理性的本能。

圖 | 自然界中常見的糾纏網絡（來源：DOI: 10.1126/scirobotics）

這種由身體直接執行的智慧可以被機器人自發領會嗎？2026年5月20日，發表于《科學-機器人學》（Science Robotics）的一項研究證實了這一點。康奈爾大學（Cornell University）的工程師讓一群個體幾乎無法獨立移動的小機器人，通過兩端粘力微弱的魔術貼（Velcro）互相鉤連、分開、再鉤連。它們就能像一團會流動的物質一樣穿越斜坡和障礙。

研究人員把這套系統稱為交聯集群（Cross-Link Collective），其中起作用的機制被命名為機械智能（mechanical intelligence）。

中央大腦的代價

在傳統機器人范式中，更聰明幾乎總是意味著需要耗費更多算力、搭建更多傳感、通信設施。系統越精密、中央控制越強，在真實世界中往往就越脆弱。這條路徑在受控環境中游刃有余，但在另一類場景中卻越來越顯出局限：災難廢墟、未知地形、可能頻繁發生故障的極端環境。

問題出在依賴上。一旦系統的決策權高度集中于某個控制層，那么任何一處通信中斷、傳感器異常或個體失效，都可能成為整套系統的瓶頸。這促使一部分研究者開始重新思考：智能必須由“大腦”來承擔嗎？還是可以由身體、形狀、接觸方式來分擔？

這條問題線索把研究者引向了一個看似與機器人學相距甚遠的領域：軟物質物理。

材料科學中的活性凝膠指分子之間通過交聯鍵相互連接，這些鍵不停斷裂又重建，整體網絡卻能夠始終保持結構與功能。細胞骨架就是典型例子，它支撐著細胞的形態，又隨時可在分子層面被改寫。

康奈爾大學團隊的靈感正源于此。他們想構建一種“機器人物質”（robotic matter），其行為更接近一團能夠變形、流動、自我組織的連續介質。但它不能是一個由許多機器人構成的機器人，也不該是一組按程序執行的離散單元。

事實上，這正好與具身智能的核心主張相契合：智能并不只存在于算法里，也存在于身體的形狀、材料的彈性、與環境的接觸方式里。研究人員想知道，如果把這一原則推到極致，讓集群中的每個成員都簡化到幾乎沒有計算能力、僅靠物理接觸自行協調，會發生什么？

回答這個問題的工作早在十年前就已經開始。喬治亞理工學院（Georgia Institute of Technology）物理學教授丹尼爾·戈德曼（Daniel I. Goldman）的實驗室自2015年起開發了一類名為“Smarticles”（smart particles的縮寫，意為智能粒子）的小型機器人。每個 Smarticle 是 14×2.5×3 厘米的三連桿平面結構，由幾個伺服驅動的小臂組成，它們可在“I”形和“Z”形之間反復切換，單獨放置時只能在原地小幅擺動，幾乎無法定向移動。

丹尼爾團隊發現的有趣現象是：當把若干 Smarticles 約束在一個塑料環里時，它們彼此的隨機碰撞會讓整個超級粒子（supersmarticle）變成一個整體，緩慢漂移，而且方向可以通過某個單元停止活動來粗略控制。這一系列工作奠定了一個關鍵認識，單個單元不“會走”，集體也可以動起來。

（來源：CRAB Lab）

但 Smarticles 有一個無法回避的局限：它們依賴外部約束（塑料環）才能形成有效的群體行為。一旦移除約束，群體就會四散。要讓這種機器人物質真正自由地穿越復雜地形，必須找到一種更靈活，來自其內部的凝聚機制。

從“困在環里的智能”到交聯集群

接過這一問題的是康奈爾大學集體具身智能實驗室（CEI Lab）。該實驗室由卡斯丁·彼得森（Kirstin H. Petersen）于 2016 年創立，他們的研究聚焦于受社會性昆蟲啟發的集群機器人。

經過多年迭代，團隊把原始的 Smarticle 改造成了一種新形態：長約200毫米、寬約20毫米的細長模塊，由一個小型電機驅動，可以在伸直的“I”形和彎折的“U”形兩種形態之間反復切換。這種周期性變形會對地面產生交替的接觸力，讓模塊緩慢蠕動并相互推擠。

圖 | 機器人模塊設計（來源：DOI: 10.1126/scirobotics.aec6393）

新模塊的形態選擇經過了細致的考量。模塊的三連桿結構靈感源于普賽爾最小游泳器（Purcell's minimalistic swimmer）。1977年，物理學家愛德華·普賽爾（Edward M. Purcell）提出過一個理論問題：在粘性主導、慣性可忽略的極端環境里（比如細菌生活的水中），一個游泳器至少需要多少個關節才能游動？他給出的答案是三個連桿、兩個關節。少于這個數量，對稱性會讓所有運動自動取消。

Cross-Link 模塊本質上是愛德華理論的陸地版：用周期性的形態變化對地面產生不對稱的接觸力，讓一個本身無法移動的物體緩慢挪動。這一點也解釋了它的運動機制：和電動牙刷頭底部、振動機器人的原理類似，靠摩擦的微小不對稱把對稱的振蕩整流為凈位移。

此外，原版 Smarticles 在 I 形和 Z 形之間振蕩。新的 Cross-Link 模塊改成了 I 形和 U 形。U 形保持了沿模塊縱軸的鏡面對稱，而當多個 U 形模塊相互連接時，整條鏈可以形成傳播的行波，這正是低慣性環境中最有效的運動模式之一。瘦長的形狀也讓模塊能夠在三維空間中真正“絞”在一起，這是通往自由流動機器人物質的關鍵幾何條件。

關鍵的改動在機器人兩端：每個模塊的端部貼有強度很弱的魔術貼。這個選擇看似簡陋，但它恰好抓住了整個研究的物理邏輯核心，精確復刻了活性凝膠中“不斷斷裂、又不斷重建”的動態平衡。

魔術貼的布置又是另一個容易被忽略但關鍵的設計。模塊被分成兩種類型：Type I 和 Type II，鉤面和絨面被反向布置。同一類型的模塊之間鉤不住，只有 Type I 和 Type II 靠近時才能形成交聯。這是一種刻意的異構化，它保證了系統的連接是“概率性”的。

從貼片本身強度看，一個良好的連接大約能掛住一個模塊的重量，恰好強到能維持運動中的接觸，又弱到能被群體相互推擠拆開，這就構成了機器人物質的交聯鍵。

機械智能如何涌現

僅靠結構的改動，一群 Cross-Link 模塊就表現出了令人意外的集體行為。

首先，把 10 個模塊堆成一團，放上一塊平整的白板。如果不貼魔術貼，模塊之間的接觸會讓它們快速散開，隨后各自緩慢、隨機地爬行。貼上魔術貼之后，畫面完全變了。模塊進入“超擴散”狀態：它們組成的鏈條幾乎沿直線推進，后期接近純彈道運動。無魔術貼版本累計產生 55 個落單模塊，有魔術貼版本只產生 15 個。

當兩個模塊相遇時，可形成四種基本構型：S 形（蛇形）、W 形（雙谷）、G 形和 C 形（雙嵌套）。而在所有自發形成的兩模塊連接中，S 形構型出現了 13 次，W 形 4 次，G 形 3 次，C 形零次。基于阻力理論的力學分析顯示：W 形所需的維系扭矩遠高于 S 形和 G 形，因此 W 形最容易被自身運動扯散。同時，細長流線的 S 形作為一個多連桿游泳器，運動效率最高，類似蛇蜿蜒前進時的形態。

（來源：DOI: 10.1126/scirobotics.aec6393）

當若干模塊互相纏繞成鏈后，所有可能的構型都可能出現，但接觸力學會自發“挑選”出更利于前行的構型。例如，一些減小關節扭矩、降低內部應力的姿態在物理上更易于維持，因此會出現得更頻繁。換句話說，集群會自動收斂到對自己最舒服的形狀。

而且，這里的構型除了空間上的連接拓撲，還包括時間上的振蕩相位關系。小機器人組成的集體不只在物理上排出一種好走的形狀，還在節奏上把每個模塊的形狀變化逐漸對齊到一種使整體內應力最小的節拍。

整個系統并沒有任何一處擔任控制中心，負責決定該如何排列，但有用的排列方式會通過物理篩選浮現出來。卡斯丁概括道，讓有用的行為從接觸動力學中自然涌現，系統就會自動趨向那些應力更小、運動更順暢的狀態。

在這一基本機制之上，研究者還引入了一點極簡的計算，但只有一點點。模塊兩端配備了觸覺和聲學兩種收發器，構成最低限度的成對感知-反饋通道。每個模塊能夠通過自身被推擠的程度，推斷自己是否仍處于群體內部。如果一個模塊算出了自己沒怎么被推來擠去，它就會“意識到”自己可能已經脫離群體，發出蜂鳴，讓附近模塊放慢運動，給它一個重新接入的機會。

要知道，這種發聲不屬于通信協議意義上的精密信號。和大多數主流多機器人系統中常見的網絡通信、共享坐標、集中調度相比，它簡陋得近乎反常，在本質上就是一個廣播式的物理擾動，誰聽到了，誰就不得不放慢運動速度。但恰恰因為這種簡陋，它在故障面前反而相當穩健。

不斷分開又不斷重組的“機器人流體”

為了檢驗這一系統是否真的具備穩健性，團隊還設計了若干實驗場景。結果顯示，“當我們放棄對構型與協調的精確控制，反而獲得了驚人多樣的有用行為"。

在斜面測試中，團隊在 5° 斜面上分別放了 5、10、15、20 個模塊。結果顯示，10 個模塊是最優數量，少于這個數難以形成足夠多樣的連接構型；多于這個數，模塊互相阻塞，平均速度反而下降。

此外，單個模塊在斜坡上對自己初始朝向極其敏感，它們常常因姿態原因停滯不前。而一旦組成鏈條，這種依賴就會被顯著抑制。因為鏈會自然旋轉，不會被任何單一姿態“卡住”。

在密集障礙物場測試中，集群展現出一種類似流體的行為。研究人員設計了間距略小于 I 形模塊全長的圓柱障礙場，集群進入障礙區前以單體為主，進入障礙區后，纏繞率立即上升。為了不被沖散，模塊更傾向于鉤在一起。當某條鏈遇到無法通過的路徑時，它會主動斷裂，讓模塊以更小的子群體繞行，然后在另一側重新聚合，就像水流自動繞開石頭一樣。

至于這套系統的容錯性，在整個研究中，650個被部署的模塊里有29個因電池耗盡或硬件故障失效（約4%），但系統的應對方式很簡單：這些模塊要么被鏈條拖著走，要么留在原地被繞開。由于集群不依賴任何特定成員，整體功能幾乎不受影響。

這些現象恰好符合團隊對活性凝膠類機器物質的最初設想：一種在宏觀上保有連貫性、微觀上又不斷重組的連續介質。

意義與邊界

在集群機器人領域，這項研究隸屬于一個相對小眾但日益受關注的方向：將如何控制集群的問題部分轉化為，如何設計讓有益行為自然涌現的物理結構。在以大模型、強化學習驅動機器人決策成為主流的當下，這是一條邏輯路徑有些“離經叛道”、但并不互斥的探索。

卡斯丁強調，他們“主要把這套系統視為研究機械智能如何帶來集群穩健行為的工具”，這并不是一套立即可用的產品或平臺。當前實驗仍處于數十個模塊、平面或近平面場景的階段；要走向真實部署，規模化、3D纏繞能力、能源密度以及更復雜地形中的可控性，都仍是開放問題。

（來源：DOI: 10.1126/scirobotics.aec6393）

而且，放棄精確控制換取涌現性能的邏輯本身也意味著，這套范式不適合所有任務。需要確定路徑、嚴格時序的工作，如外科手術、裝配線等，顯然不屬于它的目標場景。但在一些需要在不可預測環境中長時間保持“基本可用”的應用里，這種把智能埋入物理結構本身的思路，可能給出比“造出更聰明、能預知一切可能情況的中央大腦”更現實的解。

這項研究最有意思的地方在于。它把一個本屬于物理學和生物學的洞見轉移至工程層面。無論是蟻群還是活性凝膠，它們的形狀、接觸、動態鍵合本身就可以承載智能。

而當機器人開始模仿這種“無腦的智慧”，我們或許需要重新審視一個長期無人證偽的等式：智能等于計算。

參考內容：
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/首圖由 AI 輔助生成