蛇形机器人被视为未来救援行动的重要工具。凭借细长柔韧的机身，它们能够钻入狭窄缝隙，穿越崎岖不平的地形和水面，进入对人类救援人员极其危险的区域，在地震频发的地区（如日本）尤其有望发挥关键作用。

然而，蛇形机器人也面临“太像蛇”的问题。传统的波浪式、滑行式运动需要机体上多个电机高度协同，不断驱动身体各节运动。这种方式能通过复杂环境，但电机持续工作会快速消耗电池电量，从而限制机器人在长时间任务中的实用性和续航能力。

大阪都立大学工学研究科的山野明夫博士带领研究团队，为蛇形机器人开发了一套基于人工智能的运动控制系统，利用深度强化学习来优化其“滚动运动”模式。研究中引入了一种独特的“观测缓冲区”机制：机器人通过传感器持续采集角速度、加速度以及各关节姿态等信息，并将这些数据输入AI模型，用于实时分析和调整姿态，从而稳定滚动动作，保证沿直线方向平稳前进。

相关成果已发表在《机器人与自主系统》期刊上。

团队发现，在特定条件下，让蛇形机器人通过“滚动”前进——即将头部和尾部弯曲连接成类似圆环的结构，再通过重心转移实现翻滚——比传统波浪式运动更节能高效。这种方式充分利用重力，而不需要电机持续输出大功率驱动。

“我们发现，在平坦地面上，滚动运动在单位功率消耗下所能达到的行进速度，大约是波浪运动的两倍。”山野博士表示。

研究结果表明，最优策略是在不同地形间灵活切换运动模式：在崎岖、不规则地面上采用更适合跨越障碍的波浪运动，而在平坦路面上切换为高效的滚动运动。通过将两种步态结合使用，蛇形机器人在灾区搜救和行星表面探测等任务中的工作时间和覆盖范围都有望显著提升。

展望未来，山野博士希望进一步扩展这一技术，使机器人不仅能执行预先设定的步态，还能根据环境自主计算并选择最合适的运动方式。

“我们的团队正在开发各种有趣的新能力，”他说，“目标是打造能够自主评估周围环境，并结合精确导航技术，执行实际有用任务的机器人。”