对称性之外的新思路

在自然界，从脊椎动物的左右对称，到海星的放射状结构，各种对称形态随处可见。长期以来，机器人学家也多以人类、犬类或昆虫等生物为蓝本，试图复制这些身体结构及其带来的运动能力。

杜克大学的机器人研究团队则提出了不同的观点：与其关注机器人“长得像谁”，不如关注它在空间中各个方向上行动是否同样高效、均匀。基于这一理念，团队在模拟环境中测试了超过 1500 种机器人形态，最终找到了一个接近理论极限的设计方案。

海胆外形的 20 足机器人 Argus

这一方案的实体化身，就是名为 Argus 的机器人。它没有传统意义上的前后方向，从中央核心向外辐射出 20 条可伸缩的模块化腿，每条腿末端都装有深度摄像头。整体外观更像一只海胆，而不是市面上常见的任何机器人形态，但实验表明，这种设计极为稳健。

Argus 能够：

• 轻松穿越森林、湿滑地面和沙地等复杂环境；
• 在被推倒后迅速恢复稳定；
• 几乎瞬间完成任意方向的重新定向；
• 在狭窄的平行墙壁之间进行垂直攀爬；
• 在限定空间内搬运、推动载荷。

相关研究成果已发表在《Science Robotics》期刊上。

杜克大学通用机器人实验室博士生、论文联合第一作者刘佳勋表示：“Argus 的运动方式与我们以往见过的任何机器人都不一样。第一次看到它在树林和崎岖地形中穿行，即使遭遇猛烈碰撞仍能继续前进，我们就意识到这是一种全新的存在。”

“动态各向同性”：用一个数字衡量机器人能力

Argus 的独特能力源于团队提出的一项新数学设计原理——“动态各向同性”。这一指标用来衡量机器人在所有方向上加速其质心的均匀程度，并以 0 到 1 之间的数值表示。

目前，大多数机器人平台，包括先进的四足机器人、人形机器人以及传统无人机，其动态各向同性得分都低于 0.6。而 Argus 的得分达到 0.91，接近理论上可达到的最大值。

在 Argus 的设计模拟中，研究人员发现：当动态对称性（动态各向同性）逐步逼近理论极限时，机器人在几乎所有关键性能指标上都得到提升，包括轨迹跟踪精度、稳健性、能效、抗损伤能力以及对复杂地形的适应性。该原理可作为统一的量化标准，用于评估现有机器人平台，也可指导从零开始的新机器人设计。

杜克通用机器人实验室负责人、该研究的领衔作者陈博远指出：“多数机器人研究把对称性当作身体结构的问题，而我们认为，更强大的对称性体现在机器人能力层面。当机器人能在所有方向上均匀加速时，它不再需要以某个特定方向面对世界——前后没有区别，左右也没有区别。机器人控制问题的本质因此发生变化。”

全身驱动 + 全身感知：正十二面体布局

Argus 的名字来自希腊神话中的“全视守卫者”，寓意其具备全身驱动与全身感知的能力。它的 20 条伸缩腿均为模块化设计，并在末端集成摄像头，这些腿被布置在一个正十二面体的顶点上——正十二面体是一种由 12 个五边形面构成的三维几何体。

这种布局带来的效果是：

• 机器人在瞬时加速度上实现了几乎完美的全方向均匀分布；
• 视觉感知也在各个方向上保持高度均匀。

在杜克大学校园、沙地和森林小径等环境中的实验表明，Argus 仅通过模拟训练学习，就展现出多种能力：

• 无论自身朝向如何，都能在混凝土、草地、密集植被、松软沙地、湿滑表面和树皮等多种地面上滚动前进，并跨越最高约 5 英寸的障碍；
• 被外力推倒后可以快速自我恢复稳定姿态；
• 即使有三条腿损坏，仍能调整策略继续移动；
• 能以接近最高速度携带 10 磅载荷；
• 通过交替支撑和推动不同腿组，在两面平行墙之间实现垂直攀爬；
• 在持续滚动过程中，跟踪并推动一个边长约三英尺的立方体。

不只是一个机器人，而是一个设计框架

研究团队强调，Argus 的意义不仅在于其本身的性能表现，更在于它作为一个“验证平台”和“展示样本”，用来探索和呈现动态对称性设计理念。

动态对称性提供了一个通用的数学框架：

• 可以为不同机器人平台打分和比较；
• 可以指导新机器人从形态到能力的整体设计。

论文中附带的 1500 种机器人形态模拟数据，也为其他研究团队提供了直接探索设计空间的资源。

杜克通用机器人实验室联合第一作者、博士后夏博曦表示：“Argus 是一个存在性证明。它说明动态对称性设计不仅是理论上的好奇，而是可以真正造出能在野外、不平整地面和杂乱环境中部署的机器人，甚至适用于低重力环境。这改变了我们对机器人可能性的想象。”

陈博远补充说：“我们把 Argus 看作是动态对称机器人家族的第一个成员。这类机器人无需模仿狗或人类，也能具备敏捷、坚韧和实用性；它们基于更深层的原则设计——与自然界从病毒到海星所遵循的原则是一致的。”

发现型机器人的长期愿景

这项研究是杜克通用机器人实验室长期目标的一部分：打造“发现型机器人”。团队希望构建的是能够通过探索世界运行规律来学习、行动和协作的机器。

与传统机器人研究多聚焦于执行预设任务不同，陈博远团队将机器人本身视为科学工具——它们不仅完成任务，还能帮助人类发现关于自身、环境以及物理规律的新原理。Argus 的身体形态，就是在超过 1500 种候选方案中，通过理论指导与搜索过程共同“发现”的结果。

“我们并不满足于只会执行指令的机器人，”陈博远说，“我们希望机器人能帮助我们学习那些用其他方式难以获得的知识，而有时，这首先意味着要找到最适合问题本身的那种身体。”