Nature Machine Intelligence | 从高空摔下来还能继续跑：这款三杆张拉整体机器人重新定义了“抗摔”

发布时间：2026-08-19来源：机器人技术与应用

第九届中国机器人峰会，回来了。

第九届中国机器人峰会诚邀合作伙伴！

八届积淀，再启新程｜中国机器人峰会往届回顾暨第九届前瞻

导语：机器人最怕什么？摔。一台价值数十万的机器人，从哪怕一米高的地方意外跌落，轻则关节错位，重则整机报废。但有一种机器人，天生就不怕摔——它的身体由刚性杆和弹性缆索编织而成，像一张三维的“力网”，冲击力在整张网中被分散吸收。来自卡内基梅隆大学的研究团队在《Nature Machine Intelligence》上展示了Tribar——一台三条张拉整体机器人，从桥上滚落，砸在沥青路面上，然后继续滚动前行。更关键的是，它在坠落之后还能完全依靠机载传感器自主恢复状态、继续导航。这可能是第一个真正实现“抗冲击+自主移动”闭环的张拉整体机器人。

一、从雕塑到机器人：张拉整体的“抗摔基因”

张拉整体（Tensegrity）的概念诞生于20世纪中叶。艺术学生肯尼斯·斯内尔森和建筑师巴克敏斯特·富勒创造了这种奇特的雕塑——刚性支柱悬浮在由绳索构成的张力网络中，支柱之间互不接触，只通过绳索传递力。

这种结构的实用特性很快引起了工程师的注意：柔韧性、轻量化、材料使用量低、高强度重量比，以及最关键的——吸收大外载的能力。富勒将这个概念命名为“tensegrity”——“tension”（拉伸）和“integrity”（完整）的合成词。

NASA艾姆斯研究中心长期将张拉整体机器人视为行星漫游车的候选方案，因为它的顺应性结构可以在没有独立着陆器的情况下直接撞击星球表面并存活。另一家公司Squishy Robotics则设想用张拉整体机器人从飞机上直接空投到灾区，利用其冲击韧性在坠地后提供关键数据。

但理想和现实之间有一道巨大的鸿沟：虽然非机器人张拉整体结构的抗冲击能力已经被量化验证，但这些结构在撞击后缺乏驱动功能。反过来，许多张拉整体机器人展示过运动能力，却很少有研究系统评估它们的冲击韧性。有些能在短距离坠落中存活，但坠落后无法继续运动。

Tribar的目标，就是填补这道鸿沟：一台既能在高冲击着陆中生存，又能在撞击后自主导航的张拉整体机器人。

二、Tribar的设计：三杆、六电机、九条传感器肌腱

Tribar的结构简洁到近乎优雅：三根刚性碳纤维杆，通过九条弹性传感器肌腱连接，构成一个稳定的三维张力网络。

每根360毫米的碳纤维杆上装有两台电机，可以伸缩渔线——这些渔线就是六条“驱动肌腱”。另外三条较粗的弹性肌腱作为被动恢复弹簧。当电机伸缩驱动肌腱时，杆之间的距离和角度发生变化，整个机器人的形状随之变形。

但Tribar真正的技术核心，在于那九条肌腱的另一个身份：它们同时是高度可伸缩的电容式应变传感器。

每条传感器肌腱由两层室温液态金属膏制成，被硅胶弹性体封装，形成可拉伸的平行板电容器。随着肌腱被拉伸，电容线性增加，通过测量电容就能推算出肌腱的长度。这套设计的巧妙之处在于：传感器不是外加的附件，而是承重结构本身。它能承受超过300%的应变——这是张拉整体运动所需的极端变形量。

此外，三根杆上各装有一块九轴IMU（包含加速度计、陀螺仪和磁力计），分布在不同杆上。这为后续的状态估计提供了方向基准。

通过九条传感器肌腱的实时反馈，机器人能够通过PID控制精确伸缩六根驱动肌腱，在小公差范围内可靠地实现目标形状。步态就是一系列重复的目标形状序列，每种步态对应一种运动行为——滚动、转弯、爬坡。

三、状态估计：变形中的“自我认知”

一个能动的机器人必须知道自己的状态。对张拉整体机器人来说，这格外困难——它有多自由度、耦合动力学，而且形状持续大幅变化。

此前的工作要么依赖机外传感器（实验室环境可用，野外不可行），要么只能处理小于100%应变的可拉伸传感器。Tribar的突破在于：仅用机载传感器，在动态运动中实时重建自己的形状和方向。

状态估计算法分为两步。

第一步：形状估计。在已知杆长约束下，通过受限优化最小化传感器肌腱测量长度的平方误差。算法输出六个节点在任意参考系中的三维位置。

第二步：方向估计。给定节点形状，寻找一个旋转矩阵，使两条装有IMU的杆的方向向量与IMU测量的全局方向对齐。

整个算法在野外实验中的均方根误差为杆长的8.4%——对于一个持续变形的三维张力结构来说，这个精度足以支撑闭环控制。

状态估计的价值在自主悬崖坠落演示中体现得淋漓尽致。机器人滚下2米悬崖后，利用状态估计推断自己的向下面和航向，通过对称性调整步态，确保继续朝初始方向滚动。它不需要在坠落前规划绕过悬崖——它直接从边缘滚下去，落地后知道自己朝着哪个方向，继续走。这对传统刚性机器人来说，是不可想象的。

四、运动能力：在草地、冰面和28°斜坡上

Tribar展示了多种步态和地形适应能力。

准静态滚动步态是它最可靠的运动模式。这个过程利用重力，分两步完成：第一步倾斜身体，让重心投影到正确的基面三角形上；第二步收缩底部肌腱，把重心推出稳定三角形，让身体翻滚到下一个面。这种步态在草地、冰面、鹅卵石和沙地上都能工作。

爬坡能力令人印象深刻。Tribar能爬上28°的陡坡——这是张拉整体机器人中报告的最陡爬升。秘密在于反馈控制让机器人变形以增加高度，每一步迈出更大的“步伐”。

动态滚动步态跳过准静态步态的过渡步骤，实现了最高速度11厘米/秒（18倍体长/分钟），但代价是可靠性下降。

转弯步态在模拟中被自动发现。由于三杆张拉整体设计具有手性拓扑，顺时针和逆时针转弯步态完全不同——这不是自然界中常见的对称性，而是从仿真中涌现的行为。

值得特别关注的是高度可调性。机器人可以通过变形改变身体高度——这在“Limbo”任务中（稍后讨论）和跨越障碍时至关重要。它可以通过降低高度穿越比自身静止形态更低的障碍物。

五、自主控制：从轨迹跟踪到Limbo游戏

这篇论文的真正贡献之一，是把张拉整体机器人从“开环演示”推进到了闭环自主控制。

研究团队利用此前开发的可微物理引擎，在仿真中建模了51个运动原语（不同距离的滚动步态、两种转弯步态、不同步幅的渐进转弯步态等），构建了一个状态-动作转换数据库。控制器通过一个两层的穷举搜索，确定最小化轨迹跟踪成本函数的动作序列。执行第一个动作，测量新状态，然后重新规划——这是经典的模型预测控制框架。

在直线、圆弧和直角三角形三种轨迹上，机器人都实现了自主跟踪。三角形轨迹的挑战最大：机器人需要将轨迹分割为三段直线，在每段结束时判断是通过对称性反转继续滚动，还是保持原方向。误差在后两段较高，但机器人始终能够恢复并到达终点。

Limbo演示最有趣。机器人面对一个逐渐降低的横杆，需要自主调整身体高度以从下方通过。顶视摄像头实时跟踪机器人姿态和横杆高度。当机器人到达另一侧后，横杆降低，机器人反转步态并限制身体尺寸低于横杆高度。这不是预先编程的固定动作序列，而是基于实时感知的适应性行为。

六、高处坠落：张拉整体机器人抗冲击的里程碑

当然，这篇论文最令人难忘的画面，是Tribar从桥上滚落，砸向沥青路面的瞬间。

这是张拉整体机器人中报道的最高落差之一——而且坠落后机器人成功恢复了滚动运动。

抗冲击能力的关键在于三个层面的设计策略：

第一，步态设计。机器人被调整为在每个步态周期后恢复到静止配置——也就是它最耐冲击的形状。准静态滚动步态每一步都经过这个配置，因此任何时候坠落，机器人都处于最佳抗冲击状态。

第二，硬件加固。端盖是坠落中最脆弱的部件。研究团队用Tough 1500树脂替代PLA打印端盖，显著增强了冲击耐受性。

第三，建模验证。有限元模拟预测了机器人在5.7米坠落中的存活能力，模型与实验结果一致。

论文还记录了一次更惊人的野外测试：机器人从约12米高的悬崖滚落，期间被植被和崖壁多次偏转，最终在底部恢复形状。虽然不是纯垂直落差，但这次测试证明了系统在真实、不可预测环境中的韧性。

七、为什么这项工作重要？

要理解Tribar的价值，需要看到它解决了什么根本问题。

传统机器人的“抗摔”是缺陷管理——通过减震器、防护罩、落地姿态规划来减少损伤。Tribar的“抗摔”是设计属性——整个身体的力学结构本身就是冲击吸收器。当外部载荷施加时，杆件重新定向以重新分配压缩载荷，肌腱承受纯轴向张力。没有关节可以脱臼，没有刚性外壳可以破裂，没有精密传动可以错位。

但仅靠结构顺应性还不够。Tribar的真正创新在于证明：这种结构抗冲击能力，可以在一个包含执行器、电子设备、传感器和机械接口的完整机器人系统中保留下来。它不只是“摔不坏”，它在摔了之后还能“知道自己在哪、面向哪、怎么继续走”。

这套能力的组合，为几个具体的应用场景打开了想象空间：行星探测车可以直接空投到陨石坑底部；灾害响应机器人可以从直升机上投放，无需着陆缓冲装置；探险机器人可以在悬崖地形中自由翻滚，而非小心翼翼地绕行。

八、局限与未来

Tribar也有清晰的局限。

状态估计依赖IMU的绝对方向读数，而磁力计容易受到建筑和金属结构的磁干扰。在桥梁坠落演示中，正是因为建筑物干扰，机器人无法完全自主，需要人工介入确认航向。

平移感知目前依赖外部摄像头。虽然机器人能自主推断形状和方向，但“自己在哪”还需要外部视觉系统。

运动速度较低（最高11厘米/秒），远不如轮式或足式机器人。但张拉整体设计的核心价值不在速度，而在于在极端环境中的生存能力和可部署性。

控制精度也有限。当前模型预测控制使用有限的离散运动原语，只提前规划两步。更丰富的原语库、更深的规划视野，或数据驱动的控制器（如深度强化学习），都可以提升精度。

九、结语

Tribar代表了一种不同寻常的机器人设计哲学。

多数机器人设计从“功能”出发——需要什么能力，就设计什么结构。Tribar从“生存”出发——先确保机器人不会摔坏，再考虑它摔不坏之后能做什么。这个顺序的颠倒，带来了设计空间的根本转变。

当一台机器人不再需要避开悬崖、绕过深渊、小心不摔倒时，它的路径规划问题、它的地形适应策略、它的运动原语库，都发生了根本性的改变。“抗摔”不再是一个需要规避的风险，而是一个可以被主动利用的能力。

这项工作最深刻的洞见或许在于：如果机器人的身体本身就是最强的减震器，那么“摔”就不再是失败，而只是另一种运动方式。

论文信息

标题：Impact-resistant autonomous robots inspired by tensegrity architecture

作者：William R. Johnson III, Xiaonan Huang, Shiyang Lu, Kun Wang, Luca Ciamatti, Marco Carati, Joran W. Booth, Kostas E. Bekris, Rebecca Kramer-Bottiglio

机构：卡内基梅隆大学、耶鲁大学等

期刊：Nature Machine Intelligence, Vol. 8, 1290–1301 (2026)

代码：https://github.com/ChemStud24/tensegrity-control

数据：https://doi.org/10.6084/m9.figshare.32273583

文章来源：CAAI认知系统与信息处理专委会