这项研究融合了机械设计和控制算法，从蚊子和大蚊子(crane fly)等昆虫的着陆行为中汲取灵感，为解决微型飞行器面临的着陆挑战提供了新思路。
▍为何微型飞行器的着陆如此困难？
当谈到微型飞行器的着陆难题时，最大的挑战来自两个方面：地面效应和碰撞能量。
地面效应是指飞行器靠近地面时，翅膀产生的气流与地面相互作用，导致升力增强的现象。这在大型飞机上是众所周知的效应，但在微型拍翅机上的作用机制却复杂得多。
研究团队通过一系列悬停实验，首次定量测量了微型拍翅机的地面效应。他们发现，当RoboBee悬停在靠近地面的位置时，其所需的推力会明显减小——这就是地面效应提供的额外升力。
通过分析，研究人员将地面效应划分为三个区域：
-
强地面效应区：地面效应比超过7%
-
弱地面效应区：地面效应比在4%-7%之间
-
最弱地面效应区：地面效应比低于4%
这一发现对设计着陆系统至关重要，因为在强地面效应区域，机器人的飞行稳定性会受到显著干扰。
第二个挑战是碰撞能量。当微型飞行器接触地面时，如果没有适当的能量吸收机制，碰撞产生的冲击力会传递到机身，可能导致脆弱的压电驱动器和薄翼损坏。尤其当翅膀在碰撞时仍在拍打，传递到执行器的力可能会翻倍，极大增加故障风险。
▍仿生腿设计：向大蚊子学习
为了解决上述难题，研究团队将目光投向了大蚊子——这种昆虫的体型与RoboBee相似，而其长腿在着陆时可以起到减震器的作用。
之前RoboBee的”腿”只是四根碳纤维棒，主要目的是让机器人能够直立站立。而新设计的仿生腿则考虑了多个关键因素：
1、腿部高度：设计20毫米高的腿，使机器人的压力中心位于弱地面效应区域内，减少地面效应带来的干扰
2、腿部姿态：测试了30°、45°和60°三种不同的腿部夹角，寻找最佳支撑多边形
3、关节数量：设计了单关节和双关节两种方案
4、关节位置：通过测量27种不同大蚊子标本，确定了胫节和跗节的最佳比例，大多数大蚊子的跗节占比在55%-60%之间
最关键的创新是关节材料的选择。研究团队开发了一种特殊的复合关节，由以下材料层叠而成：
-
柔性聚酰亚胺(Kapton)薄膜作为弹簧元件
-
粘弹性热塑性弹性体(TPE)作为阻尼元件
-
碳纤维复合板提供结构支撑
这种设计使关节既能支撑机器人的重量，又能在碰撞时吸收能量，实现安全着陆。
为了评估不同腿部设计的性能，研究人员定义了三个量化指标：
1、恢复系数(CoR)：衡量碰撞前后速度比值，数值越低表示能量吸收越多
2、水平漂移(Δx)：衡量着陆精度，值越小表示着陆位置越准确
3、着陆成功率(e)：机器人能否成功直立着陆
经过大量实验，团队最终选择了双关节设计，其中跗节占比为60%。这一设计在能量吸收和着陆精度之间取得了最佳平衡。
▍仿生控制策略：从水果蝇学习τ理论
安全着陆不仅需要良好的机械设计，还需要精确的控制策略。这里，研究团队转向了昆虫学研究中的τ理论。
τ理论是描述飞行昆虫如何控制着陆的一个模型，其中τ被定义为目标距离与接近速度的比值。研究表明，许多昆虫通过保持恒定的τ变化率来实现安全着陆。
不过，τ理论通常适用于已经有初始速度朝向目标的情况，而从悬停开始的着陆需要先加速再减速，这更加复杂。研究人员扩展了τ理论，通过分析γ(收敛率)的二阶导数，设计了一种新的着陆轨迹。
他们提出的着陆序列包括三个阶段：
1、在弱地面效应区域上边界悬停
2、遵循τ理论启发的轨迹，先加速然后减速靠近地面
3、当接近弱地面效应区域下边界时，关闭动力，让仿生腿吸收剩余动能
为了应对地面效应带来的干扰，研究团队还开发了自适应控制器，能够补偿模型不确定性和外部扰动，显著提高了悬停精度。
通过控制参数α，可以调节着陆的激进程度，影响最大下降速度(从0.5米/秒到1.8米/秒)和减速度(从0.2到2.0米/平方秒)。
最终的测试不仅包括在平滑表面上的垂直着陆，还包括从一片绿萝叶子飞到另一片叶子的自然环境测试。即使在叶面倾斜的情况下，RoboBee也能利用柔性腿部适应表面，成功稳定着陆。
在最具挑战性的测试中，机器人以1.9米/秒的速度撞击地面，腿部关节弯曲吸收冲击，机器人安全着陆，没有弹跳，充分展示了仿生腿设计的有效性。
▍结语
这项研究不仅解决了微型飞行机器人的着陆难题，还展示了仿生学如何为工程挑战提供解决方案。通过结合机械设计和控制策略，研究人员创造了一个更加鲁棒、适应性更强的系统。
值得注意的是，这种方法也为生物学研究提供了新工具。RoboBee的模块化组件(可拆卸的腿、翅膀、机身和执行器)使其成为研究昆虫飞行的理想平台。研究人员可以通过改变不同参数，探索更多与昆虫飞行相关的问题。
尽管取得了显著进展，但仍有多个方向值得进一步探索：如何在不平整表面上着陆、如何应对更高的碰撞速度、如何将这些方法扩展到更大的飞行器，以及如何通过集成传感器实现完全自主着陆。
无论如何，这项研究为微型飞行机器人的发展开辟了新途径，让它们能够在不损坏自身和环境的情况下，探索更多复杂和精细的自然环境。
论文链接：
https://www.science.org/doi/10.1126/scirobotics.adq3059
（文：机器人大讲堂）