如果火蟻的棲息地被洪水淹沒，它們會用身體互相鉤連，機器在水面上拼成一個能漂浮數(shù)周的人集微信投票怎么拉票活筏；絲狀真菌的菌絲滲入土壤，纏成穩(wěn)固的群竟支撐網(wǎng)絡(luò)；細(xì)胞內(nèi)部，肌動球蛋白會通過分子之間不停地連接、像凝膠斷開、樣分涌現(xiàn)再連接，裂重讓細(xì)胞既能保形又能變形。出機

沒有藍(lán)圖，械智也沒有指揮，最簡組還在這些群體中，機器每個個體未必知道自己正在參與建造什么，人集最終功能實現(xiàn)依靠的群竟是身體的形狀、彼此的像凝膠接觸，以及一種近乎物理性的樣分涌現(xiàn)本能。

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

這種由身體直接執(zhí)行的智慧可以被機器人自發(fā)領(lǐng)會嗎？2026年5月20日，發(fā)表于《科學(xué)-機器人學(xué)》（Science Robotics）的一項研究證實了這一點。康奈爾大學(xué)（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(shù)貼（Velcro）互相鉤連、分開、再鉤連。它們就能像一團會流動的物質(zhì)一樣穿越斜坡和障礙。

研究人員把這套系統(tǒng)稱為交聯(lián)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(tǒng)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(shè)施。系統(tǒng)越精密、中央控制越強，在真實世界中往往就越脆弱。微信投票怎么拉票這條路徑在受控環(huán)境中游刃有余，但在另一類場景中卻越來越顯出局限：災(zāi)難廢墟、未知地形、可能頻繁發(fā)生故障的極端環(huán)境。

問題出在依賴上。一旦系統(tǒng)的決策權(quán)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(tǒng)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(dān)嗎？還是可以由身體、形狀、接觸方式來分擔(dān)？

這條問題線索把研究者引向了一個看似與機器人學(xué)相距甚遠(yuǎn)的領(lǐng)域：軟物質(zhì)物理。

材料科學(xué)中的活性凝膠指分子之間通過交聯(lián)鍵相互連接，這些鍵不停斷裂又重建，整體網(wǎng)絡(luò)卻能夠始終保持結(jié)構(gòu)與功能。細(xì)胞骨架就是典型例子，它支撐著細(xì)胞的形態(tài)，又隨時可在分子層面被改寫。

康奈爾大學(xué)團隊的靈感正源于此。他們想構(gòu)建一種“機器人物質(zhì)”（robotic matter），其行為更接近一團能夠變形、流動、自我組織的連續(xù)介質(zhì)。但它不能是一個由許多機器人構(gòu)成的機器人，也不該是一組按程序執(zhí)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(huán)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(xié)調(diào)，會發(fā)生什么？

回答這個問題的工作早在十年前就已經(jīng)開始。喬治亞理工學(xué)院（Georgia Institute of Technology）物理學(xué)教授丹尼爾·戈德曼（Daniel I. Goldman）的實驗室自2015年起開發(fā)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(jié)構(gòu)，由幾個伺服驅(qū)動的小臂組成，它們可在“I”形和“Z”形之間反復(fù)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(fā)現(xiàn)的有趣現(xiàn)象是：當(dāng)把若干 Smarticles 約束在一個塑料環(huán)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(guān)鍵認(rèn)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(huán)）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(zhì)真正自由地穿越復(fù)雜地形，必須找到一種更靈活，來自其內(nèi)部的凝聚機制。

從“困在環(huán)里的智能”到交聯(lián)集群

接過這一問題的是康奈爾大學(xué)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(chuàng)立，他們的研究聚焦于受社會性昆蟲啟發(fā)的集群機器人。

經(jīng)過多年迭代，團隊把原始的 Smarticle 改造成了一種新形態(tài)：長約200毫米、寬約20毫米的細(xì)長模塊，由一個小型電機驅(qū)動，可以在伸直的“I”形和彎折的“U”形兩種形態(tài)之間反復(fù)切換。這種周期性變形會對地面產(chǎn)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(shè)計（來源：DOI: 10.1126/scirobotics.aec6393）

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

Cross-Link 模塊本質(zhì)上是愛德華理論的陸地版：用周期性的形態(tài)變化對地面產(chǎn)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(dāng)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(huán)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(zhì)的關(guān)鍵幾何條件。

關(guān)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(shù)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(fù)刻了活性凝膠中“不斷斷裂、又不斷重建”的動態(tài)平衡。

魔術(shù)貼的布置又是另一個容易被忽略但關(guān)鍵的設(shè)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(lián)。這是一種刻意的異構(gòu)化，它保證了系統(tǒng)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(gòu)成了機器人物質(zhì)的交聯(lián)鍵。

機械智能如何涌現(xiàn)

僅靠結(jié)構(gòu)的改動，一群 Cross-Link 模塊就表現(xiàn)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(shù)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(shù)貼之后，畫面完全變了。模塊進入“超擴散”狀態(tài)：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(shù)貼版本累計產(chǎn)生 55 個落單模塊，有魔術(shù)貼版本只產(chǎn)生 15 個。

當(dāng)兩個模塊相遇時，可形成四種基本構(gòu)型：S 形（蛇形）、W 形（雙谷）、G 形和 C 形（雙嵌套）。而在所有自發(fā)形成的兩模塊連接中，S 形構(gòu)型出現(xiàn)了 13 次，W 形 4 次，G 形 3 次，C 形零次。基于阻力理論的力學(xué)分析顯示：W 形所需的維系扭矩遠(yuǎn)高于 S 形和 G 形，因此 W 形最容易被自身運動扯散。同時，細(xì)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(tài)。

（來源：DOI: 10.1126/scirobotics.aec6393）

當(dāng)若干模塊互相纏繞成鏈后，所有可能的構(gòu)型都可能出現(xiàn)，但接觸力學(xué)會自發(fā)“挑選”出更利于前行的構(gòu)型。例如，一些減小關(guān)節(jié)扭矩、降低內(nèi)部應(yīng)力的姿態(tài)在物理上更易于維持，因此會出現(xiàn)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(gòu)型除了空間上的連接拓?fù)?，還包括時間上的振蕩相位關(guān)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(jié)奏上把每個模塊的形狀變化逐漸對齊到一種使整體內(nèi)應(yīng)力最小的節(jié)拍。

整個系統(tǒng)并沒有任何一處擔(dān)任控制中心，負(fù)責(zé)決定該如何排列，但有用的排列方式會通過物理篩選浮現(xiàn)出來?？ㄋ苟「爬ǖ?，讓有用的行為從接觸動力學(xué)中自然涌現(xiàn)，系統(tǒng)就會自動趨向那些應(yīng)力更小、運動更順暢的狀態(tài)。

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(xué)兩種收發(fā)器，構(gòu)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(nèi)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(jīng)脫離群體，發(fā)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(fā)聲不屬于通信協(xié)議意義上的精密信號。和大多數(shù)主流多機器人系統(tǒng)中常見的網(wǎng)絡(luò)通信、共享坐標(biāo)、集中調(diào)度相比，它簡陋得近乎反常，在本質(zhì)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(dāng)穩(wěn)健。

不斷分開又不斷重組的“機器人流體”

為了檢驗這一系統(tǒng)是否真的具備穩(wěn)健性，團隊還設(shè)計了若干實驗場景。結(jié)果顯示，“當(dāng)我們放棄對構(gòu)型與協(xié)調(diào)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(jié)果顯示，10 個模塊是最優(yōu)數(shù)量，少于這個數(shù)難以形成足夠多樣的連接構(gòu)型；多于這個數(shù)，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(tài)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(zhuǎn)，不會被任何單一姿態(tài)“卡住”。

在密集障礙物場測試中，集群展現(xiàn)出一種類似流體的行為。研究人員設(shè)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(qū)前以單體為主，進入障礙區(qū)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(dāng)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(cè)重新聚合，就像水流自動繞開石頭一樣。

至于這套系統(tǒng)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(tǒng)的應(yīng)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(xiàn)象恰好符合團隊對活性凝膠類機器物質(zhì)的最初設(shè)想：一種在宏觀上保有連貫性、微觀上又不斷重組的連續(xù)介質(zhì)。

意義與邊界

在集群機器人領(lǐng)域，這項研究隸屬于一個相對小眾但日益受關(guān)注的方向：將如何控制集群的問題部分轉(zhuǎn)化為，如何設(shè)計讓有益行為自然涌現(xiàn)的物理結(jié)構(gòu)。在以大模型、強化學(xué)習(xí)驅(qū)動機器人決策成為主流的當(dāng)下，這是一條邏輯路徑有些“離經(jīng)叛道”、但并不互斥的探索。

卡斯丁強調(diào)，他們“主要把這套系統(tǒng)視為研究機械智能如何帶來集群穩(wěn)健行為的工具”，這并不是一套立即可用的產(chǎn)品或平臺。當(dāng)前實驗仍處于數(shù)十個模塊、平面或近平面場景的階段；要走向真實部署，規(guī)模化、3D纏繞能力、能源密度以及更復(fù)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(xiàn)性能的邏輯本身也意味著，這套范式不適合所有任務(wù)。需要確定路徑、嚴(yán)格時序的工作，如外科手術(shù)、裝配線等，顯然不屬于它的目標(biāo)場景。但在一些需要在不可預(yù)測環(huán)境中長時間保持“基本可用”的應(yīng)用里，這種把智能埋入物理結(jié)構(gòu)本身的思路，可能給出比“造出更聰明、能預(yù)知一切可能情況的中央大腦”更現(xiàn)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(xué)和生物學(xué)的洞見轉(zhuǎn)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(tài)鍵合本身就可以承載智能。

而當(dāng)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(nèi)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