研究进展：具身智能可控可感知粘附的机器人

在仿生机器人攀爬陡峭墙壁、灵巧抓取脆弱物体的科幻场景逐渐照进现实的今天，一个根本性的挑战依然横亘在科研人员面前：‌如何让机器人像壁虎一样，不仅能牢牢“粘”在墙上，还能“感觉”到自己粘得牢不牢？‌ 更进一步，如何在玻璃、金属、粗糙石墙乃至开裂墙皮等千变万化的表面上，都能实现这种稳定、可控且“有知觉”的粘附？这不仅关乎机器人的功能，更直接决定了其在复杂、危险环境中执行任务时的安全性与可靠性。

近日，中国科学技术大学工程科学学院、人形机器人研究院冯伟特任教授课题组提出了一种能够在多种材质和不同粗糙度表面上实现可控粘附的方法，并借助人工智能技术实现了对粘附状态的实时监测，从而使可运动机器人具备抓握粘附状态的实时感知能力，赋予了机器人智能感知功能。相关成果以“Switchable adhesion of phase-transition eutectogels with integrated machine learning-enhanced intelligent adhesion sensing”为题，发表在国际学术期刊《自然·通讯》（Nature Communications）。  

原文链接：https://doi.org/10.1038/s41467-026-74275-7

在爬墙机器人、智能抓持器等应用中，粘附表面需同时满足强负载能力和粘附力可控的矛盾需求。然而，现有粘附技术大多依赖单一物理或化学机制，难以在材质和粗糙度各异的复杂表面上实现稳定、可逆的粘附。另外，自然界中的生物比如壁虎都可以感知是否抓得牢，而目前大部分爬墙机器人对于粘附力和抓握的状态仍然缺乏感知，对机器 人的可靠性形成了巨大的挑战。

针对这些挑战，研究团队提出了一种基于可回收、可结晶低共融的共晶凝胶材料制备策略。基于该策略构建的材料利用其内部的结晶-熔融相变，实现了宏观性能的显著切换：在熔融态时柔软且高度可形变，能够与不同粗糙度的表面形成紧密共形接触；在冷却结晶后，材料刚度急剧增强，通过物理形态锁扣和界面分子相互作用的协同效应，将粘附强度从熔融态的~100 kPa提升至结晶态的~1 MPa。通过重新加热，粘附力可迅速减弱，实现轻松脱附。这种“熔融-结晶”（M2C）的粘附机制，克服了传统干粘附剂在非光滑表面失效的难题，展现出对金属、木材、玻璃、塑料及粗糙石墙等多种基材的普适性强粘附能力。

除了实现强健且可控的粘附，实时感知粘附状态是防止机器人因粘附力不足而导致任务失败的关键。然而，现有大部分粘附系统缺乏内在的感知能力，或者并没有与机器人的运动进行有效耦合。研究团队利用共晶凝胶中离子组分赋予的本征离子导电性，将粘附界面设计成一个可实时响应外界应力的传感系统，并与机器人的运动进行耦合。在机器人抓取或爬行过程中，粘附界面的接触状态、受力大小及内部损伤，会同步引起凝胶电容与电阻信号的规律性变化。进一步地，团队引入轻量级全连接神经网络，对来自37个不同温度条件（-20°C至80°C）下超过7400个样本的电信号时序数据（电容、电阻、温度）进行训练。该模型能够基于过去3秒的信号演变，精准预测下一秒的粘附状态，其测试准确率高达96.10%。这一“感知-学习-预测”的闭环，使机器人能够远程、无线地实时监控粘附健康状况，在粘附失效发生前发出预警，显著提升了系统在危险或难以触及环境中的操作安全性。

基于上述材料与感知技术，团队分别构建了智能抓持器和三足爬墙机器人，系统地验证了其实际应用潜力。在抓持器演示中，利用共晶凝胶的融化到结晶的转变过程成功实现了对金属块、玻璃杯、鸡蛋、海绵等多种形状及易碎物体的稳定抓取、搬运与受控释放。同时，电信号的变化反映了抓持器与目标物体的接触与分离过程，实现了“抓握即感知”。在最为关键的爬墙机器人应用中，研究团队设计了一款三足爬墙机器人。每个足部均集成了电热丝，可在6V低电压下快速加热共晶凝胶使其熔化脱附，并通过与墙面接触自然冷却结晶实现强粘附。机器人通过协调主足与两侧副足的交替抬升、前移与粘附，能够在多种垂直表面上稳定爬行，包括金属墙、木墙、瓷砖墙、石灰墙乃至粗糙的石墙和开裂的石灰墙。机器人携带超过700克载荷（自重超500克，另携带200克相机），爬行速度达到8厘米/分钟。更重要的是，机器人足部的电信号变化与加热、驱动、接触、脱附等动作阶段精确同步。这种“粘附-感知一体化”设计，使得操作者能够通过无线信号实时获知每个足部的粘附状态，确认其是否已安全抓牢墙面，从而避免因粘附失效导致跌落。这项工作为开发具备抓握对象自适应性和自我感知能力的下一代智能粘附界面与机器人系统，开辟了一条新的技术路径。

冯伟教授、吴恒安教授和合肥综合性国家科学中心人工智能研究院盛书荣副研究员为共同通讯作者，中国科学技术大学何家庆特任副研究员、李嘉豪博士为论文共同第一作者，董瀚阳、朱银波特任教授以及香港城市大学令狐昌鸿助理教授亦有重要贡献。该研究得到国家自然科学基金、中科大高层次人才引进计划启动经费、安徽省自然科学基金、安徽省科技创新攻坚计划以及中央高校基本业务费等项目支持。