Leafbot：挑戰極限地形的軟體機器人

在機器人領域中，軟體機器人技術正逐漸嶄露頭角，其卓越的適應能力讓它在非結構化環境中表現出色。相較於傳統機器人在不可預測的地形中舉步維艱，軟體機器人憑藉其高度靈活性，正在導航技術上取得突破性進展。其中，由日本北陸先端科學技術大學院大學（JAIST）研究團隊開發的Leafbot，便是這一領域的創新之作。

在範安和教授的帶領下，研究團隊包括博士班學生阮林越和阮高慶，他們深入探討了Leafbot在各種不平坦表面和地形中的適應能力。這項研究成果已發表於《IEEE機器人學報》。範教授表示：「軟體機器人因其在複雜和非結構化環境中的導航能力而備受關注，這使得它們在檢測和探索等應用中具有重要價值。我們利用振動驅動的運動方式，設計出一款能夠以最簡控制機制克服複雜障礙的機器人。」

傳統的振動驅動機器人通常需要複雜的控制演演算法來應對不規則地形，而Leafbot則利用其軟質材料的柔順結構，搭配簡單卻高效的運動策略，輕鬆跨越斜坡和障礙物。研究團隊使用單體矽膠設計了Leafbot的結構，並在底部設計了弧形突起，模擬爬行用的肢體。機器人的主體則連線了一個振動馬達，以實現振動驅動的運動機制。

為瞭解釋Leafbot運動背後的物理原理，研究團隊開發了一個分析模型，結合了向心力、非對稱摩擦互動和肢體變形等因素。透過互補的有限元素分析模擬，他們進一步深入瞭解了軟體結構如何與不同地形互動。範教授補充道：「我們希望分析形態如何影響運動。實驗結果驗證了我們的預測，展示了特定肢體模式如何最佳化Leafbot在挑戰性地形中的表現。」

除了計算模型，研究人員還進行了廣泛的實證測試。他們比較了三種不同肢體配置的機器人模型在各種地形中的表現，包括斜坡、半圓形障礙物和階梯地形。結果顯示，機器人的弧形肢體形態在克服障礙物方面發揮了關鍵作用，使其能夠跨越高達30度的斜坡以及半圓形障礙物。此外，理論模型與實驗驗證的成功結合，確保了Leafbot設計的有效性和可擴充套件性。

JAIST博士班學生、共同作者阮林越指出：「與依賴精確驅動的剛性機器人不同，Leafbot的適應性讓它能夠在不同表面上自我調整。這種能力使其在需要於狹窄和不平坦空間中移動的應用中特別有用。」

這項創新研究的意義不僅限於實驗室，更延伸至現實世界的多樣化應用。Leafbot的適應性在災區任務中尤其具有潛力，因為這些地區的倒塌瓦礫和不平地面往往帶來巨大挑戰。此外，由於這些機器人能夠在狹窄空間中移動，它們也可用於管道檢測、地下探索以及其他需要自主移動的工業場景。在農業領域，這種動態機器人也能應用於土壤分析和作物檢測，實現精準農業而不破壞脆弱的農地地形。

共同作者、JAIST博士班學生阮高慶對這項突破性研究的重要性評論道：「我們相信，結合人工智慧和機器學習的進展，我們的研究成果最終將能讓任務在最少人為幹預下完成。透過整合感測回饋系統並提升能源效率，我們預見Leafbot將進化為一個能夠即時適應地形並做出決策的自主系統，徹底改變軟體機器人領域。」