康奈爾大學研製昆蟲啟發 3D 模型 助拍翼機械人穩定飛行

康奈爾大學的研究人員開發了一個 3D 計算模型，用以解碼昆蟲同雀鳥維持穩定飛行背後嘅複雜物理學。呢項研究提供動物演化出飛行能力同我哋最終建造同樣機器人之間嘅缺失連結。特別係，團隊識別咗五個關鍵物理維度嘅「被動穩定性」，呢啲維度可能重新定義生物學同機器人學。

飛行維度

長久以來，人們相信大多數昆蟲天生不穩定，需要持續神經修正嚟保持空中飛行。然而，呢個新模型揭示咗一個反共振狀態——一個數學「甜蜜點」，喺度翼慣性同身體運動嘅耦合容許動物自動保持穩定，即使喺氣流擾動期間。呢個發現顯示，被動穩定性喺自然界比之前想像中更普遍。新模型克服咗之前模型嘅限制，後者只模仿真實世界昆蟲。它容許探索廣泛嘅理論翼身配置。 為簡化飛行嘅複雜動力學，研究人員將佢哋嘅 3D 模擬濃縮成一個聚焦五個核心變量嘅簡化模型：翼對身體質量比率、翼載、鉸鏈位置、揮動頻率同拍動幅度。

呢啲參數定義咗一個「五維空間」，捕捉飛行物物理形狀同運動之間嘅基本互動。 「呢個模型嘅力量係畀我哋比之前更明確嘅嘢。我哋知道基本物理學。透過喺新模型捕捉基本物理學，我哋可以概念上理解每個部分，同時促進計算嚟探索大型參數空間，」Z. Jane Wang 教授喺文理學院同康奈爾杜菲爾德工程學院任物理學、機械及航空航天工程教授表示。 分析跨越五維度嘅飛行數據產生兩個公式，定義穩定性嘅甜蜜點，即反共振狀態。

呢個狀態依賴翼慣性同身體質量之間嘅精準平衡，容許動物實現被動穩定。透過掌握頻率同物理比例嘅互動，飛行物可以自動抵消氣流擾動，並維持穩定飛行，而唔需要持續主動修正。 「突然間，我哋發現好多拍翼飛行形式擁有被動穩定性，呢個最初令我哋震驚，因為之前工作顯示大多數昆蟲，除咗一兩個，都係被動不穩定，因此需要神經電路嚟控制佢哋，」Wang 表示。「但當我哋擴展形態空間，我哋意識到之前研究嘅只係呢個新視野中嘅少數點，」首席研究員補充。

工程師而家可以設計預先調校穩定性嘅拍翼機器人。呢個減少咗複雜、重型反饋感測器同處理器嘅需要，簡化敏捷微型無人機嘅設計。除咗機器人學，呢個簡化模型提供更快嘅計算方法，用以分類有翼物種同繪製自然界飛行特徵嘅演化路徑。它可能幫助理解點解某些翼形或頻率喺數百萬年被選擇。 「喺演化期間，各種特徵被選擇，但除咗極少例子，例如眼睛，我哋對佢哋係乜、點解被選擇同點樣演化冇乜概念，」Wang 表示。

呢項研究喺《美國國家科學院院刊》發佈。