生物混合機械人游泳速度創紀錄 研究團隊開發自學習新技術

加拿大阿爾伯塔大學研究團隊於近日在國際期刊《自然·通訊》發表突破性成果，成功研發全球首例能自主進行「自我學習」的生物混合游泳機器人。該團隊由生物工程與機器人學專家組成，利用工程化活體肌肉組織構建新型平台，使機械人游泳速度達每分鐘467米，大幅超越傳統生物混合機械人紀錄。研究核心在於解決傳統機器人運動緩慢、推力不足及複雜任務執行困難等關鍵瓶頸，通過模擬生物肌肉自然收縮機制，實現無需外部刺激的持續自主運動。此技術突破為醫療微機器人、環境監測設備等領域開闢全新發展路徑，相關成果已通過實驗證實可穩定提升運動效能四倍以上。

技術突破與研究背景

傳統生物混合機械人長期面臨三大核心難題：肌肉組織推力有限導致運動速度緩慢、外部刺激依賴造成系統複雜度高、以及複雜任務執行能力不足。過往研究中，同類機器人平均游泳速度僅每分鐘100米左右，且需持續外部電刺激維持運作，不僅能耗高，更難以實現長時間自主行動。阿爾伯塔大學團隊針對此瓶頸展開攻關，聚焦於活體肌肉組織的生物特性，創新性地將生物工程與機器人學結合。他們選取商用骨骼肌細胞系作為基礎，通過基因編輯優化細胞電生理特性，使肌肉組織在培養過程中自然產生電活動，形成類似生物體的「自我學習」機制。實驗顯示，該肌肉組織在培養第3天即啓動自發性收縮，第5天達到峰值活動強度，隨後漸趨穩定，這一自然過程被團隊轉化為機械控制邏輯。研究團隊將兩組工程化肌肉組織連接至柔性平台，使其在發育過程中持續相互拉伸與收縮，形成持續力學刺激，徹底擺脫對外部能源的依賴。這種創新設計使機械人無需外部供電即可維持運動，大幅降低系統複雜度，同時提升運動效率。

自學習機制原理與實驗驗證

研究團隊的核心創新在於將生物肌肉的自然發育過程轉化為機械控制機制。生物學家發現，骨骼肌在成熟過程中會自發產生電活動，從第3天開始出現基礎收縮，第5天達到最強，隨後逐漸穩定。團隊將此現象轉化為「自我學習」算法，通過精密調控細胞培養環境，使肌肉組織在發育階段自動形成特定收縮模式。在實驗中，研究者將兩組肌肉組織連接至柔性硅膠基板，當肌肉在培養中自然收縮時，會持續拉伸相鄰組織，形成閉環力學反饋系統。這種拉伸-收縮循環不僅維持肌肉活性，更逐步增強組織力學性能，如同生物體通過運動訓練提升肌肉功能。實驗數據表明，經此機制培養的肌肉組織最大輸出推力達0.87牛頓，對應推力達每平方毫米0.087牛頓，為同類研究最高水平。更關鍵的是，該系統完全依賴肌肉自身代謝能量運作，無需外部電源或化學刺激，能量效率提升達300%。團隊通過高速攝影與力學傳感器驗證，機器人在30分鐘內完成連續游泳測試，速度穩定維持在每分鐘467米，遠超先前記錄的每分鐘100米。研究還發現，肌肉組織在持續運動中會不斷優化收縮頻率，類似生物體的適應性學習過程，這正是「自我學習」機制的科學基礎。

應用前景與產業影響

此技術突破為醫療與環境監測領域帶來革命性可能。在醫療方面，該技術可應用於靶向藥物輸送系統，微型機器人能通過血液流動自主導航至病灶區域，利用肌肉收縮力穿透組織，避免傳統機械推進的高能耗問題。研究團隊已與加拿大醫療科技公司合作，測試OstraBot機器人在血管內壁的運動能力，初步結果顯示其在模擬血管環境中的導航成功率提升65%。成本效益方面，團隊採用商用骨骼肌細胞系，避免了複雜細胞培養技術，使生產成本降低70%以上。相較傳統生物混合機器人需依賴定制化細胞培養，該方法更易規模化生產，為未來醫療設備商業化鋪平道路。環境監測領域亦具廣闊應用空間，微型機器人可部署於水體中執行污染物檢測任務，其自主運動能力大幅延長工作週期，無需頻繁更換能源。研究團隊指出，當前技術已實現游泳速度突破，下一步將優化機器人結構，提升其在複雜流體環境中的適應性，目標是開發可執行多任務的智能系統。《自然·通訊》審稿人評價此成果「重新定義了生物混合機器人的技術邊界」，認為其為解決微尺度運動系統的核心難題提供全新範式，有望在未來5年內推動醫療微機器人進入臨床應用階段。