产品发布与技术创新 - 黑漫科技推出全球首款防水灵巧手WA系列，填补了全球市场空白，有望解锁从日常生活到极端环境的全场景作业能力[1] - WA系列包括IP68标准版和深海工程版两个版本，标准版针对洗碗、洗菜等日常生活场景，工程版可承受300米至10000米不同等级的深海压力，最深可在马里亚纳海沟作业[3] - 防水灵巧手的核心技术难点在于复杂传动机构下的可靠密封、自适应抓取控制、防腐蚀及抗电磁干扰等工程难题[3] - 公司通过搭建高压密封试验舱模拟万米水压进行测试，结果显示该灵巧手可实现水下作业成功率提升80%，泛化操作能力较二指夹爪提升5倍[5] 团队背景与研发实力 - 创始人杨子赫为吉林大学博士，拥有近10年机器人研制经验，主持开发机器人品类十余种，交付总量数万台[6] - 核心研发团队来自浙大、吉大、中科大等高校及国内头部机器人公司，平均从业经验近10年，并汇聚了中国最早一批从事灵巧手开发的元老人物[6] - 团队首席科学家为吉林大学"唐敖庆学者"领军教授、博士生导师刘春宝，并有两位院士专家作为顾问[7] - 团队深耕水下行业，曾参与蛟龙号取样器、深海8000米级着陆器、千米级ROV等研制，并跟随中国大洋科考船进行科考[7] - 研发过程中采用融合技术成熟度评价等级体系的改良版IPD项目管理流程，并配备与研发团队规模相当的测试和品控人员[9] 市场应用与商业前景 - WA系列标准版精准切中人形机器人及服务机器人的核心痛点，解决其在厨房等涉水场景的应用短板，到2030年全球人形机器人市场规模有望突破千亿美元[10] - 工程版有望解决海洋科考、海洋牧场、水下考古等垂直领域的实际需求，例如在海洋牧场中可替代潜水员进行水下抓取作业[12] - 在海洋强国战略推进下，兼具灵巧操作与抓取泛化性的水下灵巧手是实现水下作业的核心部件，前景广阔[12] - 公司已与浙江大学、吉林大学、申昊科技等高校和企业展开合作，并已获得实际订单[14] - 公司由机器人上市企业申昊科技和火星加速器联合战略孵化，已完成种子轮融资，目前正优化生产工艺、搭建产线以形成批量交付能力[15] 行业影响与战略定位 - 黑漫科技选择开辟"防水"新蓝海，通过双版本产品终结了机器人技术在涉水及深海作业领域的禁区，重新定义了机器人的作业边界[15] - 公司的商业逻辑清晰务实，短期目标是以垂直场景切入解决具体工程问题，长期目标是与人形机器人产业结合，提升产品稳定性和性价比[15] - 这一步由一家中国公司率先迈出，展示了强悍的技术实力和对市场需求的深刻洞察[15]

松延动力人形机器人销售表现 - 新一代人形机器人“小布米”首发3小时内销量突破200台 [2] - 产品定位为“全球首款万元内高性能人形机器人”，定价9998元，价格优势明显 [2] - 公司旨在通过该产品在人形机器人全面进入家庭服务前，先为用户提供情绪价值 [2] 医疗机器人技术突破 - 厦门大学附属心血管病医院完成全球首例跨国远程机器人心脏介入手术，手术距离超1万公里 [4][6] - 手术采用医院自主研发的机器人系统，具有完全自主知识产权，操作精度达亚毫米级，时长约1小时 [6][7] - 人工视觉技术PRIMA助70岁失明患者重获光明，84%的临床实验患者恢复功能性中央视力，80%患者视力水平上升 [14][16] - PRIMA技术由Science Corporation研发，已提交欧洲监管申请，FDA批准程序同步进行 [16] 人形机器人产业基础设施建设 - 杭州市人形机器人中试基地暨应用推广中心正式启用，总投资近2亿元，面积超1.5万平方米 [11] - 基地为政企共建平台，集“室内精准测试+室外场景验证”于一体，旨在破解人形机器人量产难题 [11] - 基地整合多项功能，组建中试服务联盟，揭牌当日即有多家企业现场签约 [11] 前沿机器人技术研发 - 美国北卡罗来纳大学团队研发出“DNA花朵”微型机器人，由DNA与无机材料结合构成，能在几秒内折叠与展开 [13] - 该微型机器人具备自适应环境变化能力，未来或可用于人体靶向治疗、环境清理及海量数据存储 [13]

技术核心与创新 - 研发仿蛾扑翼无人机，最大亮点是采用极值搜索反馈控制，无需AI或复杂模型即可实现稳定飞行[2][3] - 硬件配置为四个金属丝和织物制成的翅膀，通过高速独立扑动控制姿态，速度快至肉眼难以分辨[4] - 具备悬停、倒飞、遇风或障碍物自动调整、跟随移动光源等功能，飞行中的轻微晃动是系统特意设计用于优化状态的扰动[4] - 能模拟飞蛾、蜻蜓、蜂鸟等多种飞行生物的姿态，且整个系统可微型化，适用于特殊场景[5] 理论突破与应用 - 提出全新解释框架，将昆虫悬停飞行描述为天然的极值搜索反馈系统，为仿生飞行器提供简单、稳定、无需模型的实时控制方法[7][9] - 传统空气动力学曾认为昆虫悬停“不可能”，直至发现前缘涡流这一非常规升力机制才在物理层面解释其可行性[10] - 昆虫悬停在开环意义上不稳定，需主动控制，但昆虫神经系统简单却能实现实时鲁棒控制，而传统方法如LQR、PID需精确模型和复杂计算[14] - 核心观点是昆虫翅膀扑动本身即为天然探测信号，极值搜索控制通过持续扰动和反馈寻找最优工作点，无需系统模型[16][17][19] 性能验证与对比 - 仿真测试六种飞行生物（天蛾、大蚊、熊蜂、蜻蜓、食蚜蝇、蜂鸟），均能在扰动后迅速恢复稳定悬停状态[14][23] - 以天蛾为例，初始垂直速度0.2米/秒的扰动下，系统约1.4秒恢复稳定，超调量仅23.6%[24] - 与传统PID控制对比，精心调节的PID控制器对天蛾悬停控制超调量高达770%，稳定时间超10秒，且需针对不同工作点重新调参[26] - 极值搜索系统同一控制增益适用于所有物种，无需重新调参，对延迟和噪声容忍度高，延迟47毫秒仍保持稳定[27]

财务业绩表现 - 2025年前三季度公司实现营业收入7.14亿元，同比增长103.5% [1] - 归母净利润和扣非归母净利润分别为1.08亿元和6857万元，同比均实现扭亏为盈 [1] - 第三季度单季营收2.79亿元，同比增长102.49%，归母净利润4782.89万元，环比增长33.32%，连续三个季度业绩攀升并创历史新高 [1] - 前三季度累计营收已超2024年全年水平，业务放量明显提速 [2] 盈利能力与运营效率 - 前三季度扣非净利润达6857万元，同比增长1.7亿元，反映主营业务盈利能力持续优化 [4] - 受益于上游产业链完善、下游场景拓展及全价值链成本管控，公司实现经营利润大幅转正 [2] - 研发效率大幅提升并降低低效成本投入，平均研发投入占营业收入比例平均值近70%，核心技术研发攻坚强度趋于稳定 [4] 核心业务增长动力 - 生物识别业务与AIoT领域已成为公司增长的核心动力 [5] - 在生物识别领域，公司与生态伙伴合作，将支付终端设备扩展至快递、公交、电梯等创新交互领域 [6] - 在AIoT领域，机器人、三维扫描业务成为营收重要支撑，公司在具身智能机器人、AI端侧硬件等赛道具备先发和技术优势 [6] - 今年上半年国内机器人业务收入同比增长近100% [8] 技术研发与战略布局 - 公司构建全栈式研发能力和全领域技术路线布局，是全球少数全面布局六大3D视觉感知技术路线的公司之一 [8] - 2025年公司推出dToF3D激光雷达与双目3D相机等新品，持续进阶机器人感知矩阵 [8] - 公司拟通过定增募资不超过19.18亿元，投向机器人AI视觉技术研发平台和AI视觉传感器制造基地项目，强化技术闭环与交付能力 [9] 市场地位与产能规划 - 公司在中国服务机器人以及韩国商用和工业移动机器人3D视觉领域，均已实现超70%的市场占有率 [10] - 根据业务规划，目标在5年内将3D视觉传感器及消费级应用设备年产能分别提升至500万台及200万台 [12] - 行业分析指出，人形机器人、智能割草机、3D打印等市场空间规模分别为190亿美金、84亿美金、42亿美金，行业自2024年底开始起量 [12]

JingxiangMo的职业动态与新公司 - JingxiangMo于2024年9月离开其创办的K-Scale Labs，并计划创办新企业Gradient Robotics，专注机器人技术与物理人工智能领域[1][6] - 新公司Gradient Robotics的联合创始人兼首席执行官为JingxiangMo，但具体技术方向与产品规划尚未公开[6][30] K-Scale Labs的技术成就与团队表现 - 团队在K-Scale Labs期间主导K-Bot和Z-Bot项目，10人团队在8个月内完成硬件设计、生产制造及操作系统、强化学习/视觉语言动作模型的全流程开发[2] - K-Bot项目从原型到量产仅耗时不到6个月，2025年7月推出首批150台量产机型，销售额超200万美元，客户包括谷歌DeepMind、OpenAI、斯坦福大学等[11] - Z-Bot主打大规模量产，单台售价低于1000美元，公开等待名单已超2万人，原型机已应用于斯坦福大学CS234课程[13] - 团队早期项目Zeroth-01为全球最小3D打印开源人形机器人，物料成本仅350美元，开源社区拥有5000多名成员，GitHub星标超700个[15] 行业对标企业：Physical Intelligence与FieldAI - Physical Intelligence（PI）专注机器人智能软件研发，2024年10月推出参数量3B的通用机器人基础模型π0，2025年5月升级为π0.5模型，支持长程复杂操作[18][20][22] - PI在2024年11月完成4亿美元融资，投后估值达24亿美元，投资方包括杰夫・贝索斯、OpenAI、Sequoia Capital等[24][25] - FieldAI核心技术为Field基础模型，嵌入物理知识实现机器人自主决策，2025年8月完成总计4.05亿美元融资，投后估值达20亿美元[25][27][29] 通用机器人技术发展路径与行业趋势 - JingxiangMo指出通用型机器人技术是当今最重要课题之一，团队已明确解决路径，类比自动驾驶技术突破历程，认为必将以开源方式实现[4] - 机器人与物理AI领域成为具身智能赛道竞争焦点，PI与FieldAI的快速崛起凸显行业对技术突破的迫切需求[30]

技术突破与核心创新 - 开发可植入闭环脊髓神经假体系统，将脊髓电刺激技术与康复机器人结合，帮助瘫痪患者恢复行走能力[1][3] - 核心技术为硬膜外电刺激，通过激活脊髓运动神经元产生更自然协调的肌肉活动模式，而非直接刺激肌肉[6] - 系统实现活动依赖性仿生电刺激，可根据不同康复机器人和运动模式实时调整刺激参数[6] - 关键优势在于即使关闭电刺激，患者神经功能仍能持续改善，促进神经系统长期重塑[3] 系统设计与技术细节 - 植入式硬件包括含16个电极的桨式导线，可精确定位到控制下肢肌肉的脊髓节段[8] - 实时控制平台延迟仅为134±26毫秒，通过平板电脑应用程序根据外部传感器信号调整刺激参数[8] - 采用多模态传感方案：惯性测量单元检测肢体运动并补偿传感器漂移；人体工学按钮让患者主动触发刺激；力传感踏板用于自行车训练，实现上下肢协调配合[9] 临床验证与应用效果 - 在5名脊髓损伤患者测试中，系统与Lokomat外骨骼配合使患者肌肉活动显著增强，交互力降低，表明患者开始主动参与运动[12] - 在MOTOmed康复自行车测试中，脊髓电刺激使被动下肢运动变为主动参与，且不会导致肌肉疲劳，患者可稳定骑行1小时[12] - 户外测试中患者借助智能助行器可在草地、砾石路行走，通过拐杖双按钮独立上下楼梯，一名部分瘫痪患者4小时内完成4069步[12] - Go-Tryke卧式三轮车测试显示系统能检测上肢用力并自动调节下肢刺激强度，实现自然运动协调[12] 康复效果与临床意义 - 长期跟踪4名慢性脊髓损伤患者，所有患者下肢运动评分均有提高，即使关闭电刺激亦然，证明训练促进了真正的神经康复[14] - 典型案例显示一名完全瘫痪患者所需体重支撑从78%降至51%，最终可仅凭电刺激和助行器独立行走[18] - 机器人提供安全训练环境和物理支撑，电刺激激活神经肌肉系统，两者结合产生协同效应，且无需改造现有康复设备[18]

文章核心观点 - 动捕技术是人形机器人从实验室样品走向产业产品的关键基础设施，其价值远超单纯的动作记录，在人形机器人的训练、评测和数据采集环节扮演核心角色[1][3] - 青瞳视觉的光惯混合动捕方案通过紧耦合算法、主动发光编码Mark点、去磁力计等创新设计，解决了传统动捕技术的遮挡和飘移痛点，相机数量减少80%，实现了在复杂工业环境下的高精度、稳定数据采集[8][9][11][13][14][16] - 人形机器人行业面临严重的数据饥渴症，所需数据量可能是自动驾驶的1000倍以上，青瞳视觉通过构建高质量、多模态、时空对齐、真实场景的伴随式数据集，旨在破解行业数据稀缺难题[18][19][21] 人形机器人进化三部曲 - 动捕技术在人形机器人产业中主要发挥训练与评测两大作用，具体分为运动智能、作业智能、交互智能三个递进层级[3] - 运动智能是基础，通过动捕记录人类大关节运动数据并复刻到机器人，使其掌握平衡与协调，如走路时重心转移[3][4] - 作业智能是关键，聚焦机器人会干活的能力，例如青瞳的光学手指动捕设备能捕捉手指屈伸、抓握的细微动作，指尖关节弯曲角度误差不超过1度，用于训练灵巧手[4] - 交互智能是长远目标，实现机器人与人、环境的自由交互及机器人间协作，这是真正具身智能的体现，需要动捕记录人类协作的动作逻辑[6] 动捕技术的双重角色：从教练到考官 - 在研发阶段，动捕是性能调优工具，如同给机器人做动作CT，其亚毫米级精度能将调优效率提升10倍以上，通过对比人类数据找出异常动作根源[7] - 在出厂阶段，动捕充当质检官，检测行走稳定性、重复定位精度等指标，例如检测机器人多次抓取同一位置螺丝的误差是否超过0.5毫米[7][8] - 在应用场景中，动捕负责技能评估，为机器人进入工厂设置技能考试标准，如记录拧螺丝的转速、力度、角度，判断是否达到生产标准[8] 光惯混合动捕方案的技术优势 - 青瞳的紧耦合方案直接调用光学图像像素信息和惯性加速度与角速度的原始数据进行实时交互校准，相比松耦合方案（取平均值融合），数据连续性更强、定位精度更高[9][11] - 通过去磁力计设计，利用光学数据实时校准惯性方向，彻底解决了惯性动捕因磁场干扰导致的飘移问题[13] - 采用主动发光编码Mark点，每个点有独特闪烁频率编码，使其在玻璃、金属等强反光环境下也能稳定工作，避免了传统Mark点易受干扰产生伪点的问题[14] 破解人形机器人数据饥渴症 - 人形机器人需要动作、触觉、环境、物体属性等多维度数据，数据量远超ChatGPT和自动驾驶，可能是后者的1000倍以上[18] - 高质量数据集需满足多模态（如拧螺丝动作需包含运动轨迹、压力变化、材质硬度、工作台高度）、微秒级时空同步、高精度（误差0.1毫米内）、高灵敏度（捕捉0.1克力度变化）、高自由度（覆盖全关节复杂动作）等标准[18][19] - 青瞳采用伴随式采集获取真实场景数据，相比实验室模拟数据成本更低且能捕捉人类隐性技巧经验，其采集的数据噪声低于1%，后处理简单，可直接用于训练[21] 动捕技术的未来应用与行业影响 - 未来动捕技术可使机器人从工具变为老师，例如羽毛球教练机器人能通过动捕对比学员与专业运动员动作差异进行实时纠正，或工厂技工机器人示范高精度动作帮助新工人上手[22] - 人形机器人落地规划分三步走：工厂标准化操作、康养柔性交互、家庭复杂服务，每一步都依赖动捕的训练与评测能力[24] - 动捕技术正从影视动画专属工具转变为人形机器人产业的基础设施，通过解决学动作、考资格、缺数据三大难题，推动行业标准化和商业化落地[24]

文章核心观点 - 飞行人形机器人技术正从科幻概念走向实验室研究，多个国内外研究团队在推进系统、稳定控制和空地协同移动方面取得关键进展 [5][9][14] - 尽管当前技术面临续航和成本等挑战，但具备空地协同能力的机器人有望在工业、救援和太空等领域发挥重要作用，标志着“机甲时代”的起点 [20] 全球研究机构进展 - 浙大湖州研究院在2025IROS大会上展示搭载喷气推进系统的人形机器人方案，其喷气飞行背包使用3组涡喷发动机，以煤油或柴油为燃料，可用于应急救援等场景 [6][8] - 加州理工学院开发多模态机器人LEO，高75厘米重2.58公斤，肩部四个螺旋桨使其能行走兼短暂悬停，实现空地转换移动 [9][11] - 加州理工学院与阿联酋合作开发多机器人系统，人形机器人Unitree G1背负可变形无人机M4，实现步行释放、飞行越障、轮式移动的完整任务链路 [11][13] - 广东工业大学Jet-HR2在腰部和脚部安装四个涵道风扇，以1.17推重比（17公斤/20公斤）实现超1米高度稳定悬停，突破高推重比限制 [14][16] - 意大利理工学院iRonCub3项目在70公斤重机器人平台集成喷气背包（最大推力1000牛）和手臂推进模块，完成稳定起飞与短时悬停，瞄准灾害响应场景 [17][19] 行业企业生态 - 工业机器人领域涵盖埃斯顿自动化、埃夫特机器人、非夕科技等企业 [24] - 服务与特种机器人企业包括亿嘉和、晶品特装、七腾机器人等 [25] - 医疗机器人企业涉及元化智能、天智航、思哲睿智能医疗等 [26] - 人形机器人企业有优必选科技、宇树、云深处、星动纪元等 [27] - 具身智能企业包含跨维智能、银河通用、千寻智能等 [28] - 核心零部件企业覆盖绿的谐波、因时机器人、坤维科技等 [30]

核心技术突破 - 提出视触觉与磁触觉结合的MagicGel传感器，通过视觉-磁场异构数据融合框架，利用磁场信息补偿视觉图像的信息缺失，构建更完备的接触力学表征体系 [2] - 传感器结构包含涂层、强磁颗粒标记点、弹性体、灯带、霍尔传感器和相机，整体尺寸为31*31*27mm [3] - 采用递归神经网络处理磁性信息特征向量，并与卷积神经网络处理的图像特征向量相结合，连接后预测传感器表面的法向力 [9][11] 性能优势 - 在法向力估计精度上，视觉-磁融合模型较基准模型提升10.1% [23] - 磁触觉技术响应速度具有亚毫秒级同步特性，信号传输效率高于需经历多级链路的视觉触觉传感器 [21] - 融合架构可实现基于磁场梯度的非接触式接近感知，检测距离达200mm [23] 实验验证 - 通过三组对照实验进行数据分析：第1组使用磁性数据和力信息、第2组使用视觉图像和力信息、第3组使用视觉图像、磁性数据和力信息 [12] - 实验证实磁信号与视觉信号融合时力估计精度提升明显，单独磁信号虽绝对误差较大但法向力变化趋势与实际物理作用吻合 [21] - 接近感知验证实验显示，磁场强度与检测距离呈显著非线性负相关，在非理想条件下仍能保持距离辨识能力 [17][19] 应用价值 - 赋予触觉传感器非接触式的接近感知能力，可提升机器人环境适应性与操作安全性，避免因接触角度偏差或接触力失控导致的传感器损伤 [14] - 多模态反馈机制可为高速响应场景提供先导性决策依据，显著增强机器人操作的实时性和系统鲁棒性 [20][21] - 该技术为灵巧操作系统的力控优化和加强基于视觉的触觉传感器的力感知能力提供了创新思路和新范式 [23]

技术挑战与现有方案局限性 - 在狭窄空间操作是机器人技术面临的标志性挑战 突破该技术瓶颈可提升微创手术 管道维护 航空航天检测等任务的可行性 安全性 效率与经济性[1] - 蛇形连续体机器人因良好的形状适应能力被视为潜在解决方案 但现有设计多采用增加执行器提升灵巧性的范式 导致结构复杂 成本上升 控制难度增加 限制实用化进程[1] - 传统连续体机器人靠滑动插入狭窄空间 新兴尖端外翻软生长机器人通过尖端外翻方式前进 穿越复杂环境时几乎不产生摩擦 降低环境阻力与损伤风险[1] - 软生长机器人实际应用受制于关键技术难题 即如何在保持柔性结构特性的同时实现可逆 多次弯曲的形态控制[2] - 现有转向方案如气动肌肉 多驱动器 肌腱驱动等存在难以解耦尖端与机体形变 形变不可逆 驱动系统复杂等缺陷[2] HasMorph新范式核心创新 - 英国谢菲尔德大学曹林教授团队提出迟滞辅助形状重构新范式 将倒置锯齿形腱鞘机构与尖端生长机制结合 仅使用两个执行器实现多段弯曲 可逆形态重构及可转向的无摩擦尖端生长能力[2] - HasMorph主动利用摩擦引起的迟滞效应 通过调整两个肌腱执行器的加载顺序与幅度获得多种机器人形态 实现可逆 多段弯曲变型而无需增加驱动器数量[4] - 该设计突破传统依赖更多执行器实现灵活变形的思路 将通常被视为系统缺陷的迟滞现象转化为可控的机器人形态调节机制[4][5] - 研究团队设计倒置锯齿形腱鞘传动机构结合尖端生长机制 使机器人实现领航跟随式的灵活 无摩擦运动 在非结构化环境中展现优异适应性与操作灵活性[4] HasMorph工作原理与机械设计 - HasMorph在充气连续体梁内部布置两套对称的倒锯齿形腱鞘传动系统 每条肌腱从基座出发经柔性导向鞘延伸至尖端 再通过固定在内壁的弯曲鞘段返回基座 形成倒置锯齿形布线结构[5] - 导向鞘为不可压缩螺旋弹簧线圈 确保电机端位移精确传递至尖端 弯曲鞘段将机器人划分为多个独立弯曲单元[5] - 肌腱被拉动时充气梁在相邻弯曲鞘段间隙处产生局部屈曲 由于鞘段弯曲特性 肌腱滑动受可预测摩擦导致张力从尖端到基部衰减[6] - 拉伸阶段弯曲从最远端开始逐段向基部传播 释放阶段解弯过程从尖端依次返回基座 造成弯曲与回直的路径差异 这种形状滞后是实现每个关节精确控制的关键[6] - 通过控制前5个关节弯曲后仅回直前4个关节 可使第5关节保持弯曲 其他关节处于默认状态 扩展至整个机器人可实现任意关节独立控制 每个关节具备正向弯曲 负向弯曲和保持直线三种基本状态[6] - 对于具有n个关节的机器人 仅需两个马达即可实现理论上3^n种形态配置 例如3关节机器人可实现27种不同姿态[6][18] 软生长机器人运动模式与应用 - 将充气连续体结构向内反转构成尖端外翻软生长机器人 在反转材料内部增设中央收缩肌腱控制内层材料释放与回收[8] - SGR由三条肌腱与气压系统协同驱动 系统调节输入参数实现平稳运动 具备实时肌腱张力监测功能 可自动施加预紧力降低操作复杂度 避免腱间耦合干扰 提升控制精度与响应性能[8] - HasMorph使软生长机器人具备四种基本运动模式：直线生长模式下约2 psi气压驱动机器人通过内部材料外翻实现线性延伸 系统实时监测中央肌腱张力协同控制生长过程[9][10] - 外部褶皱诱导转向模式下单侧肌腱被拉动时机器人外层材料自尖端向基部形成褶皱 造成两侧长度差异实现转向 该模式独立于生长过程 可不改变长度调整方向[11] - 耦合生长与转向模式下两侧肌腱释放量不一致时机器人在延伸过程中同步实现方向变化 差分生长机制赋予机器人领航跟随能力 尖端确定运动轨迹后续部分动态跟随 使其在狭窄复杂环境中直接生长为目标形态[12] - 尖端缩短模式下两侧肌腱同时收紧时机器人长度缩短 随后有选择释放单侧或双侧肌腱可重新延伸并转向 实现姿态重置或路径再规划[13] 性能验证与产业前景 - 实验验证显示HasMorph在复杂障碍环境中具有多段弯曲 路径切换与形状锁定能力 在搜索救援 医疗内镜导航等场景展现良好应用潜力[18] - 机器人回缩与避障能力通过同时拉动两根肌腱实现自尖端开始的缩短 为实际应用中的障碍躲避带来极大灵活性提升[19] - 在随机创建的复杂环境中基于实时控制机器人能灵活翻越障碍并多次重新配置自身姿态尝试探索每个角落[20] - HasMorph在构型多样性 环境交互与实时控制方面表现优越性能 为软体连续体机器人在真实场景部署提供可靠技术支持[21] - 该研究成果发表于国际权威期刊《Science Advances》 标题为"Hysteresis-assisted shape morphing for soft continuum robots"[5]