模块化机器人可靠性研究突破 - 瑞士洛桑联邦理工学院（EPFL）的研究彻底反转了模块化机器人领域“模块越多，故障概率越大”的传统矛盾曲线，提出了一套统一的本地资源共享方法论，使得系统可靠性随模块数量增加而上升[1] - 在实验中，一个完全“死掉”（无电池、无传感器、无无线通信）的模块，仅凭邻居模块的资源“接济”就能恢复全部功能，并与其他模块共同完成复杂运动任务[1][13] - 该研究成果以“Scalable robot collective resilience by sharing resources”为题，于2026年2月11日发表在顶级期刊《Science Robotics》上[1] 研究灵感与核心逻辑 - 研究灵感来源于生物界的本地资源共享机制，如细胞间共享营养、菌根网络共享资源、鸟类集群共享感知信息等，其核心逻辑是通过本地交互互相弥补不足，使整体比个体更强韧[5][6] - 研究团队将此思路应用于模块化机器人，瞄准了电力、通信和感知三种最关键的资源，提出了一套涵盖所有三种资源的本地共享方法论[6] - 通过严格的概率模型证明，仅共享一两种资源时，系统可靠性仍会随模块数增加而下降；只有当三种关键资源全部实现共享时，曲线才会反转，模块越多系统越可靠[6] 统一的资源共享模型与实现 - 研究提出了一个统一的共享模型，将电力、通信和感知三种不同物理域的资源纳入同一框架进行设计和分析，关注传输机制、振荡抑制、瓶颈控制和传播方式四个共性维度[8] - **电力共享**：开发了一种新型电路，可通过模块间用于数据传输的电气触点同时传输电力，无需改动机械结构，电流大小与电压差成正比（实测比例系数为1.440ΔV），电流被限制在0.5A以内[8] - **通信共享**：设计了混合通信算法，默认通过Wi-Fi下发指令，当模块无线通信失效时，自动切换至本地有线网络逐跳转发消息，关闭一个模块的Wi-Fi可降低约36mA电流消耗，与其实测功耗37mA高度吻合[9] - **感知共享**：提出分布式传感器融合算法，利用重力方向等公共因子传播状态估计信息，计算复杂度不随模块数量增长，可在74MHz嵌入式处理器上实时运行，即使模块所有传感器被禁用，也能凭邻居的估计值维持精确感知[9][10] 系统级演示与效果验证 - 在系统演示中，团队将四个Mori3模块连接成三脚架结构执行复杂运动任务，其中中心模块被设定为完全“死亡”状态[13] - **无资源共享对照实验**：中心模块“死亡”后，三脚架结构失去行走能力，存活模块只能以轮子滑行，更耗电且运动缓慢，在运行809秒后因模块电量耗尽不断重启，任务失败[13] - **启用资源共享后**：通过本地电力共享、混合通信和传感器融合，中心模块被邻居“复活”恢复全部功能，四模块三脚架成功完成行走、压低身体通过低矮桥梁、恢复行走并到达目标位置，整个任务在444秒（7分24秒）内顺利完成[13][14] 方法适用性与扩展前景 - 该方法适用于模块未被物理摧毁、仍保有一定子系统自主性的场景，要求模块间存在电气连接、本地通信能力以及某种公共感知因子（如重力、气压、太阳辐射、磁场方向或时间）[16] - 所建立的资源共享和容错原理同样适用于大规模机器人集体，并可延伸至能够对接实现能量和信息传输的机器人蜂群[16] - 该研究证明，通过本地资源共享，模块化机器人的适应性和可靠性可以同时获得，解决了其走向实际应用的核心障碍[16] 相关机器人产业链企业列举 - 文章末尾列举了工业机器人、服务与特种机器人、人形机器人、具身智能企业、医疗机器人企业及上游产业链等多个领域的众多相关公司，显示了该技术可能应用的广泛生态[18][19][20][21][22]