“大多数机器人研究都将对称性视为与机器人身体有关的问题，但我们认为，更强大的对称性可能体现在机器人能够做什么的层面上。”这是杜克大学通用实验室主任陈博源教授在开发机器人时所践行的理念。
近日，陈博源带领团队在 Science Robotics 上发表了最新成果，提出了一种被称为“动态对称性”（Dynamic Symmetry）的设计理念，并基于此开发了 Argus 球形机器人：一款没有前后之分、由 20 条模块化伸缩腿从中央核心向外辐射的机器人，每条腿的末端都装有一台摄像头。
它能自适应地形变化，顺利穿越沙地、草地、碎石和高达 12 厘米的台阶等障碍物；能向任意方向滚动；能负载近 10 斤重的负重；甚至能在模拟月球重力下攀爬墙壁。
图 | Argus 在各种室内外环境中运行（来源：上述论文）
按照“动态各向同性”（Dynamic Isotropy）量化评价标准，当前最先进的四足机器狗、人形机器人和传统无人机得分普遍低于 0.6，而 Argus 的得分却高达 0.91，极度逼近完美的理论极限。
然而，在接受采访时，陈博源一再强调，追求极高的动态对称性并非唯一的评价标准，而是向整个机器人学界抛出的一个深层启发。他表示，当前的机器人设计不应陷入盲目模仿生物形态的窠臼，而应回归第一性原理，去探索事物进化背后的底层逻辑。
“我们造机器人，是要复刻几百万、上千万种已知的生物，还是去提取更本质的东西，做得比大自然更好？”陈博源表示。他期望通过 Argus 这个充满想象力的工程范例启发业界：真正的通用机器人不应仅仅是人类数据与形态的复制品，而应被视为一种拥有专属形态、能够自主发现世界并持续进化的“新物种”。唯有跳出现有形态的局限，通过软硬件的深度融合，未来的机器人才能真正胜任那些人类无法做到、或做得不够好的极限任务。
超 1,500 次形态模拟
陈博源在哥伦比亚大学攻读博士期间，就曾因开发出能够进行面部表情互动的蓝色机器人“夏娃”而备受关注。2022 年加入杜克大学后，他同时在机械与材料系、电子与计算机工程系以及计算机科学系任职，并创立了通用机器人实验室。“实验室的目标是做‘探索型智能体 (Discovery Machines)’——让机器能够不断发现世界的本质、不断学习和进化。”
当前主流的通用机器人研究，大多寄希望于打造一个万能的类人本体，并通过海量的人类数据（如第一视角视频、人类示教或可穿戴设备数据）进行技能迁移。但在陈博源看来，这两者有着本质的区别。
“人类数据虽然宝贵，但并不完美。如果我们希望机器人去做人做不到、做得不够好、或者缺乏足够专家去做的事情，依靠人类数据就很可能不是唯一的方向。”陈博源指出。
这种从“第一性原理”出发的思考方式，直接促成了他对现有机器人形态设计的思考。在他看来，传统的机器人设计多囿于仿生路径，致使机器的形态与物理结构被过度固化。然而，与受限于躯体的生物不同，机器人完全具备自由改变形态、驱动方式，控制策略及机械结构的独特潜能。
因此，作为探索这一方向的其中一步，他们将目光投向了动态对称性。简单来说，它衡量的是机器人在所有方向上产生最大中心加速度的均匀程度。当这个指标逼近理论极限时，机器人便达到了完美的动态对称 。“这意味着它不再受限于特定的行进方向，无论是前后左右还是任意斜角，都能随心所欲地发力，真正实现了从长得对称到动得对称的本质跨越。”这项研究的共同一作、杜克大学第三年博士生刘加勋表示。
为了衡量这种能力，研究团队引入了“动态各向同性”这一量化指标。在这个 0 到 1 的评分体系中，目前人类设计的大多数传统机器人得分都在 0.6 以下。
为了验证这一理论，研究团队设计并模拟了超过 1,500 种形态，打造了一个名为 Argus 的球形机器人家族。
随着腿数从 6 增加到 40，机器人的性能表现与“动态对称性”之间存在着明显的规律：6 到 16 腿之间，动态各向同性随着腿数增加迅速提升，误差大幅降低，任务成功率显著提高，能耗下降；16 到 22 腿之间，动态各向同性增长开始出现边际收益递减，性能提升放缓，逐渐逼近最优状态；22 腿以上时，动态各向同性几乎不再提升，达到理论平台期，说明冗余的机械结构、计算负荷和重量可能会降低能效，让控制变复杂。
（来源：上述论文）
最终落地的是具有 20 条腿的 Argus 物理样机，其动态各向同性得分高达 0.91，接近理论极限。不仅如此，Argus 的每一条腿底端都配备了微型深度相机，赋予其 360 度无死角的全向环境感知能力。
“我们的模拟器最高测试过 40 条腿。但数据表明，在 18 到 22 条腿的区间，性能提升达到了一定的阈值，再往后增加腿数，性能的边际收益就开始递减。
同时，我们在物理样机上必须将电源、计算单元、传感器全部集成在本体上，实现完全的无外接线运行。20 条腿是我们在物理空间、能耗控制和巅峰性能之间找到的最优解。”共同一作、杜克大学博士后研究员夏博熙博士表示。
为了验证这种近乎完美的“动态对称”设计究竟能带来多大的优势，研究团队在仿真环境和真实的物理世界中，为 Argus 设计了一系列测试实验。
结果表明，Argus 能够全向灵活行走，即使只在平地训练，草地、砂石、水泥路、湿滑泥地也能零样本通用，包括台阶；即便在行进中遭遇硬件故障，被随机破坏掉 1-3 条腿，Argus 也能迅速通过调整身体姿态，继续平稳前行；此外，这台机器人在单侧表面挂载 4.5 公斤的重物时，依然能保持极高的目标行驶速度；而在模拟月球低重力的空间探测实验中，它甚至能靠伸出不同方向的腿，在两堵平行的墙壁之间实现交替支撑与推举，完成垂直攀爬。
“像孕育新物种一样造机器人”
在“动态各向同性”这一量化指标下，目前大多数机器人，包括最先进的四足机器人、人形机器人和传统无人机，得分均低于 0.6。而 Argus 的得分高达 0.91，接近理论最大值。
图 | 不同机器人的动态各向同性（来源：上述论文）
如此悬殊的数据断层，难免让人产生好奇：这个几乎让传统机器人集体“不及格”的新标准，究竟是为 Argus 量身定制的“偏好”，还是真正触及了设计的底层规律？
“动态对称性不是唯一的标准，但它是一个非常有价值且被忽视的科学指标。自然界的形态教会了我们很多工程和科学知识，但这不意味着机器人必须局限于这些形态”，刘加勋补充道，“我们的评价标准把无人机、四足机器人、人形机器人和绳索驱动机器人放在了同一个评价体系里。它测量的是机器人在遇到各个方向的突发状况时，产生瞬间反作用力的灵活性。这在高度动态和复杂的环境中是非常客观且强大的优势。”
此外，这种设计极大地缩短了机器人从仿真到现实（Sim-to-Real）的鸿沟。陈博源激动地回忆道：“这是我做机器人十多年来，Sim-to-Real gap 最小的一次，我们只花了一天不到的时间。因为 Argus 的 20 条腿是完全动态对称的，我们只需要把一条腿的系统参数搞清楚，剩下 20 条直接复制。虽然实际物理电机之间存在细微差异，但得益于高度的动态对称性，这些差异被完美消化了。放进现实环境后，它基本上毫不费力地就直接工作了。”
这种形态甚至带来了极强的鲁棒性和抗毁能力。在物理实验中，即使随机破坏掉一到三条腿，Argus 也不会像人类或四足机器狗那样立刻瘫痪。它能迅速调整姿态，刻意将身体转向腿部完好的一面，利用健康的腿接管发力任务，继续平稳前行。
在应用层面，Argus 展现出了极强的场景适应力。夏博熙介绍称，很多人凭直觉认为 20 条腿必然耗电，但恰恰相反，得益于动态对称性，它的能耗很低，且运行噪音也很小。
目前，研发团队已经进行了月球重力实验，为未来的太空探索做好了准备；同时，它在野外地质勘探、灾害救援等低能耗、高门槛任务中同样极具潜力。
更深远的前景在于微观医疗领域：如果将同样的力学机理应用到纳米或微米级机器人上，它们就能在极其复杂的人体器官、内脏或血管中，以极低能耗灵活穿梭执行靶向任务。不仅如此，该理论框架也有望反哺现有的无人机、机械手设计，甚至启发学界挖掘出更多尚未被发现的第一性原理。
面对如此出色的表现，这是否意味着我们应该改变机器人的设计方向？
在陈博源看来，人类对机器人设计的探索其实还非常匮乏。相比大自然从细胞到动植物那千万种奇妙形态，当下由人形、四足、无人机或机械臂排列组合而成的硬件库，显得想象力十分受限。当前大多数机器人研发被“即时效用”所绑架——因为从零设计硬件既慢又难，大家更倾向于在现有形态上缝缝补补。
“造机器人应该像孕育一个新物种。”陈博源强调，这个新物种理应拥有属于自己的思考、驱动和供能方式，甚至拥有独立的交互语言。在他看来，Argus 的诞生，其核心意义并非要在明天就量产去替代某款产品，而是向整个行业抛出一个启发式的问题：机器人到底是什么？我们是不是该跳出现有的思维框架，去建立一套真正关乎机器人设计的科学理论？
至于理想中通用机器人的终极形态，陈博源坦言，那个真正符合预期的智能体尚未问世。这正是其实验室坚持“全栈”探索的初衷：打破学科壁垒，融合机械、电子与计算机背景的交叉科研力量，同步演化机器人的“大脑（软件）”与“躯体（硬件）”，去共同寻找未来的答案。
“但我确信一点，当下绝大多数机器人的诞生，并未遵循这种软硬共生的研发路径。如果探索的路径本身存在局限，那么由此产出的物理本体，大概率也不会是我们最终渴望的最优解。”陈博源说道。
1.Liu, J., Xia, B., & Chen, B. (2026). Extreme dynamic symmetry enables omnidirectional and multifunctional robots. Science Robotics, 11(114), eaec1725. https://doi.org/10.1126/scirobotics.aec1725
运营/排版：何晨龙
注：封面/首图由 AI 辅助生成