一项突破性研究：利用自主训练高强度肌肉实现快速游动的仿生混合鱼机器人
一、 研究团队与发表信息
本研究的主要作者为Pengyu Chen、Xuchen Wang、Jinrun Zhou和Yu Jun Tan。研究团队来自新加坡国立大学设计与工程学院机械工程系（Department of Mechanical Engineering, College of Design and Engineering, National University of Singapore）。该研究成果于2026年发表在*Nature Communications*期刊上（文章编号：17:2246）。
二、 学术背景与研究目标
本研究属于生物混合机器人领域。生物混合机器人结合了工程材料与活体生物组织（如骨骼肌），旨在开发具有生物兼容性、能源效率高且能实现自适应运动的新型驱动系统。其中，骨骼肌因其“按需”收缩能力和模块化可扩展性，被视为一种极具前景的驱动材料。然而，该领域长期面临一个关键瓶颈：工程化骨骼肌组织产生的力非常有限。这严重制约了生物混合机器人的运动速度、负载能力和整体性能，使其难以匹敌传统驱动器驱动的机器人。
为了克服这一瓶颈，先前的研究尝试了多种方法，例如使用原代骨骼肌细胞（虽然力量更强但难以大规模培养）、引入生物信号因子、或进行主动训练（如机械和电刺激）。然而，对于广泛使用的C2C12小鼠成肌细胞系，在常规成熟条件下，其产生的主动力通常低于1 mN，极少有报道超过2 mN，对应的应力也持续低于2 mN/mm²。
因此，本研究的核心目标是：开发一种能够显著增强工程化骨骼肌组织力量生成能力的通用平台，并以此为基础，构建一个高性能的生物混合机器人，以证明该平台的有效性。具体目标包括：1）创建一种无需外部设备或手动干预的自主训练策略，最大化提升C2C12来源肌肉驱动器的力量输出；2）建立一个基于生理学的肌肉收缩预测模型，以指导机器人设计，优化系统性能；3）构建一个由高强度肌肉驱动的快速游泳机器人，验证上述平台和模型的实际应用价值。
三、 详细研究流程
本研究包含三个相互关联的核心部分：肌肉自主训练平台的开发与验证、基于生理学的肌肉-肌腱-负载模型的建立与应用，以及高性能生物混合游泳机器人“Ostrabot”的设计、制造与性能测试。
第一部分：肌肉自主训练平台的开发与功能验证
1. 研究设计与平台构建： 研究团队受“掰手腕”竞赛的启发，设计了一种自主训练平台。该平台的核心是将一对工程化的骨骼肌组织进行机械耦合。每个肌肉组织（由C2C12细胞与基质胶、纤维蛋白原混合形成环状结构）的一端固定在静止基座上，另一端连接到一个公共的滑动块上。当这对肌肉在分化早期开始自发收缩时，一个肌肉的收缩会拉伸（延长）另一个肌肉，反之亦然，从而形成自主、往复的“缩短-延长”训练循环。这种设计巧妙地利用了肌肉组织固有的自发收缩活动，将其转化为持续的机械负荷，实现了无需外部输入的自训练。
2. 实验对象与分组： 研究使用C2C12小鼠成肌细胞系构建骨骼肌组织。为了评估自训练平台的效果，设置了三个实验组进行对比： * 自训练成熟平台（STMP）：即上述的掰手腕式平台。 * 高刚度成熟平台（HMP）：作为内部对照，肌肉被固定在刚性柱之间，抑制其长度变化，但提供机械支撑。 * 低刚度成熟平台（LMP）：模拟现有大多数生物混合机器人中常见的配置，肌肉附着在柔性骨架上，允许驱动但成熟过程中提供的机械支撑有限。
3. 实验方法与数据分析： * 形态学与结构分析：在分化第7天，对三组肌肉组织进行免疫荧光染色（肌球蛋白重链和细胞核），并使用线积分卷积和OrientationJ软件量化肌管排列和直径。通过高分辨率成像观察肌节条纹，评估结构成熟度。 * 功能性能测试：使用超灵敏力传感器直接测量肌肉组织在不同电刺激频率下的主动力输出。监测了肌肉在21天内的力生成耐久性。通过活/死染色评估长期培养后的细胞活性。 * 自发收缩表征：使用倒置光学显微镜记录并分析肌肉组织在分化过程中的自发收缩活动，量化其振幅和时间演变。 * 性能基准测试：将STMP培养的肌肉的最大抽搐力和强直收缩力，与文献中已报道的基于C2C12的生物混合机器人肌肉驱动器进行对比。
第二部分：基于生理学的模型指导机器人设计
1. 模型开发： 为了在机器人设计中充分利用肌肉的收缩潜力，研究团队没有将肌肉简化为线性致动器，而是开发了一个基于生理学的收缩模型。该模型将电刺激到力输出的过程分为四个相互关联的生物阶段进行数学描述：①电通量、②钙动力学、③肌肉激活、④横桥循环。模型通过一组微分方程，能够根据输入的电刺激信号，求解钙离子和激活动力学，从而预测肌肉力生成的完整时间过程。模型中的主动力由最大等长力、刺激依赖的激活水平、力-速度缩放函数和力-长度缩放函数共同决定。
2. 模型校准与集成： 模型参数通过特定测试条件下的力测量数据进行单独校准。校准后的模型仿真结果与实验测量数据高度吻合，能够准确模拟峰值力、刺激依赖的收缩频率以及达到峰值张力和半松弛时间等关键时间特征。随后，该肌肉收缩模型被集成到Ostrabot的“肌肉-肌腱-负载”机械框架中，用于预测机器人的性能。
3. 模拟分析与设计指导： 利用该集成模型，研究人员系统模拟了肌腱刚度（结构设计参数）和刺激频率（操作控制参数）对肌肉能量输出（即每个收缩-松弛周期所做的机械功）的影响。模拟生成了能量输出随刚度和频率变化的“热图”，揭示了“刚度-频率匹配”现象：较软的肌腱在较低刺激频率下性能最佳，而较硬的肌腱则受益于较高的刺激频率。模型预测存在一个最佳的肌腱刚度范围（1.0–4.5 N/m）能最大化能量输出，从而为机器人实体的设计提供了明确的量化指导。
第三部分：Ostrabot机器人的构建与性能验证
1. 机器人设计与制造： Ostrabot的设计灵感来源于箱鲀的箱鲀式游泳模式，其特点是身体保持刚性，仅通过尾部摆动产生推力。机器人由刚性浮体、自训练肌肉驱动器、一对作为人工肌腱的柔性梁和两个推进尾组成。通过改变PDMS的配比和梁的几何形状，制造了具有不同刚度（软：0.77 N/m，中：2.88 N/m，硬：12.64 N/m）的人工肌腱。
2. 实验验证： * 刚度验证：在固定刺激频率（3 Hz）下，测试不同肌腱刚度的Ostrabot游泳性能。记录游泳轨迹、位移-时间曲线和瞬时速度，以验证模型关于最佳刚度范围的预测。 * 频率匹配验证：对每种肌腱刚度的机器人，测试在不同刺激频率（2, 3, 4 Hz）下的游泳速度，验证“刚度-频率匹配”现象。 * 肌肉性能对比：比较使用STMP培养肌肉和HMP培养肌肉驱动的Ostrabot的游泳速度，直接证明高强度肌肉对性能提升的必要性。 * 可控性与鲁棒性演示： * 速度调制：通过改变电场强度（0.15-0.70 V/mm）来调节肌肉激活水平，从而连续控制游泳速度。 * 抗干扰能力：在机器人稳定游动时施加外部推力干扰，观察其恢复能力。 * 开关控制：构建一个声控系统，通过拍手信号控制机器人的启动和停止，演示精确的开关控制能力。
四、 主要研究结果
1. 自训练机制有效且可靠： C2C12骨骼肌组织在分化早期（第3-7天）表现出强烈的自发收缩活动，这为自主训练提供了一个自然的时间窗口。在STMP平台上，配对肌肉之间产生了平衡的机械训练，每个组织每分钟经历的缩短和延长阶段数量相似，应变幅度约为±2.8%。这种收缩驱动的、双向的机械刺激促进了肌管的排列和肥大。
2. 自训练显著增强肌肉的收缩性能： * 结构成熟度：STMP培养的肌肉组织显示出高度排列、紧密堆积的肌管，并具有清晰的肌节条纹，表明其结构成熟度最高。定量分析显示，STMP组的肌管排列最有序（窄峰集中在0°），平均直径最大（约20 μm）。 * 功能输出：在20 Hz电刺激下，STMP培养的肌肉产生的强直收缩力峰值约为6.15 ± 0.67 mN，显著高于HMP组（~3.70 ± 0.41 mN）和LMP组（~0.86 ± 0.18 mN）。其最大抽搐力和强直收缩力分别达到4.21 mN（5.08 mN/mm²）和7.05 mN（8.51 mN/mm²），这是已报道的C2C12衍生肌肉驱动器中的最高值。 * 长期耐久性：STMP和HMP组肌肉的主动力在分化第12天左右达到峰值，并保持相对稳定直至第17天，且STMP组始终高于HMP组。而LMP组则出现早期峰值后持续下降。
3. 生理学模型成功指导机器人优化设计： 模拟结果准确预测了肌腱刚度对能量输出的非线性影响，并揭示了刚度-频率匹配规律。实验验证完全支持这些预测：对于中等刚度（2.88 N/m）的Ostrabot，在3 Hz刺激下性能最佳，实现了最大的位移和稳态速度（5.50 mm/s）。软肌腱和硬肌腱的机器人分别在2 Hz和4 Hz时达到各自的最佳速度，但整体性能远低于中等刚度设计。这证明了该模型能够有效指导生物混合系统的理性设计。
4. Ostrabot实现高性能游泳与精确控制： * 游泳速度：结合高强度STMP肌肉和模型优化的设计，Ostrabot达到了467 mm/min（15.6 体长/分钟）的顶尖游泳速度，是已报道的骨骼肌驱动生物混合机器人中最快的。 * 性能对比：STMP肌肉驱动的机器人游泳速度是HMP肌肉驱动机器人的三倍以上，凸显了增强肌肉力量对提升机器人性能的直接作用。 * 可控性：通过调节电场强度（0.50 V/mm时速度最快，达7.78 mm/s）和刺激频率，可以实现对游泳速度的连续调制。机器人能够在外部干扰后快速恢复向前运动，展示了强大的推力生成和鲁棒性。声控开关演示证明了其精确的“启-停”控制能力。
五、 研究结论与价值
本研究成功开发并验证了一个通用的、可扩展的自主训练平台（STMP），该平台通过利用工程化骨骼肌组织的自发收缩行为，使其在“掰手腕”式的对抗中自我强化，从而制备出具有创纪录高输出力（7.05 mN, 8.51 mN/mm²）的C2C12来源肌肉驱动器。这一突破直接解决了生物混合机器人领域长期存在的力输出瓶颈。
同时，研究建立了一个基于生理学的肌肉收缩预测模型，该模型能够将肌肉力学与机器人性能联系起来，实现了基于模型的设计与控制优化。通过将该模型与高强度肌肉相结合，研究团队设计并制造了Ostrabot——一个采用箱鲀式游泳模式的双尾生物混合机器人。Ostrabot展示了卓越的游泳速度、强大的推力生成能力和精确的可控性。
本工作的科学价值在于：1）提出了一种新颖、简单且高效的肌肉组织强化策略；2）建立了首个将肌肉内部生理动力学与机器人整体性能定量关联的理论框架；3）为高性能生物混合机器人的设计提供了从驱动器制备到系统优化的完整方法论。其应用价值在于为开发更强、更快、更高效的生物混合机器（可用于环境监测、靶向药物输送、微创手术等领域）奠定了坚实的基础。
六、 研究亮点
七、 其他有价值的内容
研究还深入探讨了自训练平台起效的机制：STMP平台实现了“成熟后组装”策略，将肌肉分化与最终机器人骨架的机械约束解耦，克服了传统系统中限制力量发展的刚度权衡。它通过配对肌肉的相互机械对抗，建立了一个动态平衡的机械环境，提供了由收缩驱动、双向的机械刺激。这与位移控制的间歇性外部应变施加有根本区别。
此外，文章也指出了未来的改进方向，例如通过基于机器学习的形态与驱动联合优化，可以进一步提升游泳效率等系统级性能。这为后续研究指明了路径。