EPFL《Science》子刊重磅！斑馬魚幼體仿生機器人ZBot，解密魚類

在瑞士日內瓦湖的湖水中，一條“魚”正以獨特的節律游動著：它猛地擺尾幾下，然后舒展身體靜靜滑行，如此循環往復。

這不是普通的魚，而是一條長約80厘米的“鋼鐵小魚”——ZBot，一臺受斑馬魚幼體啟發的仿生機器人。

通過深入研究它的游動規律，來自瑞士洛桑聯邦理工學院（EPFL）研究團隊在Science Robotics上發表的最新研究揭開了一個困擾生物學家多年的謎題：為什么這么多水生動物都采用這種“爆發-滑翔”的游泳方式？

01.為什么斑馬魚幼體備受科學家關注？

在生物學研究中，斑馬魚幼體可以說是個“明星選手”。

它們身體幾乎透明，科學家可以直接觀察其大腦活動；體積小巧，易于在實驗室大規模飼養；更重要的是，它們擁有完整的神經網絡，能執行從簡單反射到復雜決策的各種行為。

最引人注目的是它們的游泳方式。

不同于我們印象中魚類流暢的連續游動，斑馬魚幼體更喜歡“爆發-滑翔”模式：短暫而有力的尾部擺動（持續約幾百毫秒）將身體向前推進，隨后進入被動滑翔階段，身體保持筆直，如箭般在水中穿行。

這種間歇性游泳策略在自然界中廣泛存在，從僅幾毫米長的幼魚到長達十幾米的鯨魚，都在不同程度上采用類似模式。

生物學家提出了多種假說來解釋這一現象：有人認為滑翔階段有助于穩定方向、提升感知能力；更多人相信這能提高能量效率，因為直尾滑翔減少了水的阻力。但這些假說難以在活體動物中直接驗證，更無法系統性地測試不同神經機制如何影響游泳行為。

02.從生物到機器，“創造”出一條可編程的魚

這正是瑞士洛桑聯邦理工學院（EPFL）的研究團隊開發ZBot的初衷。他們希望建造一個既能模仿斑馬魚形態和運動，又能讓研究團隊自由“編程”神經控制系統的研究平臺。

ZBot機器人的身體由頭部和六節尾部組成，每節尾部都由獨立的伺服電機驅動，可以精確控制彎曲角度和頻率。它將斑馬魚幼體放大約200倍，達到80厘米長——這一尺寸既能容納所需的傳感器、電池和控制器，又便于維護和實驗操作。

ZBot 的概述與設計特點

更重要的是，ZBot搭載了完整的傳感器系統：攝像頭提供“第一人稱視角”，讓研究人員像魚一樣觀察世界；慣性測量單元感知姿態變化；功率計實時監測能量消耗。通過遙控器，科學家可以指揮ZBot執行前進、轉彎等動作，所有數據都被同步記錄。

但ZBot真正的“靈魂”在于其神經控制模型。研究團隊基于對斑馬魚幼體的觀測，開發了一個計算模型，模擬控制游泳的關鍵神經組件：

• 中央模式發生器：能產生有規律的尾拍信號，驅動ZBot進行沖刺
• 碰撞門機制：決定何時啟動和停止擺動，控制每次爆發的強度和持續時間
• 腹側脊髓投射神經元：負責在轉彎時讓尾部偏向一側
• 運動神經元：將神經信號轉化為具體的電機指令

游泳與滑翔運動的神經模型

這個模型不僅能讓ZBot復現斑馬魚的典型游泳模式，還能通過調整參數生成多種變體，就像魚根據情況選擇不同的“步態”。

03.在粘稠介質中游泳：水動力學的隱秘世界

魚類在不同生命階段和環境中會遇到截然不同的水動力條件。

一條微小斑馬魚幼體（約4毫米）游動時，周圍水流相對“粘稠”，物理學家用雷諾數（Re）描述這一特性：Re值低表示粘性主導，高則表示慣性主導。斑馬魚幼體的Re值在60-1400之間，處于“中間流”狀態；而成年魚類或大型海洋生物則生活在“湍流”狀態，Re數可達數萬甚至百萬。

為了探究水動力條件如何影響游泳行為，研究人員沒有重新制造不同尺寸的機器人，而是改變了ZBot所處的液體環境。他們在水池中分別測試了三種介質：普通水（1厘泊）、中等粘度液體（214厘泊）和高粘度液體（457厘泊）。

不同粘度下的游動實驗

實驗結果顯示，隨著粘度增加，ZBot的滑翔距離急劇縮短。在水中，一次爆發后的滑翔距離可達體長的3倍；而在高粘度液體中，幾乎完全沒有滑翔階段。然而，粘度對轉彎角度的影響卻小得多。這一發現表明，在不同水環境中，動物可能需要調整游泳策略以適應變化的水動力條件。

04.能量效率之謎：超越“空擋滑行”的新解釋

長久以來，科學界主流觀點認為，“爆發-滑翔”游泳之所以節能，主要是因為滑翔階段身體保持筆直，減少了水的阻力。EPFL團隊通過ZBot的實驗數據證實了這一“流體力學假說”在水中確實成立。

但他們提出了一個同樣重要甚至更基礎的新假說——“執行器效率假說”：間歇性游泳之所以高效，是因為它讓執行器（魚的肌肉或機器人的電機）在更高效率的工況下工作。

我們知道，無論是生物肌肉還是電機，其能量轉換效率都隨負載變化。伺服電機的效率曲線呈山丘形，在中等負載時效率最高，而在負載極輕或極重時效率下降。連續游泳時，電機需要持續工作在較寬負載范圍，包括低效率區間；而間歇性游泳通過集中發力，讓電機更多時間處于高效率的中高負載狀態，從而提高整體能效。

滑行游泳提升了ZBot的能量效率

研究團隊量化了運輸成本（CoT，即移動單位距離消耗的能量），發現了一個有趣的現象：ZBot在“爆發-滑翔”模式下的CoT曲線呈U形，存在一個最佳速度區間（約0.18體長/秒），此時能量效率最高。相比之下，連續游泳的最佳效率速度更高（約0.3體長/秒），但在低速和中速區間，其能量效率明顯低于間歇性游泳。

研究團隊設計的粘稠液體實驗直接支持了他們的假說。在高粘度環境中，滑翔距離幾乎為零，這意味著傳統的“阻力減小”機制幾乎不起作用。然而即便在這種情況下，實驗結果顯示，間歇性游泳仍比連續游泳更節能。

此外，ZBot的神經模型還展示了生成游動多樣性的潛力。通過調節幾個關鍵參數，例如尾部擺動幅度、擺動頻率、爆發頻率、爆發持續時間和尾部偏置程度，研究人員讓機器人復現了多種斑馬魚典型的游泳步態。這為理解神經系統如何協調產生復雜行為提供了工程學視角。

通過作神經模型參數，機器人控制器產生多樣化的運動學輸出

特別值得關注的是，這一神經架構可以與感覺處理模塊無縫整合。在團隊的另一項研究中，他們將視覺處理回路與游泳控制模型結合，使ZBot能夠像真實斑馬魚一樣對光流刺激作出反應，展現出視覺引導行為。

05.結語

ZBot的故事是現代仿生學的縮影，通過建造一個“可編程的生命體”，科學家們得以用前所未有的方式探索自然設計的邏輯。

那條在日內瓦湖中優雅滑翔的鋼鐵小魚，正改變著我們理解生命運動的方式。它提醒我們，在億萬年的進化中，自然已經找到了無數巧妙的解決方案，等待著我們用開放的心靈和精巧的技術去發現、理解和學習。

當我們下一次看到魚群在水中游弋，或許會多一份理解：那些看似簡單的擺動與滑翔，背后可能隱藏著關于效率、適應性和智能的深刻原理。而這些原理，正通過像ZBot這樣的仿生使者，逐漸向人類揭示它們保守已久的秘密。