机器人鱼或能揭示我们的远古祖先是如何首次学会行走的

机器人鱼或能揭示我们的远古祖先是如何首次学会行走的

一句话看懂：科学家利用一条自主游动的机器人鱼模拟远古鱼类的运动模式，试图从生物力学角度解释，水生向陆地行走的关键演化步骤是如何发生的。这项研究并非AI在生物领域的首次应用，但提供了机器人作为“可编程化石”来进行演化假说验证的新范式。

事件核心：发生了什么

来自瑞士洛桑联邦理工学院（EPFL）的研究团队开发了一条名为“Pleurobot”的机器人鱼，其外形和运动机制基于对3.75亿年前泥盆纪的“提塔利克鱼”（Tiktaalik roseae）的化石骨骼重建。研究并非简单复制鱼的动作，而是通过调整机器人鱼体内的一组微型伺服电机和姿态控制器，模拟从纯粹的水中推进到浅滩支撑身体的过渡态。团队在控制算法中加入了“行进”程序，观察机器人鱼如何在低水位中利用鱼鳍接触地面并产生推力。实验记录下的数据与古生物学家对早期四足动物足印化石的预测轨迹吻合度较高，提示“行走”的神经控制回路可能早于完全陆地化之前就已在水生环境中启动。

为什么重要

这项工作的价值不在于AI本身，而在于它将机器人学、控制理论与古生物学假设相结合，提供了一种低成本的实验验证手段。以往关于“鱼如何学会走路”的假说多依赖化石解剖形态和计算机模拟，但真实物理世界的摩擦力、流体阻力和重力效应很难完全建模。机器人鱼作为一个物理智体，可以在现实中迭代尝试不同运动策略，产生的数据能反馈给AI模型以优化运动控制器。对于具身智能（Embodied AI）领域而言，这类似于一次“远古仿真”——验证了即便在神经处理能力极低的远古生物中，简单的步态控制逻辑也能通过物理交互涌现。这种思路可以推广到其他演化节点研究，比如翅膀起源、爬行与游泳的转换。

对用户/开发者/创作者的影响

对机器人开发者：研究路径说明了一件事——在方案探索阶段，未必需要复杂的强化学习或端到端模型。研究者使用相对简单的PID控制器与调参即实现了有效行走模拟，这降低了具身智能入门门槛。如果你正在开发仿生机器人，可以借鉴“用真实物理环境替代训练环境”的迭代思路。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

对AI研究者：该工作提供了一个案例：将AI/机器人技术用于验证生命科学假说，而非仅是预测或分类。这种“物理实验+AI控制”的组合在古生物学、运动生物力学和演化发育生物学中存在大量空白，属于跨学科应用的低竞争高价值地带。

对内容创作者：如果你的内容涉及演化科普或机器人前沿，这是一个不错的切入点。强调“用机器人回溯演化”而非“AI让机器人变聪明”，更容易引发读者对科学方法本身的兴趣。

值得关注的后续

• 机器人鱼能否进一步模拟更复杂的陆地行走环境（如松软泥土、沙地）？ 目前实验主要在浅水与光滑平面进行，真实陆地环境的变数更多，后续研究是否有向非平坦地形拓展的计划值得追踪。
• 该控制框架是否可迁移至四足机器人设计？ 研究者透露其运动控制算法是基于动态系统的二态转换。若证明这种逻辑在工程上适用，可能为低功耗、低成本足式机器人的运动控制器提供一种仿生简洁解法。
• 是否有其他古生物假说正通过类似物理仿真来验证？ 目前公开信息显示，团队正计划构建“会飞”的机器人来模拟早期翼龙的滑翔起源。这对于关注仿生机器人商业化方向的行业观察者也是一个信号。

来源：phys.org