我们每个人都有膝跳反射。医生用小锤敲一下髌腱，小腿就会不由自主地向前弹起。这个动作不经过大脑，从感知到执行，信号只经过脊髓的一次突触中转，是人体最快的神经回路。
现在，这个回路被完整地搬到了一台机器人身上。
这项研究来自德国斯图加特大学的研究团队，并于近日发表在Nature合作期刊《npj Robotics》上。他们造了一只用气动人工肌肉驱动的仿生腿，并在其上复现了从机械刺激触发、传感器感知、神经回路处理到肌肉收缩输出的完整单突触牵张反射。
这项研究成功验证了一个假设：如果把生物反射回路的结构和参数都搬到物理硬件上，机器的行为能不能和人类无法区分？答案是可以。
01.
一只按人体数据造的腿
要复现一个反射，先要有一个能产生这个反射的身体。研究团队没有从零发明，而是严格按照人体解剖数据来造。
机械腿的几何参数取自平均男性的人体测量值——身高、腿段长度、质量分布都按实际数据定标。机器人腿的各个部件通过3D打印完成，可移动部件通过轴承连接，以减少人工关节中的摩擦。
小腿连同脚被做成一个刚性整体，总质量约4500克，惯量与人小腿匹配。髋关节和踝关节在这项研究中被固定，膝关节是唯一的主动自由度。这样做的目的是把反射的动态特性隔离出来，不让其他关节的运动混杂进来。
但最关键的部件是膝关节本身。这里没有使用简单的旋转铰链，而是设计了一个四连杆机构，复现人类膝盖的滑动-滚动复合运动。这种设计的结果是，髌腱的力矩臂不是一个常数，它会随着膝关节的弯曲角度变化。在膝盖接近伸直时，关节角度的微小变化会导致肌肉长度的更大比例变化。
驱动由四根气动人工肌肉完成，分别对应股四头肌的四个头：股外侧肌、股中间肌、股直肌和股内侧肌。每根肌肉在股骨上的附着起点不同，经髌骨导向后连接至胫骨。不同起点的肌肉在不同膝关节角度下，力臂不同，长度变化率也不同。这意味着四根肌肉对同一次外部扰动产生的感知信号并不完全相同。
每根气动肌肉的中心都植入了一根导电乳胶弦。肌肉被拉长时，乳胶弦随之拉伸，电阻值改变，输出一个电压信号。这个信号的功能与人类的肌梭一样，同时反映肌肉的长度和长度变化速度。
02.
用同一套装置测试人与机械腿
建好腿只是第一步，验证它是否能像人一样反应才是核心。
实验装置和临床检查膝跳反射的工具原理相同。一个装有加速度计和角度编码器的摆锤，从15°到50°八个不同起始角度释放，敲击髌腱，触发点在人与机器上完全一致。14名健康志愿者和仿生腿，在完全相同的条件下各进行多组测试。
人类的反射响应通过肌电信号和运动捕捉系统记录，机器人的反射响应通过拉伸传感器电压信号和高速摄像系统记录。所有数据同步采集，方便逐项对比。
结果是，机器人的膝关节最大屈曲角度，在所有摆锤起始角度下都落在了人类数据的均值带内，偏差未超出5%-95%分位数范围。论文的定性判断是：机器人的屈曲角度曲线与人类受试者的平均表现一致。
03.
把一次反射拆成四个时间段
只看到结果一致还不够。研究团队把一次完整的膝跳反射拆成四个时间片段，逐一对比。
第一段，从锤头碰到髌腱到陷进去最深。机器人平均12.1毫秒，人类平均11.7毫秒。几乎一模一样。这说明机械腿上那根人工肌腱的弹性和人类髌腱的软硬程度差不多。
第二段，从被敲到第一个反射信号出现。机器人平均5.9毫秒，人类平均25.1毫秒。机器快了四倍多。原因很简单：电信号在铜导线里跑的速度是神经信号的近两百万倍。这个结果在研究团队的意料之中，他们在论文里直接写明了是物理介质差异导致的，不是什么性能优势。
第三段最值得琢磨。从神经信号发出到膝关节真正开始动，也就是你脑子里已经下令踢了但腿还没抬起来的那一小段。机器人花了108.1毫秒，人类只用了69.9毫秒。机器慢了近40毫秒。
原因有两个：一是给气动肌肉充气需要压缩空气建立压力，这需要时间；二是气压要累计到足够克服小腿惯性才能开始动，这个过程比生物肌肉生成张力慢。这是物理执行器的短板。
第四段是全程总时间。把前面三段加起来，机器人和人类的总时间在同一个量级上。
还有一个规律值得注意，摆锤抬得越高，敲得越重，整个过程就跑得越快。这个趋势在人腿和机器腿上完全一致，说明机械腿确实复现了生物神经和肌肉之间的耦合动态。
04.
在虚拟行走中验证反射的功能价值
硬件实验验证了反射回路的物理存在和参数匹配，但研究团队还想知道一件事：把这个反射加进行走系统里，到底有没有用？
他们在已有的神经肌肉行走仿真模型上做了测试。这个模型包含两条腿，七个自由度，十四条肌肉，走路靠一套模仿脊髓反射的控制网络驱动。他们把四连杆膝关节和膝跳反射回路加进去，然后在脚踝的高度放了一个障碍物，观察模型被绊时的反应。
效果很明显。带反射的模型在股四头肌被突然拉伸后，控制回路立刻驱动肌肉收缩，把脚从障碍物后方向前拉起，整个动作从检测到障碍到触发反射信号最快只需25毫秒。不管把反射延迟设定在人类群体中最短还是最长的水平，都能完成这个动作。而没有加入这条反射回路的模型，直接绊倒。
但研究团队也特别说明了一点：这个测试只是在一个特定场景下展示反射回路的功能，不能理解为有了膝跳反射就能在任何复杂地形上防摔倒。真实世界里绊倒往往涉及多个关节和更复杂的力学条件，单关节反射只是其中一个基础组件。
05.
与主流技术机器人技术路线并不冲突
现在最先进的人形机器人大多用电机驱动，靠海量的强化学习训练来应对各种地形和突发情况。碰到扰动时，系统要先把传感器数据收上来，算出姿态偏差，规划一条恢复轨迹，再把指令发给关节电机。这个流程走完，扰动已经过去一阵了。
而这项研究走的是另一条技术路径，把扰动后的第一个纠偏动作，从高级控制器的繁重任务清单里拿掉，直接交给物理身体和底层反射回路去完成。
两者的关系不是取代，是分工。底层反射负责几十毫秒内的第一个稳定响应，高层策略负责更长周期、更复杂的决策。各干各的，还能叠加。
当然，论文也诚实地列出了该机械腿当前的各种限制：现在复现的只是肌梭这一种传感器，其他在人体里也很重要的腱器官、皮肤传感器和关节传感器都还没加进去；膝关节目前只能在矢状面内前后摆动，自由度不够；在多关节完整行走系统中的实际落地还没做。
这些限制同样也是研究团队的下一步进化路线图。
能干什么也很清晰。在膝关节假肢和下肢外骨骼这两类应用里，一个能在几十毫秒内自动启动的反射回路，可以在穿戴者还没意识到危险的时候就给出第一股支撑力。
总之，这项成果是给未来能像自己腿一样反应的机器腿，打了一个清晰的样。
论文链接：https://www.nature.com/articles/s44182-026-00090-3
热门跟贴