Морфогенетическая робототехника

Морфогенетическая робототехника связана с эпигенетической робототехникой, однако отличается от неё по ряду признаков. Ключевое различие заключается в том, что морфогенетическая робототехника сосредоточена на процессах самоорганизации, самоконфигурирования, самосборки и самонастраиваемого управления роботами с помощью генетических и клеточных механизмов, взятых из биологического раннего морфогенеза (развитие, не зависящее от активности), в ходе которого формирование тела и управляющей системы происходит одновременно. В эпигенетической робототехнике акцент делается на развитии когнитивных способностей роботов — таких как язык, эмоции и социальные навыки — через опыт в течение жизненного цикла (развитие, зависящее от активности). Морфогенетическая робототехника тесно связана с развивающейся биологией и системной биологией, тогда как эпигенетическая робототехника опирается на развивающуюся когнитивную невронауку, происходящую из областей когнитивной науки, развивающейся психологии и невронауки.

Морфогенетическая робототехника охватывает, но не ограничивается, следующими основными направлениями:

• Морфогенетическая ройная робототехника занимается самоорганизацией многороботных систем с использованием генетических и клеточных механизмов, управляющих процессами раннего биологического морфогенеза^{[4][5][6][7][8][9]}.
• Морфогенетические модульные роботы — это такие модульные робототехнические системы, которые способны автономно изменять свою конфигурацию с применением морфогенетических принципов^[10][11].
• Развивающиеся подходы — охватывают проектирование морфологии робота (например, расположение сенсоров и исполнительных элементов), а также проектирование управляющей системы, например, нейронных контроллеров, с применением генеративного кодирования^[12] и моделей генетических регуляторных сетей^{[13][14][15][16][17]}.

В период с 2013 по 2023 год морфогенетическая робототехника, целью которой является создание самоорганизующихся и адаптирующихся систем^[18], получила развитие в основном за счёт достижений в смежных областях, таких как эволюционная, роевая и развивающая робототехника.

Эволюция морфологии и управления Одним из центральных направлений стало развитие методов, позволяющих роботам эволюционно изменять не только своё поведение, но и физическую структуру (морфологию) для лучшей адаптации к задачам^[19]. Ключевые прорывы включают создание алгоритмов для эволюционного проектирования мягких роботов^[20], автоматизированное проектирование оптимальных конфигураций модульных роботов^[21] и разработку эффективных генетических кодировок для описания сложных физических форм^[19].

Коллективная самоорганизация и самосборка В области роевой робототехники был достигнут прогресс в создании сложных коллективных поведений, возникающих из простых локальных взаимодействий между отдельными роботами, что напрямую соответствует принципам морфогенеза^[22]. Были продемонстрированы рои, способные автономно объединяться в различные формы^[23], для описания которых были предложены специализированные языки, например SWARMORPH-script^[24]. Также были разработаны методы автоматического проектирования поведения роя с использованием машинного обучения и эволюционных алгоритмов^[23] и реализованы системы коллективного принятия решений^[22].

Развитие телесного самосознания Развивающая робототехника (Developmental Robotics) сосредоточилась на формировании у роботов «схемы тела» — внутреннего представления о своей структуре и возможностях, что является необходимым условием для адаптации формы^[25]. В рамках этого направления были созданы роботы, которые самостоятельно изучали управление своими конечностями через исследовательские движения.

Достижения 2023 года К 2023 году теоретические концепции начали воплощаться в реальные прототипы. Ярким примером стал робот M4 (Multi-Modal Mobility Morphobot), способный трансформироваться для передвижения на колёсах, полёта и ходьбы^[26]. В области энергоэффективной трансформации был представлен робот-черепаха JART, использующий технологию ламинарного заклинивания для быстрой смены формы конечностей с ласт на ноги^[27]. Также в этот период были представлены концепция «самоорганизующейся нервной системы» (SoNS) для гибридного управления роем^[28] и исследования по программируемой самоорганизации коллективов микророботов^[29].

В 2024 году значительные успехи в роевой робототехнике были достигнуты в области самоорганизации и самосборки. Ключевые прорывы включают создание гибридных архитектур управления роем и систем, способных к самовоспроизводству.

Самоорганизующаяся нервная система (SoNS) В конце 2024 года исследователи из Брюссельского свободного университета (ULB) представили архитектуру «самоорганизующейся нервной системы» (Self-organizing Nervous System, SoNS)^[30]. Этот гибридный подход позволяет группе децентрализованных роботов автономно формировать временные иерархические структуры, сочетая масштабируемость роевого интеллекта с эффективностью централизованного управления. В рамках SoNS один из роботов может временно взять на себя роль «мозга», координируя действия подгруппы. Система отличается отказоустойчивостью: при выходе «мозга» из строя его роль немедленно занимает другой робот, а при разделении роя могут сформироваться две независимые «нервные системы»^[31]. Эффективность подхода была продемонстрирована на задачах коллективного принятия решений, поиска и спасения с использованием гетерогенного роя из наземных и воздушных роботов.

Самосборка и самовоспроизводство В 2024 году на конференции ICRA исследователи из Массачусетского технологического института (MIT) представили роботизированную систему, способную к самовоспроизводству^[32]. Роботы и собираемые ими конструкции состоят из одинаковых базовых блоков («вокселей»), которые могут передавать энергию и данные^[33]. Робот, состоящий из таких вокселей, способен собрать другого, идентичного себе робота, после чего они могут совместно строить более крупные конструкции^[32].

Принципы самосборки также нашли применение в космических проектах. На основе разработок проекта TESSERAE (MIT) стартап Rendezvous предложил технологию автономных роботизированных плиток для строительства на орбите крупномасштабных объектов, таких как солнечные фермы размером в километры^[34]. Каждая плитка является автономным роботом и использует роевое программное обеспечение для самостоятельной сборки в заданную конфигурацию после вывода на орбиту^[34].

В 2024—2025 годах в области морфогенетических модульных роботов были достигнуты значительные успехи, направленные на повышение адаптивности, энергоэффективности и способности систем к самоорганизации и самосовершенствованию.

Адаптация к среде и трансформация

Исследователи из Йельского университета представили усовершенствованную версию амфибийного робота-черепахи JART (Jamming Amphibious Robotic Turtle), способного трансформировать свои конечности из ласт для плавания в ноги для передвижения по суше. Ключевым нововведением стала система ламинарного заклинивания на основе киригами, которая позволяет почти мгновенно изменять форму и жёсткость конечностей, снижая энергетические затраты на трансформацию на 98,5 % по сравнению с предыдущими моделями.

В Дартмутском колледже продемонстрировали возможности модульных роботов, состоящих из кубических блоков, которые способны объединяться в различные конструкции, такие как мосты или опоры для временных укрытий. В ходе испытаний роботы успешно передвигались по пересечённой местности и объединялись для создания импровизированных носилок^[35].

«Метаболизм роботов» и самосовершенствование

Учёные из Колумбийского университета в 2025 году опубликовали исследование о процессе, названном «метаболизм роботов». Эта концепция позволяет роботам физически «расти», «излечиваться» и улучшать себя, поглощая и интегрируя детали из окружающей среды или от других роботов^[36]. В качестве доказательства концепции робот в форме тетраэдра смог интегрировать дополнительный модуль, который использовал как «трость» для увеличения скорости спуска по склону более чем на 66,5 %^[36].

Микромасштабная модульная робототехника

В Университете Карнеги — Меллона был разработан новый метод массового производства модульных микророботов (известных как активные коллоиды) размером с красную кровяную клетку^[37]. Технология, разработка которой велась в 2024 году и была опубликована в марте 2025 года, позволяет создавать в 100 раз больше микророботов, чем предыдущие методы, и открывает перспективы для их использования в целевой доставке лекарств. Соединённые с помощью гибких наноструктур ДНК, эти микророботы могут реагировать на внешние сигналы, например, разбираться на составные части по достижении цели^[37].

В современной морфогенетической робототехнике наблюдается сдвиг от раздельного проектирования тела (морфологии) и системы управления к их совместной, одновременной оптимизации (co-design). Этот подход, вдохновлённый биологической эволюцией, позволяет создавать более эффективных и адаптивных роботов, поскольку форма тела и «мозг» развиваются в тандеме^[38]. Для решения проблемы преждевременной стагнации эволюционного поиска был предложен метод «защиты морфологических инноваций», который временно ослабляет давление отбора на роботов с новой морфологией, давая им время на адаптацию контроллера^[38].

Ключевой концепцией в этой области стали морфологические вычисления — использование физических свойств самого робота (геометрии, упругости, распределения массы) для выполнения части вычислений, традиционно возлагавшихся на центральный процессор. Это позволяет упростить систему управления, повысить быстродействие и энергоэффективность^[39]. В 2024 году была предложена методология автоматического проектирования, использующая морфологические вычисления для создания сложных механизмов, например, сухожильных захватов, производительность которых определяется в большей степени их механикой, а не сложными стратегиями управления^[40].

Для реализации совместного проектирования разрабатываются специализированные платформы. На конференции ICLR 2025 была представлена платформа BodyGen, предназначенная для эффективной одновременной оптимизации топологии робота и его управляющих алгоритмов. Она использует архитектуру, вдохновлённую трансформерами, и обучение с подкреплением, чтобы решать проблему сложной взаимозависимости между телом и системой управления^[41]. Другим подходом является алгоритм POET (Paired Open-Ended Trailblazer), который одновременно с эволюцией робота создаёт и усложняет для него окружающую среду, что заставляет алгоритм постоянно искать более совершённые морфологии и системы управления^[42].

В 2024—2025 годах мощным инструментом для проектирования роботов стал генеративный искусственный интеллект. Фреймворки, такие как MorphoGen и RoboMorph, используют большие языковые модели (LLM) в качестве «генератора идей» в эволюционном цикле: модель предлагает новые варианты конструкций, которые затем оцениваются в симуляции, а лучшие из них используются для создания следующего поколения^[43]. Также для создания прыгающих роботов начали применяться диффузионные модели^[44], а для проектирования сложных роботов-трансформеров (metatruss) — генетические алгоритмы^[45].