微型水下机器人的驱动与运动综述

王盼冰; 刘鑫宇; 宋爱国

doi:10.1016/j.eng.2024.10.022

Engineering ›› 2025, Vol. 51 ›› Issue (8) : 195 -214. DOI: 10.1016/j.eng.2024.10.022

研究论文

微型水下机器人的驱动与运动综述

王盼冰 ^a^,^b ,
刘鑫宇 ^a ,
宋爱国 ^a^,^b^,^c

作者信息 +

Actuation and Locomotion of Miniature Underwater Robots: A Survey

Panbing Wang ^a^,^b ,
Xinyu Liu ^a ,
Aiguo Song ^a^,^b^,^c^,^* ,

Author information +

文章历史 +

PDF (22626K)

摘要

水下机器人能在人类难以到达或充满危险的水域运动与导航，已成为探索海洋的关键工具。其中，微型水下机器人凭借体积小巧、噪声低、运动灵活等特点，被广泛应用于海洋科学研究、资源勘探、海底地质调查及海洋生物观测等领域。近年来，受仿生学等多学科启示，研究人员已研制出多种微型水下机器人，并取得了一系列里程碑式的成果，如实现厘米级无线控制、达到每秒数百毫米的移动速度、具备水下三维运动能力、形成机器人集群，以及开发出可用于水下作业的机器人。本文首先概述了微型水下机器人所采用的驱动方式与运动模式；随后，对各类方法的优缺点进行了评估；最后，总结了当前微型水下机器人面临的主要挑战，并对其未来发展趋势进行了展望。

Abstract

Underwater robots have emerged as key tools for marine exploration because of their unique ability to traverse and navigate underwater regions, which pose challenges or dangers to human expeditions. Miniature underwater robots are widely employed in marine science, resource surveys, seabed geological investigations, and marine life observations, owing to their compact size, minimal noise, and agile movement. In recent years, researchers have developed diverse miniature underwater robots inspired by bionics and other disciplines, leading to many landmark achievements such as centimeter-level wireless control, movement speeds up to hundreds of millimeters per second, underwater three-dimensional motion capabilities, robot swarms, and underwater operation robots. This article offers an overview of the actuation methods and locomotion patterns utilized by miniature underwater robots and assesses the advantages and disadvantages of each method. Furthermore, the challenges confronting currently available miniature underwater robots are summarized, and future development trends are explored.

关键词

微型水下机器人 / 驱动 / 运动 / 柔性材料

Key words

Miniature underwater robots / Actuation / Locomotion / Soft materials

引用本文

引用格式 ▾

王盼冰,刘鑫宇,宋爱国. 微型水下机器人的驱动与运动综述[J]. 工程（英文）, 2025, 51(8): 195-214 DOI:10.1016/j.eng.2024.10.022

登录浏览全文

4963

注册一个新账户忘记密码

1 引言

海洋占地球表面积的70%以上，是一片蕴藏着丰富资源与多样化生态系统的宝库[1]。对海洋资源进行有效管理与保护，离不开全面、持续的数据监测与支撑。然而，洋流、黑暗与低温等复杂环境因素[2‒3]，极大地增加了人类开展海洋勘探与资源开发的难度。在此背景下，水下机器人成为应对这一挑战的潜在工具，尤其适用于深海等环境的长期作业[4‒5]。特种材料制造的水下机器人能够耐受低温、高压等极端条件[6‒8]。此外，借助搭载的多种传感器[9‒10]，水下机器人可以获取水文学[11]、海洋地质学[7]与海洋生物学[12‒13]等领域的关键数据。同时，先进的无线通信与自动控制技术也使其能够实现远程操控。因此，水下机器人可在海洋勘探[14‒16]、安全检测[17‒18]及海底矿物开采[19]等任务中替代人类作业，这不仅深化了人类对海洋环境的理解，也为海洋资源与生态系统的研究提供了新的视角[20]。凭借自动化与智能化优势，水下机器人已成为海洋勘探与作业中不可或缺的重要工具。

微型水下机器人（MUR）通常指尺寸小于20 cm的机器人。相较于大型水下机器人，其在结构紧凑性、运动灵活性以及部署便捷性方面具有明显优势，尤其适合在狭窄水下空间执行作业任务。如图1 [6,15,21‒33]所示，在诸如崎岖海床（裂缝、沟壑与洞穴）探测[图1（a）]以及管道系统检测[图1（c）]等狭窄环境任务中，微型水下机器人能够在大型机器人或人类无法进入的狭小空间中自由穿行[6,24,26‒28,34]。MUR紧凑的尺寸也显著降低了对水下生物的干扰，从而支持非破坏性的植物采样[24]与物体抓取[25]，如图1（b）所示。此外，微型化设计赋予水下机器人更小的转弯半径和更强的运动可行性，使其在受限区域内能够灵活实现避障[29]、转向[30]及集群运动[31]，如图1（d）所示。微型水下机器人的推进系统产生的湍流较小，不易惊扰海洋生物，有助于机器人更好地融入水下环境，这也使其在隐蔽军事反潜任务中表现出色。相比大型机器人，微型水下机器人在制造成本、运输与部署方面也更具便利性。因此，微型水下机器人——尤其是能够与水下环境高度融合的仿生水下机器人——已成为执行小型水域高精度任务的高效选择。随着技术的持续发展，微型水下机器人势必将为海洋认知、生态保护与资源开发贡献重要力量。

研究人员已开发出多种类型的微型水下机器人，并将其应用于各类水下任务。早期水下机器人借鉴了鱼类通过摆动尾鳍产生推进力的原理，如使用伺服电机驱动的仿生鱼[30,35]。智能材料的出现催生了多种具有双向变形特性的柔性材料，这些材料非常适合驱动尾鳍、背鳍和躯干，如离子聚合物金属复合材料（IPMCs）[36‒37]、形状记忆合金（SMAs）[38‒39]以及介电弹性体致动器（DEAs）[40]。材料技术的持续发展催生了多种类型的微型水下机器人，包括仿生水母[41]和仿生海龟机器人[42]。机器人的运动方式也已从简单的向前移动演变为三维柔性运动，并模仿了多种海洋动物的运动模式，如喷射推进和划水运动。近年来，随着新材料、传感器等技术的进步，研究人员致力于开发新型制造方法和驱动结构，以提升水下机器人的微型化、柔性化及智能化水平，如具备群集能力的仿生鱼机器人[31]、能执行物体操作的仿章鱼机器人[43]以及深海巡航机器人[6]。图2展示了2005—2024年间水下机器人发展的时间轴[6,21,29‒33,35‒38,40‒42,44‒56]。显然，微型水下机器人的发展进程已从简单模仿鱼类运动模式，过渡到融合复合运动模式与多功能性，涵盖水下巡航、操作及感知等多元功能。

本文总结了现有微型水下机器人所采用的驱动与运动方式。第2节将微型水下机器人驱动方式分为四类：电机驱动、磁场驱动、压电驱动及柔性材料驱动。第3节重点探讨了多种微型水下机器人的运动模式，包括仿鱼运动、喷射推进、划水运动、爬行运动、仿鞭毛运动及混合模式。最后，在第4节中，我们总结了微型水下机器人面临的现有挑战，并探讨了未来潜在的发展趋势。

2 驱动方式

鉴于微型水下机器人种类繁多，我们根据四种不同的驱动方式对机器人进行了分类：电机驱动、磁场驱动、压电驱动器驱动以及柔性材料驱动。表1 [6,25,29‒33,36‒38,40‒42,44‒51,57‒68]展示了采用不同驱动方法的微型水下机器人对比结果。我们采用无量纲运输能耗系数（COT）来表征机器人的驱动效率。COT是机器人从一个位置转移到另一个位置时的能量消耗，其计算公式为COT = P/mgv，其中P表示运输过程中的功率消耗，m表示机器人的质量，g是重力加速度，v是前进速度[69‒70]。

2.1 电机驱动

电机驱动是微型水下机器人最传统且原始的驱动方式，具有速度快、扭矩大、可靠性高等优势。过去数十年间，许多研究者通过将电机与不同驱动结构相结合，实现了微型水下机器人的运动控制。

尽管电机仅产生旋转运动，但通过将电机与各种驱动机构组合，可实现多种运动模式。早期电机驱动的仿生水下机器人主要采用伺服电机驱动尾鳍[图3（a）]实现推进[30,35,57‒58]。在文献[71]中，研究人员开发了一种直流电机驱动螺旋桨和伺服电机驱动尾鳍的仿生鱼，以实现三维运动。近期，研究人员利用电机开发了多种驱动机制，从而实现了其他运动模式。例如，在文献[72]中，研究人员开发了一种采用伺服电机驱动触手的仿生章鱼机器人[图3（b）]，该机器章鱼的触手可通过伺服电机驱动桨叶上下运动，从而产生推进力。受水甲虫启发的机器人[图3（c）]的划水腿通过齿轮与弹簧的连接实现驱动[59]，最大运动速度达75.4 mm∙s^-1。同样，RoboScallop [44]通过直流电机模拟贝类的喷射运动，其运动速度也高达2 BL∙s^-1（BL：体长）[图3（d）]。Wang等[32]采用偏心电机配合刚柔混合驱动装置（RFH）产生振动运动，使机器人能够在陆地和水中实现两栖运动[图3（e）]；机器人的陆地与水面移动速度分别可达815 mm∙s^-1和171 mm∙s^-1，其水下速度（2.3 BL∙s^-1）为现有多用途水下机器人中最高水平。

尽管电机驱动是成熟高效的驱动方式，但其工作特性和结构限制了其在微型水下机器人中的应用，尤其在软体微型水下机器人领域。首先，电机仅能产生角度变化，需要设计特殊的机械结构将电机运动转化为机器人运动；这大大增加了机械结构的复杂性，同时增强了机器人的刚性。其次，用于驱动和控制的众多电机及电路板均不具备防水性能；因此，在机器人设计中必须重点考虑防水设计[73‒74]，尤其是在承受高压的深海环境应用中。此外，采用电机驱动时还需解决电机噪声和扭矩损耗等问题。

2.2 磁场驱动

磁场驱动技术基于电磁学原理，通过将电能转化为机械运动来实现驱动功能[75]。该技术通常利用线圈或永磁体构成的驱动单元产生可控磁场，该磁场与机器人上的磁性部件相互作用，从而驱动机器人运动。磁场驱动具备多方面优势，尤其适用于微型水下机器人的驱动需求。首先，它能实现对机器人运动（如振动模式）的精确控制，有助于完成精准定位与精细操作。其次，该技术对输入电压信号响应迅速[76]，使机器人具备良好的动态性能。此外，磁场驱动装置可与机器人本体分离，从而实现远程驱动与无线控制。

磁场驱动的典型结构如图4所示[28,31,52,77]。其中，图4（a）和（b）展示了一种由亥姆霍兹线圈系统驱动的磁复合机器人[77]。该系统通过电磁线圈产生可控磁场，磁场作用使复合材料发生可控形变或弯曲运动。随后，触手通过形变与划动实现运动。图4（c）和（d）展示了一种内置磁铁的机器人，其运动由外部电磁线圈驱动[28]。线圈产生旋转磁场，机器人在磁力作用下发生旋转。图4（e）呈现了基于机载磁线圈的驱动方式：当电压施加于电磁线圈时，产生的磁场会使永磁体翻转，从而驱动鳍片发生振荡，产生推动机器人前进的推进力。通过调节施加在电磁线圈上的电压方向与频率，可以控制鳍片的振荡方向与频率。Berlinger等[31,52]先后研制了两种采用此类驱动方式的机器人，如图4（f）和（g）所示。该机器人的尾鳍、胸鳍和背鳍均采用磁场驱动，其中尾鳍负责提供推进动力，胸鳍和背鳍则协同实现三维运动。得益于该驱动器的低能耗与小尺寸优势，这款全长仅130 mm的机器人能够实现1.15 BL∙s^-1的前进速度与75 mm∙s^-1的下潜速度，且续航时间可达2 h。

尽管磁场驱动技术在尺寸紧凑和高能效方面为仿生鱼机器人带来了显著优势，但其运动模式仍相对受限。在机载磁场驱动系统中，由于所产生的磁场具有固定的单向特性，驱动机构（如鱼鳍）通常只能实现单一方向的运动。为实现多自由度运动，往往需要引入额外的辅助驱动结构。然而，对于高度柔性水下机器人而言，这种方案并不理想，因为它们往往需要更多自由度才能完成复杂的运动任务。此外，在远程磁场驱动方式中，随着机器人逐渐远离驱动线圈，磁场强度会显著衰减，这也限制了该类机器人的长距离航行能力。

2.3 压电驱动

在各类致动元件中，压电致动器因结构紧凑简单、功率密度高、响应速度快、分辨率高以及无电磁干扰等[78‒83]多方面的优势而备受关注。这些独特优势使其成为微致动器研发的理想选择，也吸引了众多学者的研究兴趣[84‒87]。

压电致动器基于逆压电效应，能够将电能转换为机械运动[88]。双形态压电致动器的典型结构如图5（a）所示。该装置由两层压电材料及中间夹层的电阻层组成。当电压施加于压电层时，致动器会产生弯曲变形。通过与传动机构[图5（b）]结合，该致动器可驱动襟翼完成划水动作[46]。另一种用于驱动微型水下机器人的压电电机如图5（c）所示[63]。该压电电机由作为定子的压电晶片及与之配合的转子构成。当向压电晶片施加递增的电信号时，相邻晶片之间会产生扭转运动，使得上层晶片发生微小角度的旋转；在摩擦力作用下，转子随之同步转动。当信号减弱时，压电晶片迅速回弹，而转子因惯性保持静止。通过周期性重复这一过程，转子可实现连续的旋转运动。该致动器重量仅为3.6 g，尺寸为20 mm × 20 mm，稳定转速可达2200  r·min^-1。由该电机驱动的螺旋桨可产生4.6  mN的推力，推动机器人以最高80  mm·s^-1的速度前进。

除压电电机外，压电振动器也是驱动微型水下机器人的一种高效装置。图5（d）和（e）展示了一类典型的压电致动器结构[29]。该致动器由两个壳体与一个压电振动器组成。当向振动器施加电信号时，高频振动的电机将产生特定的流场。通过调节驱动信号的频率和波形，致动器可实现吸入与弹射运动，从而推动机器人前进。图5（e）展示了一款采用压电脉冲喷射致动器（PJA）的抗水压微型十字形水下机器人（CSUR），该机器人具备多模式运动能力。该CSUR由4个PJA构成，可模拟水母的吸水与排水运动机制。因此，该推进器能够实现包括直线前进、转向、旋转、下沉和悬停在内的三维运动，最大线速度可达47.8 mm·s^-1（0.44  BL·s^-1）。

采用压电致动器的微型水下机器人具有结构简单、体积紧凑、防水性能好以及适用于深海作业等优点。然而，该类致动器通常需要数百伏的高驱动电压[24,89]，这要求配备专用的驱动电路与设备，从而增加了无线微型水下机器人的设计复杂度，也限制了其在远海及深海等场景中的应用。此外，压电致动器通常属于束缚式驱动方式，其输出位移有限，且所产生的应变相较于某些柔性材料而言并不显著，这也造成了其在实际应用中的局限性。

2.4 柔性材料驱动

与前述刚性驱动方法相比，柔性材料在柔韧性、弹性与力学性能方面具有独特优势，因而成为驱动微型水下机器人的研究热点[90‒91]。采用硅橡胶等柔性弹性体材料[92‒93]制作的微型水下机器人能够在碰撞中发生形变并吸收能量，同时在动态变形、高保形能力及耐高压方面性能良好[94‒95]。目前，多种新型智能柔性材料已被用于驱动微型水下机器人，如SMAs [38‒39,53‒56]、DEAs [40,64‒66]、IPMCs [36‒37,49,67]以及气动驱动装置[22,50]。本节将阐述各类柔性材料的工作原理，并系统归纳其对应的驱动方法。

2.4.1 SMAs

形状记忆合金凭借其出色的柔韧性、轻量化特性、小型化设计、可变刚度以及兼具感知与驱动的能力，在机器人驱动系统中得到了广泛应用[96‒99]。SMA是一类具有形状记忆效应的特殊金属材料：当加热至特定转变温度以上时，材料能够恢复至其初始的形状与尺寸[100‒102]。

图6（a）展示了形状记忆合金的工作原理。初始状态下，合金处于双晶马氏体状态；随后施加外部载荷，使其发生预期变形，进入双晶消除的马氏体状态；卸除载荷后，将形状记忆合金加热至完全转变为奥氏体状态，此时材料恢复至原始形状；最后，通过冷却过程，形状记忆合金重新转变为双晶马氏体状态。通过多次重复上述循环对SMA进行训练，材料可实现双向形状记忆效应——加热时恢复原始形状，冷却时呈现变形后的状态。因此，基于冷却与加热的循环过程，SMA成为实现微型水下机器人伸缩动作的理想驱动材料。

经过数十年的研究，学者们已开发出多种由形状记忆合金驱动的微型水下机器人，其中仿生鱼机器人占主导地位，这是因为形状记忆合金的双向变形特性非常适合模拟鱼类尾鳍的摆动运动。例如，Wang等[38]提出了一种采用形状记忆合金导线驱动的仿生鱼尾鳍机器人[图6（b）]。该机器人的尾鳍两侧均嵌入了形状记忆合金线。当脉冲信号施加于鳍片单侧的SMA导线时，导线因形状记忆效应发生弯曲，带动鳍片变形。信号移除后，形状记忆合金导线在储存的弹性能作用下恢复原状，鳍片也随之复位。通过重复这一过程，鱼鳍可实现连续的弯曲运动，从而在脉冲信号的驱动下推动机器人前进。除仿生鱼外，形状记忆合金也被用于模拟海星的划水动作。Jin等[103]开发了一种基于形状记忆合金导线的海星机器人[图6（c）]。该机器人由5个智能模块化结构组成，每个模块包含4根形状记忆合金线，并通过印刷电路板（PCB）连接形成骨架结构，其中嵌有聚氯乙烯（PVC）板。当对模块施加加热信号时，形状记忆合金导线发生弯曲，使PVC板储存弹性能，进而带动模块整体弯曲。随着电压降低，PVC板在弹性回复作用下恢复初始状态，模块也随之复位。因此，通过调节加热信号的控制参数，可以改变智能模块的运动频率。

形状记忆合金所具有的诸多优势使其成为机器人驱动领域中最具潜力的软材料之一。此外，研究人员也致力于在简单的SMA结构中集成传感与驱动功能[104]。然而，SMA驱动器的发展仍面临重要挑战。其变形运动受温度影响显著，这限制了其在深海或极地等严苛环境中的实际应用。同时，由于变形过程中涉及电压信号与温度的复杂耦合，对该过程进行建模并实现精确的变形控制极为困难[105‒106]。未来，开发能够实现精确控制的SMA驱动机构策略，将是实现多自由度微型水下机器人研发的重要发展方向。

2.4.2 DEA

DEA以其显著的电致变形能力、高能量密度、快速响应以及高机械能密度等优点，成为目前最常用的柔性材料驱动方案之一[107‒110]。如图7（a）所示，DEA的基本结构包括三层：两层可拉伸电极层和一层弹性体薄膜。通常，弹性体薄膜被夹在两层可拉伸电极之间。当施加电压时，电场相互作用产生的静电力会压缩弹性体薄膜，导致其在厚度方向收缩，同时在平面方向发生拉伸[111‒112]。通过调整结构配置并增设固定部件，DEA可实现特定的单向拉伸或内弯曲运动。DEA作为一种具有独特性能的智能聚合物材料，能够实现多方向、多模态的连续变形，这些变形特性可被有效用于驱动微型水下机器人。

仿生鱼作为水下机器人的重要形式之一，也常采用DEA作为驱动方式。Shintake等[64]利用双层DEA结构模拟尾鳍运动，实现了仿生鱼的向前游动。Christianson等[40]则采用双层多段的DEA模拟鳗鱼的运动模式，通过向DEA致动器的不同分段施加电压，使机器人产生形态变化，从而复现鳗鱼的运动轨迹。Li等[6]基于DEA开发了一种仿生狮子鱼机器人，模拟狮子鱼鱼鳍的拍动运动[图7（b）]，使该机器人能够在马里亚纳海沟等极端环境中移动。除了仿生鱼，研究人员也研发了多种仿生水下机器人，例如，Tang等[48]使用DEA模拟青蛙的腿部运动。如图7（c）所示，该机器人有两条仿生蛙腿，每条腿均包含两个DEA，分别模拟腿部关节与蹼足的运动。当电压施加于蛙腿关节处的DEA时，腿部关节可实现可控弯曲；当电压施加于蹼足处的DEA时，宽大的蹼足区域会发生形变。通过调节两个驱动电极阵列的电压和频率，机器人可实现类似青蛙的游泳步态，即双腿通过划水动作产生推进力，从而推动机器人前进。在5  kV驱动电压和0.25  Hz频率下，该仿生水下机器人的游动速度可达19  mm∙s^-1。Godaba等[65]则开发了一种仿生水母机器人[图7（d）]。该机器人由钟形外壳、DEA和内部空气腔组成。当对DEA施加电压时，其发生弯曲变形，导致空气腔扩张，将水从机器人内部排出并增大浮力，从而使机器人上浮。通过调节DEA上的电压，可控制机器人的上升与下降运动，其最大移动速度可达90  mm∙s^-1。

尽管DEA在驱动微型水下机器人方面表现出显著的应用潜力，但其驱动效能通常依赖于千伏级的高压激励[113]，这往往需要配备额外的高压电路。此类电路可能在一定程度上限制DEA驱动的水下机器人在微型化及实际应用场景中的发展。

2.4.3 IPMC

IPMC具备轻质、高柔韧性、低驱动电压以及显著弯曲应变等独特特性[114‒115]。其由两层贵金属电极及夹在中间的离子聚合物膜构成。图8（a）为其工作原理示意图：中间的离子聚合物膜中分布着随机排布的水合阳离子；当在离子聚合物膜两端施加电压时，水合阳离子与水分子会向阴极方向迁移，这种迁移导致阳离子和水分子在阴极区域呈现各向异性的浓度分布，从而引起阴极区域的膨胀和弯曲变形[116]。此外，当外力作用于IPMC时，应变梯度与两层电极间的电位差会引发离子迁移。这一特性使IPMC能够感知外部变形，因此也可作为高效的传感元件使用。

近几十年来，研究人员已开发出多种基于IPMC驱动的微型水下机器人。由于IPMC具备双向运动能力，它特别适用于模拟鱼鳍的运动模式。Guo等[67]研制了一种采用IPMC致动器驱动的S形鱼型微型游泳机器人[图8（b）]。其中IPMC作为尾鳍，通过快速弯曲产生推进力，驱动机器人前进。通过精细调节驱动频率和振幅，可实现对机器人前进速度的精确控制。除了横向摆动，IPMC还可驱动尾鳍实现上下运动，如图8（c）所示的海豚形态机器人[37]。此外，Shen等[49]设计了一种仿生水下机器人[图8（d）]，该机器人通过6对IPMC致动器实现推进，其运动模式模仿了乌贼的游动方式。实验数据与分析表明，通过对每个IPMC施加正弦波电压，可实现所需的鳍片运动波形，并使机器人达到53.3  mm∙s^-1的移动速度。

然而，IPMC驱动存在一种称为“松弛”的现象，该现象会在推进过程中引起显著的不稳定性[117‒118]。当对IPMC施加直流电压时，水合阳离子与水分子的密度分布会变得不均匀，同时伴随微量水分子渗漏。这种渗漏随时间推移而加剧，导致IPMC变形不稳定并逐渐恢复至原始形状，该过程即为松弛[119]。虽然通过更换离子聚合物膜中的溶剂可以缓解这种回弹现象[120‒121]，但仍无法完全消除。此外，IPMC致动器产生的输出推力相对较小[122]，这限制了微型水下机器人的动态性能，尤其在高速或高负载的流体环境中更为明显。

尽管采用柔性智能材料驱动的水下机器人在结构简单性与体积小型化方面具有优势，但其运动模式仍较为有限（多以仿生鱼类为主），且存在运动可控性差、精度不足等问题，制约着其实际应用。因此，提高智能材料的变形精度与机器人的整体机动性能，仍然是该领域亟待攻克的重要难题。

2.5 其他

除前述四种主流驱动方式外，研究人员也在探索微型水下机器人的其他驱动方法，包括气动与液压系统。这类系统通过向内部腔体充气或注液，改变其形状以产生推进力。此原理已应用于气动驱动的仿生蛙腿[23]、仿生鳐鱼机器人[123]以及液压驱动的水母机器人[22]等研究中。然而，气动/液压驱动装置通常需要额外的充气或供液设备，这为实现微型水下机器人的完全无线化带来了挑战。同时，气动腔体所能实现的变形范围与输出应力有限，且相关驱动部件往往体积较大，这些因素均限制了其在微型化系统中的进一步应用。

此外，光致形变与热致形变驱动技术凭借其远程操控及选择性控制的优势，在水下机器人领域展现出广阔的应用前景。当光线照射到机器人表面时，材料吸收的光能会转化为热能，进而促使碳材料、液晶弹性体或其他热响应材料发生可逆性结构重构[124]。基于光热效应，薄膜材料将产生形变，并由此提供驱动力。通过调控热响应材料的重构方式，机器人可实现前进[125]、旋转[126‒127]以及垂直运动[128]等多种运动模式。

图9汇总了现有微型水下移动机器人的移动速度（以BL∙s^-1为单位）与体长数据。目前，最高速度（2.3  BL∙s^-1）由一款搭载偏心电机的两栖机器人实现[32]，其次为采用直流电机的RoboScallop机器人（2  BL∙s^-1）[44]。其他基于电机驱动的机器人也表现出较好的运动性能，速度范围在0.35 ~0.79  BL∙s^-1之间[30,35,57‒58,60]。此外，由磁场驱动的微型水下机器人具有出色的机动性，其速度可达0.3 ~1.15  BL∙s^-1 [31,45,52,61,72]。相比之下，采用智能材料驱动的机器人在速度表现上稍显逊色：SMAs驱动的机器人速度为0.14 ~0.77  BL∙s^-1 [38‒39,41‒42]，DEAs驱动的为0.23 ~0.69  BL∙s^-1 [33,64‒66]，IPMCs驱动的为0.12 ~0.51  BL∙s^-1 [36‒37,67]。

目前，尽管现有驱动方法已表现出优异的性能，但在输出应力、应变范围及供电方式等方面仍面临挑战，尚无法完全满足多功能微型水下机器人对灵活运动、低功耗与长续航的需求。未来，研究人员需着力开发新型智能材料与驱动机制，以提升机器人的功能性与智能化水平。例如，可编程材料的研发能够实现可控的弯曲、扭转与伸展，有望为机器人带来更强的柔韧性、更快的响应速度以及更高的环境适应性。此外，将驱动机构与传感模块深度融合，也是一个极具前景的研究方向。同时，如何在实现能源自供给的同时降低系统功耗，仍是提升机器人续航能力与整体效能的关键目标。

3 运动

微型水下机器人广泛应用于水下环境勘测与生物监测等领域。此类任务的特殊性质对微型水下机器人的运动能力提出了严格要求，包括高速运动、对环境影响的最小化以及卓越的机动性能。近年来，受水生生物运动机理的启发[10]，研究人员已开发出多种适用于不同需求的新型材料与结构。本节将对微型水下机器人的发展现状与运动模式进行概述，并展望其未来发展趋势。

根据水生生物的运动机理，微型水下机器人的运动模式可分为以下6类：仿鱼式、喷射式、划水式、爬行式、仿鞭毛式以及混合式，其分类示意如图10所示。各类运动模式下水下机器人的性能特点总结于表2。

3.1 仿鱼式

经过数十亿年的自然进化，鱼类已形成高度适应水下航行的身体结构与运动机制。因此，众多微型水下机器人以鱼类为仿生对象，借鉴其形态与运动方式开展设计。根据运动特征，仿生鱼类水下机器人的运动模式主要可分为两类：身体/尾鳍推进（BCF）模式与中间鳍/对鳍推进（MPF）模式。

3.1.1 BCF模式

BCF模式是仿生鱼机器人普遍采用的运动模式。该模式模拟鱼类的游动方式，主要借助身体或尾鳍的周期性波动实现在水中的推进与机动[129]。根据驱动部件和体型变化方式的差异，BCF模式可进一步细分为波动式与振荡式两类，具体包括鳗形、亚鲹形、鲹形和鲔形等多种形式[130]，如图11所示。图11中的蓝色曲线示意了不同BCF模式下机器人的身体摆动幅度。在鳗形模式下，机器人几乎全身参与波动，形成行进波；而在鲔形模式下，波动主要集中于尾部，身体其余部分保持相对稳定。

鳗形运动模式主要模仿鳗鱼的游动方式，采用此模式的机器人身体整体呈波浪状的“S”形运动轨迹，能高效推动机体前进[131]。此类模式常采用具有天然柔韧性并能产生较大驱动力的新型材料驱动仿生机器人。例如，Christianson等[40]开发了一种无框架结构的DEA，用于驱动仿生鳗鱼机器人。与传统的夹层式DEA不同，该设计利用内部注液腔室作为一个电极，周围环境液体作为另一个电极，从而简化了柔性潜水驱动装置的结构。该机器人实现了1.9  mm∙s^-1的最高游动速度，并保持了94%的平均透光率，具有较好的隐蔽性。然而，仿生鳗鱼机器人需要具备高度的关节灵活性、躯体柔韧性以及足够的驱动扭矩，这对水下仿生机器人的微型化与实际实现带来了显著挑战。同时，鳗形机器人的自主运动依赖于无线与机载控制系统，而刚性控制电路板与柔性摆动躯体之间的集成仍存在技术难点。随着柔性材料技术的持续发展，预计将涌现更多结构多样、性能优化的鳗形移动机器人。

采用亚鲹形和鲹形游动模式的机器人均通过身体摆动产生推进力，二者的主要区别在于摆动部位不同：亚鲹形机器人的摆动集中于身体前半部分，而鲹形机器人则主要利用身体后段（约1/3）进行推进[132]。相较于鳗形模式，亚鲹形和鲹形机器人的身体摆动幅度通常较小，但通过提高摆动频率，它们仍能实现较快的游动速度。

亚鲹形机器人需通过弯曲至少一半躯干并配合尾鳍摆动来产生推进力，这对机体的柔韧性提出了较高要求。目前，这类机器人主要采用SMA和DEA等新型柔性材料实现驱动。例如，Shintake等[64]使用双层DEA结构构建了仿生鱼的尾部，通过控制驱动电压分别激励两层DEA，使鱼体和尾鳍能够实现左右摆动。然而，该设计仅为DEA在鱼类推进中的原理验证，尚未集成无线控制或传感功能。形状记忆合金凭借高柔韧性和双向变形特性，尤其适用于驱动亚鲹形水下机器人。Chen等[39]以及Muralidharan和Palani [53]均成功利用SMA致动器实现了微型水下机器人的快速运动，移动速度分别达到65.2  mm∙s^-1和24.5  mm∙s^-1。相比之下，传统驱动方式在微型化方面并不具备优势。虽然Romano等[45]曾基于直流电机与磁体实现了亚鲹形的仿生振荡运动，但该方案仍依赖外部电源供电，且不具备机载自主控制能力。

相较于亚鲹形机器人，鲹形机器人仅需摆动身体后部较小比例的部分，从而将驱动机构简化为作用于身体后半段。目前大多数鲹形微型水下机器人采用伺服电机作为驱动单元。通过在尾部附近设置伺服电机，这些机器人能够带动身体后段（约1/3）及尾鳍协调摆动，从而产生向前的推进力。例如，Epps等[58]设计了一款体长148 mm的鲹形微型机器人，利用伺服电机配合机械结构实现柔性躯干弯曲与尾鳍摆动，以此生成推进力。然而，该机器人未搭载机载控制与电源单元，因而无法实现自主无线操作。随后，Kopman和Porfiri [30]研制了一款基于类似伺服电机机构的无线水下机器人，该机器人集成了控制板、电源及通信模块，具备了自主运行与远程控制能力。随着电子元件日益微型化，微型水下机器人已能集成更复杂的功能。例如，Zhao等[57]在仿生鱼机器人上配备了摄像头，使其能够实时采集水下环境图像，为探测与探索任务提供了新的可能。在新型柔性材料方面，Wang等[38]采用形状记忆合金作为驱动器，实现了微型仿生鱼的二维运动，这充分展示了创新材料在提升机器人性能方面的潜力。

采用鲔鱼式（鲔形）运动的机器人主要通过左右摆动尾鳍产生推进力，同时保持身体主体基本稳定[35,133]。与前三种BCF模式相比，鲔形运动仅需尾部进行周期性振荡，运动模式更为简洁，结构设计也相对简单。因此，该模式成为最早受到广泛关注的仿生鱼机器人类型之一。早期的鲔形机器人多采用伺服电机驱动尾鳍摆动，如文献[35]所述。此外，新型柔性材料（如IPMCs [36]）也被证明能够有效驱动摆动式尾鳍。近年来，磁场驱动逐渐成为实现鲔形机器人运动的高效方案。该方法通常在尾鳍处布置电磁线圈与永磁体，通过调节电压改变磁场方向与强度，进而驱动永磁体位置变化，带动尾鳍左右摆动。Phamduy等[62]设计了一款体长仅6.6 cm的电磁驱动仿生鱼，验证了该驱动方式的可行性。Yan等[134]进一步实现了基于电磁驱动的无线仿生鱼的研制。Chen等[135]则开发了微型仿生鱼，并提出一种磁驱动脉宽调制方法，显著提升了机器人的机动性能。Berlinger等[31]研制出一款搭载摄像头的微型机器鱼，采用磁驱动技术实现了尾鳍、胸鳍和背鳍的角度与频率精确调控，从而完成水下三维运动（前进速度为1.15  BL∙s^-1，下潜速度为75  mm∙s^-1）及群体协同。这些进展在环境监测与探索领域（特别是珊瑚礁与近海环境中）展现出重要的应用潜力。

尽管采用BCF模式的机器人在长距离高速巡航和快速加速方面表现优异，但其机动性能相对有限。尤其是鲔形等BCF模式机器人，通常仅具有较少自由度的摆动尾部，难以实现俯仰、翻滚等复杂动作。此外，这类机器人转向半径较大，且因尾部或躯干摆动幅度受限，通常无法完成原地转向。为克服这些局限，研究往往需要引入额外的驱动机构（如模拟胸鳍功能），但这通常会引入更复杂的驱动单元和控制系统，增加了机器人的制造与维护难度。同时，BCF模式机器人的驱动与控制模块通常较为集中，在深海等高压环境中运行时面临挑战。目前，采用BCF模式的机器人已能实现三维运动、群体协作及对轻型目标的追踪。未来，通过集成更多传感器，此类机器人将进一步提升在水环境监测、检测与采样等方面的应用能力。

3.1.2 MPF模式

MPF模式主要通过成对的胸鳍、背鳍及腹鳍的协调运动，或背鳍与腹鳍的组合摆动来产生推进力[136]。与BCF模式相比，MPF模式在低速条件下具有更高的推进效率和更强的机动性，能够实现悬停、原地转向等动作。典型的MPF形态包括鳐形、蝠鲼形、弓鳍鱼形、鲀形以及隆头鱼形[137]。与BCF模式相似，MPF模式也可分为波动式与振荡式两类：前两种形态主要采用波动推进，而后三类则依赖胸鳍和背鳍的振荡运动。

目前采用MPF模式的仿生鱼类多以鳐形鱼类为仿生对象，其运动方式模拟鳐鱼通过胸鳍波动实现的游动。该类机器人借助胸鳍的周期性摆动产生推进力，具有较快的移动速度与较高的推进效率。例如，Li等[6]和Li等[33]分别研制了两种基于介电弹性体（DE）薄膜的MPF型水下软体机器人。该驱动单元由两层介电弹性体薄膜中间夹附水凝胶构成。当对DE薄膜施加电压时，整个致动器发生弯曲，带动两侧胸鳍产生波浪状运动，从而形成推进力。该仿生鱼可实现最高0.69  BL∙s^-1的运动速度，并具备长达3 h的续航能力[33]。在此基础设计之上，研究团队进一步优化了机器人结构，使其能够耐受深海高压环境，从而成功应用于马里亚纳海沟的深水探测任务[6]。

微型仿生机器人的MPF运动模式目前主要集中于鳐形运动，其他几种模式在实际应用中的研究相对较少。大多数MPF模式依赖胸鳍或背鳍驱动推进，然而这些鳍片的有效作用面积有限，制约了其所能产生的推进力大小。尽管此类结构具备良好的机动性，适合短距离低速游动，但在实现长距离高速巡航方面仍面临挑战。因此，采用MPF模式的仿生鱼类目前多适用于迁移式巡游任务。此外，MPF模式通常需要多个驱动单元协调工作，并依赖精密的控制系统，这增加了机器人的结构复杂性与制造难度。同时，由于对各单元进行精确控制并准确预测其运动轨迹较为困难，该类机器人在MPF模式下的运动控制精度仍有待提升。

3.2 喷射式

喷射推进是自然界水生生物常见的运动方式，水母、章鱼等均采用此类机制实现游动[138]。以章鱼为例，其体内具有用于高速推进的腔室结构，章鱼可先将水吸入体腔，再通过名为“虹管”的肌肉器官将水高速喷出。通过朝特定方向喷射水流，章鱼可获得反向推力，从而实现敏捷的位移。由于漏斗腔室形状可调，使得其能够精确控制水流的喷射方向与强度，从而实现喷射推进运动的灵活性和快速性。此外，某些软体动物通过快速周期性地开合壳体，也能产生喷射水流并实现推进。喷射推进兼具高速与高机动性的特点，因此成为微型水下机器人的重要仿生运动模式之一。目前，采用喷射推进的微型水下机器人多借助新型柔性材料来构建和控制水流喷射腔室，以模拟水母等生物的游动方式。例如，如图12（a）和（b）所示，有研究利用SMA [41]或DEA [65]实现类似运动。Robertson等[44]通过在曲柄机构上集成直流电机，模拟了软体动物的喷射机制。该装置可控制机器人外壳的开合动作，通过快速闭合壳体能产生高速喷射水流，从而提供推进动力，其结构示意如图12（c）所示。

尽管喷射推进模式能够产生较大推力，但其控制精度通常低于BCF或MPF模式。更强的推进力往往意味着更高的移动速度，此时喷射方向的微小偏差便可能导致运动轨迹出现显著偏移。此外，产生高速射流需要消耗较多能量，尤其是当喷射作为主要推进方式时，这对能源供应与无线续航构成了严峻挑战。同时，喷射过程中产生的高速水流易引发湍流，不仅会干扰周围水环境、惊扰邻近生物，也会降低机器人的隐蔽性。因此，该推进方式更适合用于快速逃逸或捕获等场景，此时其对环境的影响相对可接受。当前喷射推进机器人的运动模式仍较为单一，通常仅限于上浮、下潜或单向水平运动等基本动作。若要实现复杂的多方向逃逸或机动，则需要对喷射腔体的变形进行精确控制，并与其他驱动机构协同配合，这对其设计与控制提出了更高要求。

3.3 划水式

划水是水生生物常见的运动方式，通常通过鳍、触手等多种附肢产生推进力。例如，水母和章鱼利用触手推动身体前进，而蛙类、海龟及水生甲虫则依赖腿部或类似肢体进行划水运动。与其他运动模式相比，划水模式通常涉及多个附肢的协调动作，因而具有更好的机动性，并能适应复杂的水下环境。此外，由于划水动作幅度相对较小，其产生的噪声较低，对周围环境的干扰也更小。

鉴于划水推进具备的显著优势，采用该模式的水下机器人研究已取得重要进展，尤其是受水母和章鱼启发的仿生机器人。这类机器人通常采用橡胶、硅胶等柔性材料构建肢体结构，以模拟水母、章鱼等多附肢生物的协调运动。例如，研究[55‒56]利用橡胶材料成功制备了仿生水母触手和章鱼触腕，并集成形状记忆合金实现柔性附肢的仿生脉冲收缩，两者的运动速度分别达到0.69  BL∙s^-1和0.5  BL∙s^-1。除形状记忆合金外，气动驱动系统[22,50]与IPMC材料[49]也已在划水推进领域得到广泛应用，如图13（a）和（b）所示。

此外，许多水生生物（如青蛙、海龟和水生甲虫）均采用划水方式推进。相应地，仿生机器人也常使用聚二甲基硅氧烷、聚对苯二甲酸乙二酯等柔性材料制作驱动结构（附肢）的外壳，以模拟这些生物的运动形态。机器人内部通常嵌入新型柔性驱动材料，通过材料的弯曲、扭转等形变带动附肢完成划水动作。例如，文献[42]采用聚二甲基硅氧烷制备了仿生海龟鳍肢，其内部集成SMA作为驱动器，实现了类似海龟鳍状肢的拍动运动[图13（c）]，该结构对应的移动速度为0.14  BL∙s^-1。文献[47]则利用光敏聚合物材料制作了仿生蛙腿驱动结构[图13（d）]，内部嵌入SMA以控制关节运动，从而以18  mm∙s^-1的速度模拟青蛙在水面的滑行动作。此外，部分受水甲虫[59]和螃蟹[66]启发的微型水下机器人也采用划水推进方式，实现了水面及水下的滑行运动。

与喷射推进相比，划水推进在速度上存在局限，可能难以满足快速捕获或逃逸等任务需求。此外，其在应对急流、湍流等动态水环境时也面临适应性问题。因此，自然界中一些水生生物（如章鱼）常采用划水与喷射相结合的复合运动模式：在慢速巡游时使用划水推进，在需要快速机动时则切换为喷射推进。对于采用划水推进的水下机器人而言，开发具有高度灵活性与多自由度运动能力的附肢，在材料、驱动及精密控制等方面均面临显著挑战。目前，大多数机械臂仅能实现平面内的弯曲运动，难以完成平面外、多角度、多曲率的复杂弯曲与扭转，从而限制了机器人的整体机动性与灵活性。此外，划水模式需要附肢持续运动，导致能耗相对较高。同时，外露的活动部件易被水下植被等生物缠绕发生损坏，这也制约了机器人在复杂水下环境中的长期可靠应用。

3.4 爬行式

爬行是章鱼、螃蟹等水生动物常用的运动方式之一。此外，腹足类动物（如蜗牛）通过腹足的波形变形产生推进力，并借助分泌的黏液增强与接触表面的附着力，从而实现爬行运动。与游泳相比，爬行具有若干明显优势。首先，在爬行过程中，触手、足肢或腹足会接触或附着于基底表面，生物体可通过摩擦力或黏附力实现位移或维持稳定姿态。其次，爬行运动依赖肌肉的收缩、变形与伸展来推动身体，从而提高了运动方向与身体姿态的可控性。借助地面提供的摩擦力，爬行还能有效抵抗水流等环境干扰，保持身体平衡。尤为重要的是，用于爬行的附肢（如触手）不仅能实现移动，还具备抓握、操纵物体的能力。这种运动与操作一体化的特点，使其在狭窄空间导航中表现出高度的适应性与灵活性。

鉴于爬行运动的优势，Cianchetti等[43]研制了一款具有八条触手的仿生章鱼爬行机器人。其中两条触手用于操作，其余六条用于爬行。操作触手采用交织的聚乙烯线与形状记忆合金复合结构，通过电机与SMA协同驱动，可实现任意方向的伸长、收缩、弯曲及刚度调节。爬行触手由硅胶锥体构成，内部沿轴向布置电机控制的钢缆。当触手通过吸盘附着于地面后，电机收缩钢缆使触手径向伸展，从而推动机体向前移动；推力阶段结束后吸盘释放，循环重复进行。该机器人爬行速度可达5  cm∙s^-1（0.3  BL∙s^-1），并具备抓取目标物体的能力。另一项研究中，Ishida等[51]开发了一种能够感知局部水流并自适应调整形态的软体机器人[图14（a）]。该机器人由四条液压驱动的腿和可变形躯干组成；通过对液压腿加压实现弯曲运动，从而在水下实现爬行功能。

在仿生腹足类机器人研究中，重点通常集中于腹足结构的设计及其与黏液环境的交互机制。Xin等[139]与Chen等[140]分别研制了两种用于胃肠道检测的仿生蜗牛微型气动机器人。这些机器人通过控制内部气室的周期性振荡，模拟蜗牛腹足的波动运动，并在不同浓度的凝胶界面上验证了其移动能力。文献[141]中，研究人员利用液晶弹性体的可编程变形特性，实现了类似蜗牛腹足的波动推进。该方法使机器人能够在水平、垂直、光滑、粗糙等多种表面上运动。近期，学者开发出一种具备湿黏附运动能力的仿生蜗牛机器人[68]，如图14（b）所示。该机器人通过垂直方向的周期性振荡调节表面摩擦力，实现纵向波浪式爬行。结合多孔弹性泡沫作为内部柔性约束结构，机器人在干燥基底上呈现逆向波动，而在玉米淀粉悬浮液中则表现为顺向波动。值得注意的是，该机器人的负载能力可达自身重量的2.84倍。

爬行模式依赖于机器人与接触表面之间的持续作用，因此采用该模式的机器人通常移动速度较慢、机动范围有限。同时，在碎石、斜坡或网格等复杂崎岖地形中，机器人需要具备更强的结构鲁棒性与运动可控性。将爬行与游泳模式相结合，是应对上述挑战的一种可行策略。这种混合运动模式不仅有助于机器人在较高流速环境中保持稳定与平衡，从而更好地探索未知水域，还能提升其在多样化环境中的适应性与敏捷性。此外，爬行模式既适用于水下基底，也可用于地面移动。当机器人从水中过渡到陆地时，需综合考虑浮力变化、地面粗糙度以及步态调整等因素的影响。

3.5 仿鞭毛式

除前述仿生宏观水生生物推进方式外，还存在一类特殊的螺旋推进模式，其灵感来源于精子、细菌等微生物的运动机制。这类微生物结构较为简单，通常包括头部、中间连接段以及带有鞭毛或纤毛的尾部[142]。其中头部负责储存信息，中间段提供能量，尾部则通过动力蛋白马达产生周期性弯曲变形。通过选择性激活不同的动力蛋白马达，可实现鞭毛/纤毛的摆动或螺旋运动，从而产生推力并推动细胞前进[143]。宏观水生生物通常生活在中高雷诺数环境中，其传统运动方式（如摆动、划水）能够在此类条件下产生足够的推进力。相比之下，微生物体积微小（毫米级以下），运动速度较低，处于黏性力占主导的低雷诺数环境。螺旋推进凭借其非对称的运动特性，打破了低雷诺数环境中变形的对称性限制，从而成为更有效的推进方式[144]。因此，该模式更适用于在泥浆、高黏度水体等环境中作业的微型水下机器人。

例如，文献[60]展示了一款模拟鞭毛运动的微型机器人，其通过四条螺旋尾产生推进力[图14（c）]，实现了22  mm∙s^-1的运动速度。此外，仿生鞭毛运动模式已广泛应用于磁控微型机器人领域。这类机器人尺寸通常仅为毫米级[145]甚至更小[146‒148]，通过外部电磁线圈产生的旋转磁场实现驱动。若在机器人表面修饰特定蛋白质或其他化学功能材料，还可实现精准的运动控制与药物递送，为未来精准医疗应用提供了潜在可能[149]。

需要指出的是，鞭毛式驱动模式在低雷诺数环境（如泥滩、潮间带及血管内部）中具有较高效率。然而，当机器人在河流等较高雷诺数环境中采用螺旋推进时，其推进效率相对较低，性能表现通常不及仿生鱼类机器人。此外，现有螺旋机器人大多仅能实现平面内的运动，垂直方向的运动尚缺乏深入研究。平面转向可通过调节螺旋推力方向与机器人轴线的夹角实现，此夹角的存在可将部分推进力转化为侧向力。但垂直上升运动需要克服重力与流体阻力，这要求推进系统能够实现更大角度的方向偏转，现有螺旋机构往往难以满足这一需求。为解决该问题，机器人可能需要集成额外的致动器（如形状记忆合金、气动驱动器或伺服电机），以实现从平面运动到垂直运动的模式切换。虽然理论上可在垂直方向增设螺旋推进单元，但若要达到较高的垂直速度，往往需要采用尺寸较大的螺旋结构，这不仅会增加机器人体积，也易导致其被水生植被等生物缠绕。

3.6 混合式

与单一运动模式的机器人相比，具备混合运动能力的机器人在灵活性、环境适应性与机动性方面表现更优。两栖机器人即为适应水陆两种环境而设计，通常采用混合运动模式。其核心研究难点在于两栖运动机构的集成，特别是如何协调设计并制造能够在两种介质中高效运动的复杂结构。为解决这一挑战，Chen等[46]研制了一款四足微型两栖机器人，其能够在陆地行走与水面游动之间切换[图14（d）]。该机器人通过分布在四肢的八个压电马达驱动，每条腿具有两个旋转自由度，可实现前进、后退及下潜动作。其在陆地上采用四足步态行走；在水中则利用每条腿末端的拍打结构划水推进。此外，研究还引入电润湿技术以消除气‑液界面表面张力的不利影响。Wang等[32]基于混合振动模块开发了另一款微型两栖机器人。该机器人搭载两个独立的RFH模块，其刚性腿部装有柔性足与弹性鳍片，通过偏心电机将振动传递至周围介质。在陆地上，机器人依靠柔性足行进；在水中则通过振动柔性鳍片产生喷射水流，从而实现高效推进。该机器人在陆地运动的最高速度可达815  mm∙s^-1，在水中运动的最高速度为171  mm∙s^-1，并支持蓝牙通信。

混合运动模式通常融合至少两种不同的运动方式，使机器人能够在水陆环境中均具备良好的移动能力。然而，由于驱动机构需同时兼顾多种运动需求，其结构设计与控制策略往往较为复杂，从而增加了制造与实现的难度。此外，混合模式中的每一种运动模式都有其最适宜的工作环境或条件。因此，为机器人配置传感器以实时感知环境信息，并据此自主选择最优运动模式，成为一项重要挑战。这涉及传感器技术、多源信息融合、优化算法与决策等多个领域。若机器人能够具备此类环境感知与自主决策能力，其运动性能与智能化水平将得到显著提升。

目前，微型两栖机器人仍多采用压电电机、直流电机等相对传统的驱动方式。然而，随着柔性材料技术的不断发展，未来有望出现更多基于柔性驱动、具有更高自由度与更灵活运动模式的多自由度两栖运动机构。这一技术演进将有力推动微型两栖机器人在实用性、功能性与环境适应性方面的整体提升。

当前，大多数微型水下机器人主要模仿某一种水生生物的运动形态，如章鱼的喷射推进或爬行模式，在运动敏捷性与机动性方面仍有不足。同时，机器人在水下作业时需要具备较强的抗动态干扰能力，尤其是在应对洋流等复杂环境因素时。目前针对机器人在复杂动态环境中保持稳定运动的研究仍然较为有限。此外，作为海洋探索的重要工具，微型水下机器人的功能仍有待丰富与强化。未来，研究人员可通过开发集成驱动与操作功能的新方法，赋予机器人追踪、捕获等类生物能力，从而提升其在复杂水下任务中的综合性能。

4 结论与展望

近几十年来，众多研究人员在微型水下机器人领域投入大量努力，极大推动了该方向的发展，并取得了一系列里程碑式成果，如实现厘米级无线控制、高达数百毫米每秒的移动速度、水下三维运动、多机器人集群协作以及水下作业机器人制作等。本文系统综述了当前微型水下机器人在驱动技术与运动模式方面的最新研究进展，旨在为相关学者深入理解该领域提供全面的研究视角。展望未来，微型水下机器人的持续发展有望为海洋环境调查、资源可持续利用、污染监测与治理，以及生物多样性保护等重大议题提供创新的技术解决方案。

尽管微型水下机器人在驱动方法与运动模式方面已取得显著进展，但仍面临诸多挑战，未来发展亦存在广阔空间（图15）。其中部分关键问题与研究趋势可归纳如下。

在驱动机构方面，目前的方案主要模拟水生生物中单一驱动单元，自由度有限，难以实现弯曲、扭转、伸展等复杂的集成化运动。一旦驱动机构完成设计与制造，其运动模式即被固化，这在一定程度上限制了机器人的运动灵活性。

为应对上述挑战，未来可探索面向驱动机构或材料的可编程与可重构设计方法。这类设计能够使材料根据环境或任务需求进行动态重构，或使驱动机构实现运动模式的重新配置。例如，将折纸原理融入驱动机构设计，有望显著增强机器人的运动灵活性及环境适应能力。

机器人模块化是一种极具前景的解决方案。在该方法中，每个模块均可针对不同的驱动信号做出差异化响应实现个性化定制，并且模块之间可通过多种策略进行组合与重构。基于此，机器人整体形态能够实现动态适应，运动方式也更为灵活，从而支持多种运动模式的切换，显著提升机器人在复杂环境中的敏捷性与鲁棒性。

此外，提升水下仿生机器人的生物相似性、增加其运动自由度，并使其形态结构与运动模式更贴近真实水下生物，也是优化驱动性能的重要方向。同时，通过结构优化，如降低流体阻力、采用流线型外形设计、尽可能减小重量与体积，可整体提高机器人的运动效率。另一方面，提高推进系统所使用软材料的能量密度与能量转换效率，同样是提升驱动性能的关键环节。

在运动与控制方面，目前多数水下移动机器人仅能复现水生生物的单一运动模式，在敏捷性与机动性上仍不足以支持复杂环境下的高效导航。同时，针对机器人在洋流等动态扰动环境中保持稳定运动的研究仍较为有限。此外，水生生物所表现出的应激行为（如逃逸、规避等）尚未在水下机器人中得到深入研究和有效集成。更重要的是，实现机器人的自主运行能力对其实际应用具有关键意义。

感知能力的提升对于增强机器人的自主性与智能化至关重要。这需要集成多种高精度传感器，如全球定位系统、惯性测量单元、超声波、主动视觉以及人工侧线系统，并通过多模态数据融合实现对环境的全面感知。通过实时监测外部流场变化，水下机器人可借助涡流等流场特征提升能量利用效率，从而优化运动性能。将上述感知能力与深度学习等先进算法相结合，不仅能实现驱动机构的精确运动控制，还可根据环境动态自主决策切换运动模式，甚至采用混合运动策略。例如，在目标追踪与捕获任务中，机器人可先以喷射推进等快速模式接近目标，随后切换为划水或游动等更轻柔的模式进行跟踪。在此过程中，多个附肢可协同配合，实现对目标物体的捕获或采样操作。

在跨域适应性方面，当前水下机器人的应用场景主要集中于水面或水下单一介质，对跨越不同介质环境的研究仍较为欠缺。然而，滩涂、淤泥、冰雪等跨域环境在实际海洋探索、资源保护与利用中具有重要意义。此外，跨介质环境中显著的黏度变化及悬浮颗粒的存在，对水下机器人的高效推进、环境适应性与运动稳定性构成了严峻挑战。未来通过开展机器人在此类复杂环境中的动态力学分析与界面接触机理研究，将有助于设计适应跨域运动的驱动机构，并开发相应的控制算法。

在面向真实海洋场景的应用拓展方面，当前对微型水下机器人的研究仍多聚焦于水下运动的实现，且常在可控的实验室环境中开展，相关应用研究仍显不足。海洋环境远比实验室条件复杂且更具挑战性，因此在实际作业环境中提升机器人的机动性与自主操作能力，成为亟待解决的重要课题。此外，多机器人协同作业在未来海洋探索中将发挥关键作用。集群机器人的协同算法与多机协作控制方法，已成为该领域新兴且至关重要的发展趋势。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	Irigoien X, Huisman J, Harris RP. Global biodiversity patterns of marine phytoplankton and zooplankton. Nature 2004;429(6994):863‒7. . 10.1038/nature02593

[2]	Costello MJ, Cheung A, De Hauwere N. Surface area and the seabed area, volume, depth, slope, and topographic variation for the world’s seas, oceans, and countries. Environ Sci Technol 2010;44(23):8821‒8. . 10.1021/es1012752

[3]	Adkins JF, Ingersoll AP, Pasquero C. Rapid climate change and conditional instability of the glacial deep ocean from the thermobaric effect and geothermal heating. Quat Sci Rev 2005;24(5‒6):581‒94. . 10.1016/j.quascirev.2004.11.005

[4]	Bingham B, Foley B, Singh H, Camilli R, Delaporta K, Eustice R, et al. Robotic tools for deep water archaeology: surveying an ancient shipwreck with an autonomous underwater vehicle. J Field Robot 2010;27(6):702‒17. . 10.1002/rob.20350

[5]

Li D, Zeng Z, Cao J, Lu D, Xiong C, Lian L. A bio-inspired underwater glider with undulatory fin for long-duration, spatially explicit water column sampling. In: Proceedings of the 2016 IEEE/OES Autonomous Underwater Vehicles (AUV); 2016 Nov 6‒9; Tokyo, Japan. Piscataway: IEEE; 2016. p. 62‒8. . 10.1109/auv.2016.7778722

[6]	Li G, Chen X, Zhou F, Liang Y, Xiao Y, Cao X, et al. Self-powered soft robot in the mariana trench. Nature 2021;591(7848):66‒71. . 10.1038/s41586-020-03153-z

[7]

Kunz C, Murphy C, Camilli R, Singh H, Bailey J, Eustice R, et al. Deep sea underwater robotic exploration in the ice-covered arctic ocean with AUVs. In: Proceedings of the 2008 IEEE/RSJ International Conference on Intelligent Robots and Systems; 2008 Sep 22‒26; Nice, France. Piscataway: IEEE; 2008. p. 3654‒60. . 10.1109/iros.2008.4651097

[8]	Yang Y, Wang J, Wu Z, Yu J. Fault-tolerant control of a CPG-governed robotic fish. Engineering 2018;4(6):861‒8. . 10.1016/j.eng.2018.09.011

[9]

Baeg SH, Park JH, Koh J, Park KW, Baeg MH. Building a smart home environment for service robots based on rfid and sensor networks. In: Proceedings of the 2007 International Conference on Control, Automation and Systems; 2007 Oct 17‒20; Seoul, Republic of Korea. Piscataway: IEEE; 2007. p. 1078‒82. . 10.1109/iccas.2007.4407059

[10]	Subad RASI, Cross LB, Park K. Soft robotic hands and tactile sensors for underwater robotics. Appl Mech 2021;2(2):356‒82. . 10.3390/applmech2020021

[11]	Young S, Peschel J, Penny G, Thompson S, Srinivasan V. Robot-assisted measurement for hydrologic understanding in data sparse regions. Water 2017;9(7):494. . 10.3390/w9070494

[12]	Zhang F, Ennasr O, Litchman E, Tan X. Autonomous sampling of water columns using gliding robotic fish: algorithms and harmful-algae-sampling experiments. IEEE Syst J 2016;10(3):1271‒81. . 10.1109/jsyst.2015.2458173

[13]	Wood S, Allen T, Kuhn S, Caldwell J. The development of an autonomous underwater powered glider for deep-sea biological, chemical and physical oceanography. In: Proceedings of the OCEANS 2007—Europe; 2007 Jun 18‒21; Aberdeen, UK. Piscataway: IEEE; 2007. p. 1‒6. . 10.1109/OCEANSE.2007.4302217

[14]	Zereik E, Bibuli M, Mišković N, Ridao P, Pascoal A. Challenges and future trends in marine robotics. Annu Rev Contr 2018;46:350‒68. . 10.1016/j.arcontrol.2018.10.002

[15]	Katzschmann RK, DelPreto J, MacCurdy R, Rus D. Exploration of underwater life with an acoustically controlled soft robotic fish. Sci Robot 2018;3(16): eaar3449. . 10.1126/scirobotics.aar3449

[16]

Luong J, Glick P, Ong A, Devries MS, Tolley MT. Eversion and retraction of a soft robot towards the exploration of coral reefs. In: Proceedings of the 2019 2nd IEEE International Conference on Soft Robotics (RoboSoft); 2019 Apr 14‒18; Seoul, Republic of Korea. Piscataway: IEEE; 2019. p. 801‒7. . 10.1109/robosoft.2019.8722730

[17]	Nayak A, Pradhan SK. Design of a new in-pipe inspection robot. Procedia Eng 2014;97:2081‒91. . 10.1016/j.proeng.2014.12.451

[18]	Liu X, Song M, Fang Y, Zhao Y, Cao C. Worm-inspired soft robots enable adaptable pipeline and tunnel inspection. Adv Intell Syst 2022;4(1):2100128. . 10.1002/aisy.202100128

[19]

Tadami N, Nagai M, Nakatake T, Fujiwara A, Yamada Y, Nakamura T, et al. Curved excavation by a sub-seafloor excavation robot. In: Proceedings of the 2017 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS); 2017 Sep 24‒28; Vancouver, BC, Canada. Piscataway: IEEE; 2017. p. 4950‒6. . 10.1109/iros.2017.8206376

[20]	Aracri S, Giorgio-Serchi F, Suaria G, Sayed ME, Nemitz MP, Mahon S, et al. Soft robots for ocean exploration and offshore operations: a perspective. Soft Robot 2021;8(6):625‒39. . 10.1089/soro.2020.0011

[21]	Li D, Zhou J, Zhao Z, Huang X, Li H, Qu Q, et al. Battery-free, wireless, and electricity-driven soft swimmer for water quality and virus monitoring. Sci Adv 2024;10(2):eadk6301. . 10.1126/sciadv.adk6301

[22]	Frame J, Lopez N, Curet O, Engeberg ED. Thrust force characterization of free-swimming soft robotic jellyfish. Bioinspiration Biomim 2018;13(6):064001. . 10.1088/1748-3190/aadcb3

[23]	Fan J, Du Q, Yu Q, Wang Y, Qi J, Zhu Y. Biologically inspired swimming robotic frog based on pneumatic soft actuators. Bioinspiration Biomim 2020;15(4):046006. . 10.1088/1748-3190/ab835a

[24]	Li K, Zhou X, Liu Y, Sun J, Tian X, Zheng H, et al. A 5 cm-scale piezoelectric jetting agile underwater robot. Adv Intell Syst 2023;5(4):2200262. . 10.1002/aisy.202200262

[25]	Wang T, Joo HJ, Song S, Hu W, Keplinger C, Sitti M. A versatile jellyfish-like robotic platform for effective underwater propulsion and manipulation. Sci Adv 2023;9(15):eadg0292. . 10.1126/sciadv.adg0292

[26]	Guo S, Pan Q, Khamesee MB. Development of a novel type of microrobot for biomedical application. Microsyst Technol 2008;14(3):307‒14. . 10.1007/s00542-007-0430-1

[27]	Zhao J, Gao X, Xiao Y, Wu C, Wu G, Wang Z, et al. A fish-like underwater miniature robot capable of high-speed and controllable locomotion. IEEE Robot Autom Lett 2024;9(4):3910‒7. . 10.1109/lra.2024.3372443

[28]	Nam J, Lee W, Kim J, Jang G. Magnetic helical robot for targeted drug-delivery in tubular environments. IEEE/ASME Trans Mechatron 2017;22(6):2461‒8. . 10.1109/tmech.2017.2761786

[29]	Zhou X, Li K, Liu Y, Sun J, Li H, Chen W, et al. Development of an antihydropressure miniature underwater robot with multilocomotion mode using piezoelectric pulsed-jet actuator. IEEE Trans Ind Electron 2023;70(5):5044‒54. . 10.1109/tie.2022.3189088

[30]	Kopman V, Porfiri M. Design, modeling, and characterization of a miniature robotic fish for research and education in biomimetics and bioinspiration. IEEE/ASME Trans Mechatron 2013;18(2):471‒83. . 10.1109/tmech.2012.2222431

[31]	Berlinger F, Gauci M, Nagpal R. Implicit coordination for 3D underwater collective behaviors in a fish-inspired robot swarm. Sci Robot 2021;6(50): eabd8668. . 10.1126/scirobotics.abd8668

[32]	Wang D, Liu Y, Deng J, Zhang S, Li J, Wang W, et al. Miniature amphibious robot actuated by rigid-flexible hybrid vibration modules. Adv Sci 2022;9(29):2203054. . 10.1002/advs.202203054

[33]	Li T, Li G, Liang Y, Cheng T, Dai J, Yang X, et al. Fast-moving soft electronic fish. Sci Adv 2017;3(4):e1602045. . 10.1126/sciadv.1602045

[34]	Kong D, Hirata T, Li F, Kurosawa MK, Aoyagi M. A novel miniature swimmer propelled by 36° Y-cut lithium niobate acoustic propulsion system. Sens Actuators A 2024;365:114837. . 10.1016/j.sna.2023.114837

[35]	Zhou C, Cao Z, Wang S, Dong X, Tan M. A miniature biomimetic robotic fish and its realtime path planning. In: Laugier C, Siegwart R, editors. Field and service robotics. Berlin: Springer; 2008. p. 147‒56. . 10.1007/978-3-540-75404-6_14

[36]

Mbemmo E, Chen Z, Shatara S, Tan X. Modeling of biomimetic robotic fish propelled by an ionic polymer-metal composite actuator. In: Proceedings of the 2008 IEEE International Conference on Robotics and Automation; 2008 May 19‒23; Pasadena, CA, USA. Piscataway: IEEE; 2008. p. 689‒94. . 10.1109/robot.2008.4543285

[37]	Shen Q, Wang T, Liang J, Wen L. Hydrodynamic performance of a biomimetic robotic swimmer actuated by ionic polymer‒metal composite. Smart Mater Struct 2013;22(7):075035. . 10.1088/0964-1726/22/7/075035

[38]	Wang Z, Hang G, Li J, Wang Y, Xiao K. A micro-robot fish with embedded SMA wire actuated flexible biomimetic fin. Sens Actuators A 2008;144(2):354‒60. . 10.1016/j.sna.2008.02.013

[39]	Chen X, Shigemune H, Sawada H. An untethered bionic robotic fish using SMA actuators. In: Proceedings of the 2020 IEEE International Conference on Mechatronics and Automation (ICMA); 2020 Oct 13‒16; Beijing, China. Piscataway: IEEE; 2020. p. 1768‒73. . 10.1109/ICMA49215.2020.9233798

[40]	Christianson C, Goldberg NN, Deheyn DD, Cai S, Tolley MT. Translucent soft robots driven by frameless fluid electrode dielectric elastomer actuators. Sci Robot 2018;3(17):eaat1893. . 10.1126/scirobotics.aat1893

[41]	Villanueva A, Smith C, Priya S. A biomimetic robotic jellyfish (robojelly) actuated by shape memory alloy composite actuators. Bioinspiration Biomim 2011;6(3):036004. . 10.1088/1748-3182/6/3/036004

[42]	Kim HJ, Song SH, Ahn SH. A turtle-like swimming robot using a smart soft composite (SSC) structure. Smart Mater Struct 2013;22(1):014007. . 10.1088/0964-1726/22/1/014007

[43]	Cianchetti M, Calisti M, Margheri L, Kuba M, Laschi C. Bioinspired locomotion and grasping in water: the soft eight-arm octopus robot. Bioinspiration Biomim 2015;10(3):035003. . 10.1088/1748-3190/10/3/035003

[44]	Robertson MA, Efremov F, Paik J. Roboscallop: a bivalve inspired swimming robot. IEEE Robot Autom Lett 2019;4(2):2078‒85.

[45]	Romano D, Wahi A, Miraglia M, Stefanini C. Development of a novel underactuated robotic fish with magnetic transmission system. Machines 2022;10(9):755. . 10.3390/machines10090755

[46]	Chen Y, Doshi N, Goldberg B, Wang H, Wood RJ. Controllable water surface to underwater transition through electrowetting in a hybrid terrestrial‒aquatic microrobot. Nat Commun 2018;9(1):2495. . 10.1038/s41467-018-04855-9

[47]	Soomro AM, Lee JW, Memon FH, Ahmed F, Hussain K, Choi KH. Bioinspired multi-material polyjet-printed frog robot for synchronous and asynchronous swimming. J Bionic Eng 2023;20(3):923‒33. . 10.1007/s42235-022-00321-x

[48]

Tang Y, Qin L, Li X, Chew CM, Zhu J. A frog-inspired swimming robot based on dielectric elastomer actuators. In: Proceedings of the 2017 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS); 2021 Sep 24‒28; Vancouver, BC, Canada. Piscataway: IEEE; 2017. p. 2403‒8. . 10.1109/iros.2017.8206054

[49]	Shen Q, Olsen Z, Stalbaum T, Trabia S, Lee J, Hunt R, et al. Basic design of a biomimetic underwater soft robot with switchable swimming modes and programmable artificial muscles. Smart Mater Struct 2020;29(3):035038. . 10.1088/1361-665x/ab6fe8

[50]

Fras J, Noh Y, Macias M, Wurdemann H, Althoefer K. Bio-inspired octopus robot based on novel soft fluidic actuator. In: Proceedings of the 2018 IEEE International Conference on Robotics and Automation (ICRA); 2018 May 21‒25; Brisbane, QLD, Australia. Piscataway: IEEE; 2018. p. 1583‒8. . 10.1109/icra.2018.8460629

[51]	Ishida M, Drotman D, Shih B, Hermes M, Luhar M, Tolley MT. Morphing structure for changing hydrodynamic characteristics of a soft underwater walking robot. IEEE Robot Autom Lett 2019;4(4):4163‒9. . 10.1109/lra.2019.2931263

[52]	Berlinger F, Dusek J, Gauci M, Nagpal R. Robust maneuverability of a miniature, low-cost underwater robot using multiple fin actuation. IEEE Robot Autom Lett 2018;3(1):140‒7. . 10.1109/LRA.2017.2734969

[53]	Muralidharan M, Palani IA. Development of subcarangiform bionic robotic fish propelled by shape memory alloy actuators. Def Sci J 2021;71(1):94‒101. . 10.14429/dsj.71.15777

[54]	Aragaki D, Nishimura T, Sato R, Ming A. Biomimetic soft underwater robot inspired by the red muscle and tendon structure of fish. Biomimetics 2023;8(2):133. . 10.3390/biomimetics8020133

[55]	Ahmed F, Waqas M, Shaikh B, Khan U, Soomro AM, Kumar S, et al. Multi-material bio-inspired soft octopus robot for underwater synchronous swimming. J Bionic Eng 2022;19(4):1229‒41. . 10.1007/s42235-022-00208-x

[56]	Muralidharan M, Saini P, Ameta P, Palani IA. Bio-inspired soft jellyfish robot: a novel polyimide-based structure actuated by shape memory alloy. Int J Intell Robot Appl 2023;7(4):671‒82. . 10.1007/s41315-023-00291-1

[57]	Zhao Y, Fukuhara M, Usami T, Takada Y. Performance of very small robotic fish equipped with cmos camera. Robotics 2015;4(4):421‒34. . 10.3390/robotics4040421

[58]	Epps BP, Valdivia y Alvarado P, Youcef-Toumi K, Techet AH. Swimming performance of a biomimetic compliant fish-like robot. Exp Fluids 2009;47(6):927‒39. . 10.1007/s00348-009-0684-8

[59]	Kwak B, Bae J. Toward fast and efficient mobility in aquatic environment: a robot with compliant swimming appendages inspired by a water beetle. J Bionic Eng 2017;14(2):260‒71. . 10.1016/s1672-6529(16)60396-7

[60]	Chen B, Jiang S, Liu Y, Yang P, Chen S. Research on the kinematic properties of a sperm-like swimming micro robot. J Bionic Eng 2010;7:S123‒9. . 10.1016/s1672-6529(09)60225-0

[61]

Fu S, Yin C, Wei F. A miniature underwater robot inspired by the movement of tadpoles. In: Proceedings of the 2021 IEEE 11th Annual International Conference on CYBER Technology in Automation, Control, and Intelligent Systems (CYBER); 2021 Jul 27‒31; Jiaxing, China. Piscataway: IEEE; 2021. p. 915‒9. . 10.1109/cyber53097.2021.9588182

[62]	Phamduy P, Vazquez MA, Kim C, Mwaffo V, Rizzo A, Porfiri M. Design and characterization of a miniature free-swimming robotic fish based on multi-material 3D printing. Int J Intell Robot Appl 2017;1(2):209‒23. . 10.1007/s41315-017-0012-z

[63]	Wang L, Hou Y, Zhao K, Shen H, Wang Z, Zhao C, et al. A novel piezoelectric inertial rotary motor for actuating micro underwater vehicles. Sens Actuators A 2019;295:428‒38. . 10.1016/j.sna.2019.06.014

[64]	Shintake J, Cacucciolo V, Shea H, Floreano D. Soft biomimetic fish robot made of dielectric elastomer actuators. Soft Robot 2018;5(4):466‒74. . 10.1089/soro.2017.0062

[65]	Godaba H, Li J, Wang Y, Zhu J. A soft jellyfish robot driven by a dielectric elastomer actuator. IEEE Robot Autom Lett 2016;1(2):624‒31. . 10.1109/lra.2016.2522498

[66]	Li Q, Chen T, Chen Y, Wang Z. An underwater bionic crab soft robot with multidirectional controllable motion ability. Ocean Eng 2023;278:114412. . 10.1016/j.oceaneng.2023.114412

[67]	Guo S, Ge Y, Li L, Liu S. Underwater swimming micro robot using ipmc actuator. In: Proceedings of the 2006 International Conference on Mechatronics and Automation; 2006 Jun 25‒28; Luoyang, China. Piscataway: IEEE; 2006. p. 249‒54. . 10.1109/icma.2006.257505

[68]	Ji Q, Song A. Bionic snail robot enhanced by poroelastic foams crawls using direct and retrograde waves. Soft Robot 2023;11(3):453‒63. . 10.1089/soro.2023.0077

[69]	Baines R, Patiballa SK, Booth J, Ramirez L, Sipple T, Garcia A, et al. Multi-environment robotic transitions through adaptive morphogenesis. Nature 2022;610(7931):283‒9. . 10.1038/s41586-022-05188-w

[70]	Qu J, Xu Y, Li Z, Yu Z, Mao B, Wang Y, et al. Recent advances on underwater soft robots. Adv Intell Syst 2024;6(2):2300299. . 10.1002/aisy.202300299

[71]	Li S, Wu Z, Dai S, Wang J, Tan M, Yu J. Tight-space maneuvering of a hybrid-driven robotic fish using backstepping-based adaptive control. IEEE/ASME Trans Mechatron 2024;29(5):3219‒31. . 10.1109/tmech.2023.3338879

[72]	Sfakiotakis M, Kazakidi A, Tsakiris DP. Octopus-inspired multi-arm robotic swimming. Bioinspiration Biomim 2015;10(3):035005. . 10.1088/1748-3190/10/3/035005

[73]	Raj A, Thakur A. Fish-inspired robots: design, sensing, actuation, and autonomy—a review of research. Bioinspiration Biomim 2016;11(3):031001. . 10.1088/1748-3190/11/3/031001

[74]	Lin X, Guo S. Development of a spherical underwater robot equipped with multiple vectored water-jet-based thrusters. J Intell Robot Syst 2012;67(3‒4):307‒21.

[75]	Stölting HD. Electromagnetic actuators. In: Janocha H, editor. Actuators. Cham: Springer; 2004. p. 85‒153. . 10.1007/978-3-662-05587-8_3

[76]	Mao G, Schiller D, Danninger D, Hailegnaw B, Hartmann F, Stockinger T, et al. Ultrafast small-scale soft electromagnetic robots. Nat Commun 2022;13(1):4456. . 10.1038/s41467-022-32123-4

[77]	Ren Z, Hu W, Dong X, Sitti M. Multi-functional soft-bodied jellyfish-like swimming. Nat Commun 2019;10(1):2703. . 10.1038/s41467-019-10549-7

[78]	Gao X, Yang J, Wu J, Xin X, Li Z, Yuan X, et al. Piezoelectric actuators and motors: materials, designs, and applications. Adv Mater Technol 2020;5(1):1900716. . 10.1002/admt.201900716

[79]	Du P, Liu Y, Chen W, Zhang S, Deng J. Fast and precise control for the vibration amplitude of an ultrasonic transducer based on fuzzy pid control. IEEE Trans Ultrason Ferroelectr Freq Control 2021;68(8):2766‒74. . 10.1109/tuffc.2021.3078663

[80]	Li K, Liu Y, Liu J, Chen W. Study on the performance of a designed annular piezoelectric microjet for active lubrication of space bearing. IEEE Trans Ind Electron 2022;69(3):2728‒36. . 10.1109/tie.2021.3065619

[81]	Chang Q, Gao X, Liu Y, Deng J, Zhang S, Chen W. Development of a cross-scale 6-DOF piezoelectric stage and its application in assisted puncture. Mech Syst Signal Process 2022;174:109072. . 10.1016/j.ymssp.2022.109072

[82]	Feng Y, Liu J, Li H, Ma X, Du P, Li K, et al. Deposition behavior optimization of on-demand tin droplet with gravity based on piezoelectric micro-jet. Int J Heat Mass Transf 2022;192:122902. . 10.1016/j.ijheatmasstransfer.2022.122902

[83]	Lu F, Liu Y, Chen W, Deng J, Li K, Zhang S, et al. Radial disturbance compensation device of cylindrical cantilever beam using embedded piezoelectric ceramics with bending mode. Mech Syst Signal Process 2022;172:109009. . 10.1016/j.ymssp.2022.109009

[84]	Li J, Liu Y, Deng J, Zhang S, Chen W. Development of a linear piezoelectric microactuator inspired by the hollowing art. IEEE Trans Ind Electron 2022;69(10):10407‒16. . 10.1109/tie.2022.3152008

[85]	Moradian H, Vossoughi G. Robust velocity control for an a-shaped micro-robot with stick-slip locomotion. Proc Inst Mech Eng C 2016;230(14):2413‒26. . 10.1177/0954406215596358

[86]	Čeponis A, Mažeika D, Jūrėnas V. 2-DOF small-size piezoelectric locomotion platform with the unlimited motion range. Micromachines 2021;12(11):1396. . 10.3390/mi12111396

[87]	Lin S, Ma J, Li J, Li S, Wang M, Hu Y, et al. A novel inertial impact piezoelectric actuator with adjustable angle vibrators. Int J Mech Sci 2023;244:108071. . 10.1016/j.ijmecsci.2022.108071

[88]	Spanner K, Koc B. Piezoelectric motors, an overview. Actuators 2016;5(1):6. . 10.3390/act5010006

[89]	Chen D, Jin J, Zhang A, Wang L, Yu P, Liu R. A novel U-shaped piezoelectric actuator for underwater robotic finger. Smart Mater Struct 2020;29(12):125002. . 10.1088/1361-665x/abbdb6

[90]	Lee C, Kim M, Kim YJ, Hong N, Ryu S, Kim HJ, et al. Soft robot review. Int J Control Autom Syst 2017;15:3‒15. . 10.1007/s12555-016-0462-3

[91]	Kim S, Laschi C, Trimmer B. Soft robotics: a bioinspired evolution in robotics. Trends Biotechnol 2013;31(5):287‒94. . 10.1016/j.tibtech.2013.03.002

[92]	Lipson H. Challenges and opportunities for design, simulation, and fabrication of soft robots. Soft Robot 2014;1(1):21‒7. . 10.1089/soro.2013.0007

[93]	Majidi C. Soft robotics: a perspective—current trends and prospects for the future. Soft Robot 2014;1(1):5‒11. . 10.1089/soro.2013.0001

[94]	Elango N, Faudzi AAM. A review article: investigations on soft materials for soft robot manipulations. Int J Adv Manuf Technol 2015;80(5-8):1027‒37. . 10.1007/s00170-015-7085-3

[95]	Lu N, Kim DH. Flexible and stretchable electronics paving the way for soft robotics. Soft Robot 2014;1(1):53‒62. . 10.1089/soro.2013.0005

[96]	Kheirikhah MM, Rabiee S, Edalat ME. A review of shape memory alloy actuators in robotics. In: Ruiz-del-Solar J, Chown E, Plöger PG, editors. RoboCup 2010: robot soccer world cup XIV. Berlin: Springer; 2010. p. 206‒17. . 10.1007/978-3-642-20217-9_18

[97]	Dezaki ML, Bodaghi M, Serjouei A, Afazov S, Zolfagharian A. Adaptive reversible composite-based shape memory alloy soft actuators. Sens Actuators A 2022;345:113779. . 10.1016/j.sna.2022.113779

[98]	Ruth DJS, Sohn JW, Dhanalakshmi K, Choi SB. Control aspects of shape memory alloys in robotics applications: a review over the last decade. Sensors 2022;22(13):4860. . 10.3390/s22134860

[99]	Copaci DS, Blanco D, Martin-Clemente A, Moreno L. Flexible shape memory alloy actuators for soft robotics: modelling and control. Int J Adv Robot Syst 2020;17:1‒15. . 10.1177/1729881419886747

[100]

Jani JM, Leary M, Subic A, Gibson MA. A review of shape memory alloy research, applications and opportunities. Mater Des 2014;56:1078‒113. . 10.1016/j.matdes.2013.11.084

[101]

Stöckel D. The shape memory effect: phenomenon, alloys, applications. In: Proceedings of the 1995 Shape Memory Alloys for Power Systems EPRI; Fremont, CA, USA; 1995. p. 1‒13.

[102]

Huang WM, Ding Z, Wang CC, Wei J, Zhao Y, Purnawali H. Shape memory materials. Mater Today 2010;13(7‒8):54‒61.

[103]

Jin H, Dong E, Alici G, Mao S, Min X, Liu C, et al. A starfish robot based on soft and smart modular structure (SMS) actuated by SMA wires. Bioinspiration Biomim 2016;11(5):056012. . 10.1088/1748-3190/11/5/056012

[104]

Simone F, Rizzello G, Seelecke S. Metal muscles and nerves—a self-sensing SMA-actuated hand concept. Smart Mater Struct 2017;26(9):095007. . 10.1088/1361-665x/aa7ad5

[105]

Zakerzadeh MR, Sayyaadi H. Precise position control of shape memory alloy actuator using inverse hysteresis model and model reference adaptive control system. Mechatronics 2013;23(8):1150‒62. . 10.1016/j.mechatronics.2013.10.001

[106]

Lan CC, Fan CH. An accurate self-sensing method for the control of shape memory alloy actuated flexures. Sens Actuators A 2010;163(1):323‒32. . 10.1016/j.sna.2010.07.018

[107]

Guo Y, Liu L, Liu Y, Leng J. Review of dielectric elastomer actuators and their applications in soft robots. Adv Intell Syst 2021;3(10):2000282. . 10.1002/aisy.202000282

[108]

Ilami M, Bagheri H, Ahmed R, Skowronek EO, Marvi H. Materials, actuators, and sensors for soft bioinspired robots. Adv Mater 2021;33(19):2003139. . 10.1002/adma.202003139

[109]

Gupta U, Qin L, Wang Y, Godaba H, Zhu J. Soft robots based on dielectric elastomer actuators: a review. Smart Mater Struct 2019;28(10):103002. . 10.1088/1361-665x/ab3a77

[110]

Gu GY, Zhu J, Zhu LM, Zhu X. A survey on dielectric elastomer actuators for soft robots. Bioinspiration Biomim 2017;12(1):011003. . 10.1088/1748-3190/12/1/011003

[111]

Rosset S, Shea HR. Flexible and stretchable electrodes for dielectric elastomer actuators. Appl Phys A 2013;110(2):281‒307. . 10.1007/s00339-012-7402-8

[112]

Biggs J, Danielmeier K, Hitzbleck J, Krause J, Kridl T, Nowak S, et al. Electroactive polymers: developments of and perspectives for dielectric elastomers. Angew Chem Int Ed 2013;52(36):9409‒21. . 10.1002/anie.201301918

[113]

Keong GK, La TG, Shiau LL, Tan AWY. Challenges of using dielectric elastomer actuators to tune liquid lens. In: Proceedings of the Electroactive Polymer Actuators and Devices (EAPAD); 2014 Mar 8; San Diego, CA, USA. Bellingham: SPIE; 2014. p. 351‒6. . 10.1117/12.2046384

[114]

Bernat J, Gajewski P, Kołota J, Marcinkowska A. Review of soft actuators controlled with electrical stimuli: IPMC, DEAP, and MRE. Appl Sci 2023;13(3):1651. . 10.3390/app13031651

[115]

Shintake J, Cacucciolo V, Floreano D, Shea H. Soft robotic grippers. Adv Mater 2018;30(29):1707035. . 10.1002/adma.201707035

[116]

Lee JH, Lee JH, Nam JD, Choi H, Jung K, Jeon JW, et al. Water uptake and migration effects of electroactive ion-exchange polymer metal composite (IPMC) actuator. Sens Actuators A 2005;118(1):98‒106. . 10.1016/j.sna.2004.07.001

[117]

Hao M, Wang Y, Zhu Z, He Q, Zhu D, Luo M. A compact review of IPMC as soft actuator and sensor: current trends, challenges, and potential solutions from our recent work. Front Robot AI 2019;6:129. . 10.3389/frobt.2019.00129

[118]

Porfiri M, Sharghi H, Zhang P. Modeling back-relaxation in ionic polymer metal composites: the role of steric effects and composite layers. J Appl Phys 2018;123(1):014901. . 10.1063/1.5004573

[119]

Arnold AM. Influence of saturation nonequilibrium and variable operation conditions on the electromechanical performance of ionic polymer metal composite actuator architectures [dissertation]. Morgantown: West Virginia University; 2022.

[120]

Zhu Z, Chang L, Takagi K, Wang Y, Chen H, Li D. Water content criterion for relaxation deformation of nafion based ionic polymer metal composites doped with alkali cations. Appl Phys Lett 2014;105(5):054103. . 10.1063/1.4892636

[121]

Shoji E, Hirayama D. Effects of humidity on the performance of ionic polymer-metal composite actuators: experimental study of the back-relaxation of actuators. J Phys Chem B 2007;111(41):11915‒20. . 10.1021/jp074611q

[122]

He C, Gu Y, Zhang J, Ma L, Yan M, Mou J, et al. Preparation and modification technology analysis of ionic polymer-metal composites (IPMCs). Int J Mol Sci 2022;23(7):3522. . 10.3390/ijms23073522

[123]

Suzumori K, Endo S, Kanda T, Kato N, Suzuki H. A bending pneumatic rubber actuator realizing soft-bodied manta swimming robot. In: Proceedings of the 2007 IEEE International Conference on Robotics and Automation; 2007 Apr 10‒14; Rome, Italy. Piscataway: IEEE; 2007. p. 4975‒80. . 10.1109/robot.2007.364246

[124]

Yang Y, Shen Y. Light-driven carbon-based soft materials: principle, robotization, and application. Adv Opt Mater 2021;9(12):2100035. . 10.1002/adom.202100035

[125]

Wang X, Jiao N, Tung S, Liu L. Photoresponsive graphene composite bilayer actuator for soft robots. ACS Appl Mater Interfaces 2019;11(33):30290‒9. . 10.1021/acsami.9b09491

[126]

Lum GZ, Ye Z, Dong X, Marvi H, Erin O, Hu W, et al. Shape-programmable magnetic soft matter. Proc Natl Acad Sci USA 2016;113(41):E6007‒15. . 10.1073/pnas.1608193113

[127]

Li Y, Liu Y, Luo D. Polarization dependent light-driven liquid crystal elastomer actuators based on photothermal effect. Adv Opt Mater 2021;9(5):2001861. . 10.1002/adom.202001861

[128]

Luan T, Meng F, Tao P, Shang W, Wu J, Song C, et al. Bubble-enabled underwater motion of a light-driven motor. Small 2019;15(12):1804959. . 10.1002/smll.201804959

[129]

Chowdhury AR, Kumar V, Prasad B, Kumar R, Panda SK. Model-based control of a BCF mode carangiform bioinspired robotic fish. Mar Technol Soc J 2014;48(4):36‒50. . 10.4031/mtsj.48.4.5

[130]

Scaradozzi D, Palmieri G, Costa D, Pinelli A. BCF swimming locomotion for autonomous underwater robots: a review and a novel solution to improve control and efficiency. Ocean Eng 2017;130:437‒53. . 10.1016/j.oceaneng.2016.11.055

[131]

Salazar R, Fuentes V, Abdelkefi A. Classification of biological and bioinspired aquatic systems: a review. Ocean Eng 2018;148:75‒114. . 10.1016/j.oceaneng.2017.11.012

[132]

Masoomi SF. An efficient biomimetic swimming robot capable of multiple gaits of locomotion: design, modelling and fabrication [dissertation]. Christchurch: University of Canterbury; 2014. . 10.5772/60547

[133]

Hu Y, Liang J, Wang T. Mechatronic design and locomotion control of a robotic thunniform swimmer for fast cruising. Bioinspiration Biomim 2015;10(2):026006. . 10.1088/1748-3190/10/2/026006

[134]

Yan C, Zhang X, Ji Z, Wang X, Zhou F. 3D-printed electromagnetic actuator for bionic swimming robot. J Mater Eng Perform 2021;30(9):6579‒87. . 10.1007/s11665-021-05918-7

[135]

Chen X, Yu J, Wu Z, Meng Y, Kong S. Toward a maneuverable miniature robotic fish equipped with a novel magnetic actuator system. IEEE Trans Syst Man Cybern Syst 2020;50(7):2327‒37. . 10.1109/tsmc.2018.2812903

[136]

Sfakiotakis M, Lane DM, Davies JBC. Review of fish swimming modes for aquatic locomotion. IEEE J Oceanic Eng 1999;24(2):237‒52. . 10.1109/48.757275

[137]

Li G, Liu G, Leng D, Fang X, Li G, Wang W. Underwater undulating propulsion biomimetic robots: a review. Biomimetics 2023;8(3):318. . 10.3390/biomimetics8030318

[138]

Gemmell BJ, Dabiri JO, Colin SP, Costello JH, Townsend JP, Sutherland KR. Cool your jets: biological jet propulsion in marine invertebrates. J Exp Biol 2021;224(12):jeb222083. . 10.1242/jeb.222083

[139]

Xin W, Pan FT, Li Y, Chiu PWY, Li Z. A novel biomimic soft snail robot aiming for gastrointestinal (GI) tract inspection. In: Proceedings of the 2020 8th IEEE RAS/EMBS International Conference for Biomedical Robotics and Biomechatronics (BioRob); 2020 Nov 29‒Dec 01; New York, NY, USA. Piscataway: IEEE; 2020. p. 1049‒54. . 10.1109/biorob49111.2020.9224300

[140]

Chan J, Pan FT, Li Z. Design and motion control of biomimetic soft crawling robot for GI tract inspection. In: Proceedings of the 2018 13th World Congress on Intelligent Control and Automation (WCICA); 2018 Jul 4‒8; Changsha, China. Piscataway: IEEE; 2019. p. 1366‒9. . 10.1109/wcica.2018.8630626

[141]

Rogóż M, Dradrach K, Xuan C, Wasylczyk P. A millimeter-scale snail robot based on a light-powered liquid crystal elastomer continuous actuator. Macromol Rapid Commun 2019;40(16):1900279. . 10.1002/marc.201900279

[142]

Ghanbari A. Bioinspired reorientation strategies for application in micro/nanorobotic control. J Micro-Bio Robot 2020;16:173‒97. . 10.1007/s12213-020-00130-7

[143]

Gadêlha H, Hernández-Herrera P, Montoya F, Darszon A, Corkidi G. Human sperm uses asymmetric and anisotropic flagellar controls to regulate swimming symmetry and cell steering. Sci Adv 2020;6(31):eaba5168. . 10.1126/sciadv.aba5168

[144]

Wang P, Al Azad M, Yang X, Martelli PR, Cheung KY, Shi J, et al. Self-adaptive and efficient propulsion of ray sperms at different viscosities enabled by heterogeneous dual helixes. Proc Natl Acad Sci USA 2021;118(23):e2024329118. . 10.1073/pnas.2024329118

[145]

Huang HW, Sakar MS, Petruska AJ, Pané S, Nelson BJ. Soft micromachines with programmable motility and morphology. Nat Commun 2016;7:12263. . 10.1038/ncomms12263

[146]

Servant A, Qiu F, Mazza M, Kostarelos K, Nelson BJ. Controlled in vivo swimming of a swarm of bacteria-like microrobotic flagella. Adv Mater 2015;27(19):2981‒8. . 10.1002/adma.201404444

[147]

Tottori S, Zhang L, Qiu F, Krawczyk KK, Franco-Obregón A, Nelson BJ. Magnetic helical micromachines: fabrication, controlled swimming, and cargo transport. Adv Mater 2012;24(6):811‒6. . 10.1002/adma.201103818

[148]

Zhang L, Abbott JJ, Dong L, Kratochvil BE, Bell D, Nelson BJ. Artificial bacterial flagella: fabrication and magnetic control. Appl Phys Lett 2009;94(6):064107. . 10.1063/1.3079655

[149]

Kim S, Qiu F, Kim S, Ghanbari A, Moon C, Zhang L, et al. Fabrication and characterization of magnetic microrobots for three-dimensional cell culture and targeted transportation. Adv Mater 2013;25(41):5863‒8. . 10.1002/adma.201370257