当公众还在讨论机器人能否完成端茶倒水等基础家务时，科研领域已迈出更前沿的步伐。由瑞士联邦理工学院、美国杜克大学与葡萄牙高等理工大学组成的联合团队，成功运用机器人技术部分替代动物开展生理学实验，为解析动物神经网络如何调控智能行为提供了全新路径。
该团队最新研究成果聚焦于机器鱼的游泳机制，相关论文《机器鱼连续与间歇游泳的能效与神经控制》发表于国际顶级期刊《科学·机器人》。这项研究通过构建仿生机器人系统，深入探讨了鱼类运动中的神经控制与能量效率关系。值得注意的是，该团队去年十月已在同一期刊发表了关于机器鱼模拟斑马鱼视觉运动反应的研究，显示出其在跨学科领域的持续突破。
作为模式生物的斑马鱼幼鱼，因其身体透明、繁殖周期短等特性，成为神经科学研究的理想对象。然而现有技术无法在活体运动状态下精准观测其神经回路，且动物行为难以完全受控。仿生机器人实验恰好弥补了这些局限：研究人员通过编程构建神经网络模型，在可控环境中验证神经活动与运动行为的因果关系，同时避免了伦理争议并大幅降低实验成本。
研究团队基于斑马鱼神经网络研究成果，开发了以"中枢模式发生器+动作门"为核心的间歇性游泳模型，并研制出仿斑马鱼幼鱼形态的机器鱼ZBot。该设备不仅能复现"慢速直行"与"常规转向"等基础游泳动作，通过调节参数还可模拟J型转向、接近游泳等复杂步态。实验视频显示，ZBot在水中游动时，其运动轨迹与真实斑马鱼幼鱼高度相似。
为探究不同流体力学环境对运动的影响，研究人员将ZBot置于三种粘度流体中进行测试。结果显示，随着流体粘度升高，机器鱼的推进效率显著下降——在高粘度环境中的位移距离仅为普通水中的三十分之一。但转向功能受影响较小，在普通水与高粘度流体中的转向角度分别约为60度和45度。这种特性使ZBot能更真实地模拟低雷诺数环境下小型水生生物的运动模式。
针对间歇性运动提升能效的传统解释，研究团队提出了新观点。通过对比生物肌肉与伺服电机的效率曲线，发现二者均在中等负载时达到峰值效率。实验证实，ZBot采用间歇性游泳模式时，电机效率及综合能效均优于连续模式，尽管最大速度受到占空比限制。这一规律在三种粘度流体中均得到验证，为优化机器鱼控制策略提供了理论依据。
该研究通过机器人实验的独特优势，突破了传统动物实验的局限，深化了对生物运动机制的理解。其发现不仅为神经科学研究提供了新方法，更直接推动了机器鱼控制技术的发展——在中低速巡航场景采用间歇驱动可提升能效，高速机动任务则需切换连续驱动模式。这种根据任务需求动态调整运动策略的设计思路，为水下机器人研发提供了重要参考。
