Science Robotics / Research Article

Microscopic robots with onboard digital control

作者：Michael F. Reynolds, Alejandro J. Cortese, Qingkun Liu, Zhangqi Zheng, Wei Wang, Samantha L. Norris, Sunwoo Lee, Marc Z. Miskin, Alyosha C. Molnar, Itai Cohen, Paul L. McEuen · 单位：Laboratory of Atomic and Solid-State Physics, Cornell University, Ithaca, NY, USA, Department of Electrical and Computer Engineering, Cornell University, Ithaca, NY, USA, Sibley School of Mechanical and Aerospace Engineering, Cornell University, Ithaca, NY, USA, Department of Electrical and Systems Engineering, University of Pennsylvania, Philadelphia, PA, USA, Kavli Institute at Cornell for Nanoscale Science, Cornell University, Ithaca, NY, USA · 来源：Science Robotics · 发布日期：2022-09-28 · DOI：10.1126/scirobotics.abq2296

移动机器人强化学习机器人

精读笔记

Problem Setting

论文标题：Microscopic robots with onboard digital control（Science Robotics / 2022）。

这篇论文实际在解决一个微机器人领域长期绕不开但经常被弱化的问题：微尺度机器人如何拥有真正的 onboard information processing。已有大量微机器人展示了运动、响应、趋化、趋光、磁控、声控、化学推进等能力，但很多系统的“控制”本质在外部场、外部光图案、外部磁场序列或环境物理耦合里，机器人本体只是被动执行结构。作者要解决的是把数字控制电路、能量采集和电驱动执行器放进一个 100–250 μm 量级的自由机器人里。

真正困难点不是单个模块：CMOS 可以做，SEA 可以弯，光伏可以供能，微结构可以释放。难点是这些模块在微尺度下彼此冲突：CMOS 怕光生寄生电流，需要遮光；执行器要暴露在电解液中，需要电化学界面；机器人要释放，需要刻蚀衬底；互连要跨越芯片和机械结构；功耗必须低到微瓦以下；封装又不能使用传统 wire bonding 或多芯片堆叠。任务的关键矛盾是：越小越需要 monolithic/parallel fabrication，但越需要自治又越依赖复杂异质系统集成。

Motivation

已有路线不够的原因很明确：外场驱动的微机器人即便可以做复杂轨迹，本质上仍然是 marionette；有 onboard power 或简单 sensing 不等于有 onboard control。此前 Cornell/Miskin 系列工作已经证明了可批量制造的电子集成微机器人，但每条腿的时序仍由外部光/电控制，自治性停在执行器和供能层面。

作者的核心观察是：如果能把 commercial-foundry CMOS 直接变成微机器人身体的一部分，微机器人就可以借用整个半导体产业的设计栈。这个缺口非常关键，因为微机器人领域过去经常在材料、执行器、推进机制上创新，但缺少可扩展的信息处理底座。这里的动机不是“做一个更快的机器人”，而是搭出一个可承载未来 sensor / memory / communication / controller 的物理平台。

Core Idea

核心思想可以压缩为：用 foundry CMOS 作为微机器人本体的控制中枢，让它在片上产生步态时序，再用低电压电化学执行器把数字相位信号转成机械运动；能量和简单命令通过光输入，运动控制在机器人本体内部完成。它改变的是控制归属：prior 的时序和策略通常在外部实验系统里，这篇把至少一部分时序生成和命令解析搬到了机器人上。

这带来的 inductive bias 是“CMOS-first microrobot”：机器人不再主要被看成一种响应材料或受控微粒，而是一个被后处理成机器人形态的微型集成电路。相比外场编程，这一路线更 scalable 的地方在于复杂性主要由电路面积和工艺层数承担，而不是由外部场的空间时间分辨率承担；相比毫米级带 CMOS 机器人，它避免了传统封装和组装的缩放墙。真正本质区别不在步态，而在信息流和制造范式。

Method

1. 片上步态生成：ASIC 生成时钟、分频、移相后的多路方波，解决外部逐腿控制不可扩展的问题。它的核心变化是把 gait timing 变成片上数字状态机，而不是外部实验脚本。

2. 光伏供能与低功耗电路匹配：硅 PV 为电路和执行器供电，避免电池、线缆和磁/声场专用硬件。这里需要的是能量接口与 CMOS/SEA 电压尺度匹配；0.6 V 量级输出刚好能驱动氧吸附/脱附造成的 SEA 弯曲。

3. SEA 作为 CMOS 可直接驱动的微执行器：SEA 的价值不是最高效率，而是低电压、薄、可 lithographic pattern、能和水相电化学环境耦合。它把 CMOS 输出直接转成腿部形变，省掉高压、电磁线圈或复杂传动。

4. 后 CMOS 异质集成和释放：这部分是论文工程核心。遮光、互连、执行器、刚性面板、衬底刻蚀和释放必须共存。它解决的是“电路芯片”和“自由微机器人”之间的鸿沟。

5. 光命令版本 dogbot：Manchester 编码命令不是为了展示强智能，而是证明片上逻辑可以接收并解释外部数字信息。这是平台性证据：未来复杂指令集在原则上可由电路面积换取。

Key Insight / Why It Works

最关键的 insight 是：微机器人自治的首要瓶颈不是控制算法，而是把可制造的信息处理单元接进微尺度执行-供能闭环。只要能实现 CMOS → actuator 的可靠低功耗接口，哪怕控制逻辑极其简单，也已经跨过了传统微机器人路线最难跨的系统边界。

方法成立的原因有几个层次。第一，SEA 的低电压需求与片上 PV/CMOS 输出天然匹配，这是整个系统能闭合的物理基础；如果执行器需要高压、大电流或大位移功，微瓦级光伏和小面积电路就撑不住。第二，步态控制在微尺度下不需要复杂计算，固定相位方波已经能利用摩擦各向异性/接触状态变化产生净位移；因此数字电路的复杂度可以非常低。第三，foundry CMOS 把“复杂性”压缩到平面面积中，后处理负责把平面电路变成机电系统，这比手工组装更符合微尺度 scaling。

最可能的核心贡献是异质集成流程和 CMOS-controlled actuator interface，而不是 Purcell gait、tripod gait 或 Manchester decoding。步态本身是已有思想，通信编码也是标准技术；它们在这里的价值是作为 proof-of-capability。运动性能增益并不突出，效率也很低，速度主要来自执行器-摩擦-频率的工程折中。若问这篇论文“聪明”在哪里，不是机器人会做复杂决策，而是作者把自治所需的信息处理入口做到了显微尺度机器人上。

这不是 scaling data，也不是 learning/reasoning；它是 better system integration + manufacturing inductive bias。论文的“autonomous”应理解为 onboard preprogrammed control，而不是 adaptive autonomy。若把它宣传成智能微机器人，容易过度解读；若把它看成 CMOS microrobotics platform 的第一块可运行样机，则贡献很实。

Relation To Prior Work

最接近的技术谱系有三条：一是磁/声/化学/光驱动微机器人，强调推进和外部控制；二是 Miskin et al. 2020 一类 mass-manufactured microscopic robots，已有 PV 和 SEA 但缺 onboard control；三是毫米级/亚厘米级带 CMOS 的小机器人，具备电子控制但依赖封装和组装，无法进入真正 microscopic 尺度。

与外场驱动微机器人相比，本质差异是控制时序的位置：外部场路线把智能和能量/控制硬件放在环境中，这篇把 gait generator 放在机器人上。与此前电子集成微机器人相比，本质新增是 ASIC 产生多相驱动，并且机器人能 untethered 自行执行周期步态。与毫米级 CMOS 机器人相比，本质新增是工艺缩放路径：不用 wire bonding / stacked chips，而是通过后 CMOS lithography 和 release 实现单片化微系统。

看似新的地方有些其实是已有思想重组：Purcell-inspired gait、alternating tripod gait、Manchester 编码都不是创新点。实质创新是把这些老控制/步态概念压缩到一个可释放的微尺度 CMOS-SEA-PV 平台上，并证明它能在真实显微环境中工作。

Dataset / Evaluation

这篇没有 dataset 意义上的评测，evaluation 是真实硬件演示。任务覆盖包括：固定步态两足爬行、六足交替三脚步态、光命令触发频率切换。它验证了三个 claim：片上数字电路能在微机器人上供电运行；电路输出能驱动 SEA 腿形成可见运动；片上接收/解码简单光命令是可行的。

但 evaluation 的覆盖范围很窄：环境是受控显微实验条件，基底基本平整，机器人从上方供能/成像，命令是全场光强调制，运动任务是短距离爬行而非导航、避障、载荷运输或复杂介质穿行。实验足以支持“microscopic robots with onboard digital control”这个标题级结论；不支持复杂自治、可部署医疗/环境应用、鲁棒多场景泛化。良率约 50% 是有意义的信息，但大规模 wafer 级一致性和长期可靠性没有被系统验证。

Limitation

第一，autonomy 的定义很窄。机器人执行的是预设 gait，dogbot 也只是接收一个变速命令；没有状态估计、闭环反馈、环境建模或策略选择。所谓 onboard control 更接近片上 waveform generator，而不是机器人学意义上的 autonomy。

第二，系统高度依赖光。供能、时钟行为和通信都与入射光耦合；底部照明会导致电路失效，说明遮光和寄生光电效应仍是系统级脆弱点。在组织、浑浊液体、复杂几何遮挡环境下，光供能/通信是否可行文中未充分说明。

第三，运动机制依赖接触摩擦和表面条件。Purcell-bot 的净位移来自腿部摩擦差和滑移不对称，速度对局部 debris、基底、腿端接触极敏感；这不是一个已经鲁棒泛化的 locomotion primitive。Antbot 更稳定，但仍是在平整 coverslip 上。

第四，效率极低，作者估算整体效率约 10^-11 量级。可以通过腿设计、摩擦、频率提升几个数量级，但执行器效率和能量链路仍可能成为上限。这里很多性能改善可能主要来自 engineering / scaling，而不是新的机制。

第五，缩小到 10 nm CMOS 节点的说法需要谨慎。晶体管可以缩小，但 PV 面积、执行器面积、互连、机械刚度、释放工艺、光吸收和输出力不会按同样方式缩放。系统上限可能由非 CMOS 部分决定。

第六，平台可扩展性仍未被复杂 app 证明。加入 memory、chemical detector、antenna array 等在原则上合理，但会立刻遇到功耗、面积、封装暴露、信号读出、校准和环境噪声问题。增益来源不清：未来复杂行为到底来自电路复杂度、外部光通信，还是环境预结构化，需要进一步验证。

Takeaway

  • 1. 这篇真正推动的是“微机器人作为 CMOS 后处理系统”的范式，而不是某个更优步态或执行器。
  • 2. 微尺度自治的第一性问题是接口：信息处理、供能、执行器和释放工艺能否闭合；一旦接口成立，很多控制复杂性可以用标准 IC 设计逐步堆上去。
  • 3. 未来最值得做的不是继续展示更多固定步态，而是把真实传感闭环接进来：例如光梯度 steering、化学 sensing、局部反馈、状态记忆、能量感知控制。
  • 4. 这篇的可迁移 insight 是：在极小系统里，scalability 往往来自制造范式而非算法复杂度；把复杂性转移到可批量 lithography/CMOS 的平面结构中，比依赖外部精密控制更有长期扩展性。

一句话总结

这篇是 CMOS 微机器人路线的关键系统集成论文：它把微机器人从外部编排的执行结构推进到片上数字时序控制的可制造机电平台，但当前展示的仍是预编程低复杂度自治，而非真正环境自适应智能。