在具身智能领域，模块化机器人一直被视为极具潜力的研究方向。然而，过去每当机器人被重新组装成新的外形，都需要从头训练控制系统，这无疑严重制约了效率。在ICRA 2026上，来自同济大学和香港中文大学的研究团队发表了一项创新成果——他们提出了一套“形态不可知”的即插即用控制框架，使得模块化机器人彻底摆脱了对固定形态的依赖，真正实现了“拼出什么形态，就能立即运动起来”的目标。
论文通讯作者为王智鹏，作者单位包括上海自主智能无人系统科学中心（同济大学）和香港中文大学机械与自动化工程学系。论文的arXiv预印本链接为：https://arxiv.org/abs/2602.10561v1，正式收录于ICRA 2026，标题为《Morphogenetic Assembly and Adaptive Control for Heterogeneous Modular Robots》。
【亮点速览】
该系统的最大亮点在于其“形态不可知”的即插即用控制能力：无论你用模块拼出什么样的机器人——四足、移动机械臂、蜘蛛形，甚至是轮腿混合形态——系统都能立刻赋予它运动能力，完全不需要针对新形态重新训练或人工设计控制架构。
【创新点】
要实现这一目标，研究团队需要攻克两大核心难题：一是大规模异构组装中的状态空间爆炸问题，二是新形态机器人的控制鲁棒性问题。他们为此提出了务实且精巧的解决方案。
首先是针对状态空间爆炸的双层启发式重构规划器。高层采用带有“类型惩罚项”的双向启发式搜索（Greedy/Hungarian），用来生成模块的搬运序列；底层则使用A*搜索计算出最优的物理执行轨迹。这样一来，离散配置规划和连续动作执行被有效解耦，计算效率得到大幅提升。
其次是控制层面的创新：GPU加速的退火方差MPPI控制器。过去模型预测路径积分（MPPI）控制器的难点在于如何平衡全局探索和局部收敛。团队引入了一种多级方差退火策略——在大方差下进行全局搜索，随着控制进程的推进方差逐渐减小，进而转向局部精细调节。这种动态平衡机制让系统在应对从未见过的机器人形态时，依然能实现鲁棒的运动控制。
【成果】
图3展示了异构模块化机器人的全生命周期闭环构建与控制。这套流程包含两个方向：正向重构（蓝色箭头）和逆向重构（红色箭头）。正向重构中，系统根据任务需求，从标准化模块库中选取组件，由建造者机器人自动拼装出四足、移动机械臂、蜘蛛形或轮腿混合等全新形态，并立即赋予其自适应的运动能力。逆向重构则是在任务完成后，机器人自主解体，将基础模块退回至初始工作区，实现硬件资源的高效循环与机器形态的动态演化。这背后的逻辑，实际上是让“建造”和“控制”真正形成了闭环。
从“感知触觉”到“形态破局”，这项研究让人感受到：具身智能正从纯粹的“大脑认知”向更深层的物理交互延伸。当机器人不再受限于固定形态，能够根据任务需求动态重组自身时，这或许正是具身智能走向实际应用的那块关键拼图。
