机器人微型化是一个复杂且成本高昂的过程。作为替代方案，研究人员正在探索使用刺激响应执行器，这种执行器可以消除对控制电路和电池的需求。一种颇具前景的方法是利用光来高精度控制微米级和纳米级机器人。

其他技术，例如磁场和声波，也已被研究。但光因其多功能性而脱颖而出。它的特性可以根据特定应用进行精确调整，并提供卓越的空间分辨率。

可以使用各种各样的工具来引导和调节光线，使其成为无线机器人控制的强大选择。

软体机器人中的光机械和光热机制光电移动光控液晶软体机器人

光移动软体机器人以光作为唯一能源，无需电池或有线电源。这些系统依赖于液晶聚合物 (LCP)，这是一种对光生热产生响应的有机材料。当暴露于光时，LCP 会发生相变，从各向异性变为各向同性，从而导致其分子结构发生变化。

这种位移会产生内部弹性应力，使机器人能够变形并移动。由此产生的运动类似于生物体如何利用身体变形与表面相互作用并克服阻力。

2018年，研究人员展示了一款由光驱动的毫米级步行机器人。它由单片液晶聚合物制成，并采用图案化技术精心排列。调制LED光源精确控制其运动。

光热驱动软体机器人

设计能够无线操作、无需笨重3D结构或受限环境的软体机器人仍然颇具挑战性。最近的一种方法是使用光热响应型LCP执行器，并搭配模拟生物摩擦机制的刷毛状结构。

这些刷毛通过紫外线固化制成，通过减少前进方向的阻力来实现定向滑动。执行器由一层压有聚酰亚胺 (PI) 的 LCP 薄膜组成，该薄膜可在近红外 (NIR) 光照射下弯曲和伸直。

倾斜的刷毛设计可减少向前滑动时的阻力，并增加向后滑动时的阻力。这种定向摩擦力会随着刷毛倾斜度的增加而增大。通过灵活连接执行器和刷毛，该系统可以通过调节 LCP 薄膜的数量来平衡驱动力和阻力。机器人的爬行速度可通过改变执行器的长度或与近红外光源的距离来调节。

此类光热效应为控制软纳米机器人的运动提供了有希望的方法。#

卡特彼勒软体机器人采用光驱动

用于治疗生物威胁的光控吞噬机器人

柔性微纳米机器人在生物医学领域的应用是一个蓬勃发展但充满挑战的领域。许多此类机器人由合成材料制成，难以与生物系统整合。

巨噬细胞是人体的关键免疫细胞，因其天然的靶向和清除威胁的能力而备受关注。研究人员已将其重新利用为癌症靶向治疗的药物载体。光作为一种非侵入性控制方法，提供了一种远程影响生物细胞的精确方法。

基于这一想法，科学家们开发了一种光动力微型机器人，被称为“吞噬机器人”。该系统基于具有可调节吞噬活性的活体巨噬细胞。他们利用近红外光进行局部光热刺激，将静息巨噬细胞转化为能够控制运动的主动机器人单元。

通过光波激活吞噬机器人，使用者可以执行一系列运动任务，例如定向导航，并以可调速度沿复杂路径行进。通过将光的精确时空控制与巨噬细胞强大的吞噬功能相结合，吞噬机器人能够瞄准并消灭各种大小的生物威胁。

研究团队在体外和体内环境中展示了其能力，包括在活体斑马鱼体内成功运行。这项工作表明，将光学生物调节整合到活细胞中可以产生能够进行精细生物控制的人工智能增强型下一代微型机器人。

无电池光学驱动：MilliMobile

在最近的一项研究中，研究人员发明了MilliMobile——这是第一款利用太阳能和无线电波供电的无电池机器人。该原型重量不到1.1克，底盘尺寸约为10×10毫米。

尽管体积小巧，MilliMobile 却能承载自身重量三倍的物体。测试中，它在运输 1 克有效载荷时速度仅下降了 25%。

该机器人采用了可编程的 nRF52 系列蓝牙片上系统 (SoC)，实现低功耗处理和无线通信。其电路板包含四个用于检测光照水平的光电二极管，以及用于测量温度和湿度的传感器。

在无电池系统中，实现精确的运动控制通常非常困难。然而，MilliMobile 却能够以极低的功耗实现这一目标。在典型的照明和射频功率条件下，它能够独立自主地运行，间歇性运动的功耗仅为 57 µW。

挑战与未来展望

光驱动微型机器人面临两大挑战：制造和光学控制。制造过程中的一个关键问题是可扩展性。将元件（尤其是电子电路）的尺寸缩小到纳米级在技术上非常复杂。对于软体微型机器人而言，3D打印的分辨率有限，这进一步限制了其发展。随着尺寸的减小，需要更小的结构特征，这增加了设计和制造的复杂性。

要在如此规模下生产一致的高分辨率结构，还需要仔细优化材料和打印条件。这些要求会导致成本上升和开发速度减慢。

在复杂环境下，用光控制这些机器人变得更加困难。在异质或不透明材料中调节光强度和波形仍然是一项挑战。在稠密介质（例如浑浊液体）中，光穿透受限，导致光学驱动效率降低。

为了解决这些问题，研究人员正在探索将光与其他驱动方式（例如磁驱动、声驱动或化学驱动）相结合的混合方法。这些组合或许能够在单靠光驱动不足的环境中提升性能。

光控微型机器人有望应用于靶向药物输送、环境感知或微尺度组装等领域。与人工智能的集成可