北京科技大學等研究團隊以一隻可調整翼形的仿生蝴蝶機械人，實際測試翅膀形狀如何影響飛行，再用深度強化學習搜尋較佳設計。論文報告指，升力性能參數提升339%、推力性能參數提升46%；另有報道指，AI選出的翅膀經實機測試後，預測誤差低於7%。16

數字相當搶眼，但要留意：現有資料未能證明這些百分比代表機械人的載重量、爬升速度或飛行速度也有同等幅度的提升。

先用實機飛，收集不同翼形的數據

USTButterfly-II重48.3克，翼展57.5厘米，最大弦長37厘米；額定拍動頻率為5 Hz，拍動幅度為84度。它由一個摩打配合減速齒輪箱驅動，再透過雙曲柄、雙搖桿機構帶動兩邊翅膀同步拍動。6

翅膀的翼脈由碳纖維及玻璃纖維製成，翼膜則是厚0.03毫米的氯化聚乙烯（CPE）。6 團隊為機械人更換不同翼形，在實際飛行中觀察表現，讓研究不只依靠模擬結果。16

參考蝴蝶形態，設定三項翼形參數

團隊以三項參數描述翅膀形狀：前翅後緣的收斂比、前翅特徵長度，以及後翅特徵長度。報道指，研究人員分析了172個鳳蝶標本圖像；當中有36個標本的形態參數範圍，與實驗測試的翼形相重疊，包括7種 Parides 屬蝴蝶。6

實驗一共測試19對翅膀，每對飛行5次，合共95次飛行。6 團隊以這些實測結果建立神經網絡代理模型，用來描述翼形與飛行表現之間的關係，再以深度強化學習引導搜尋候選翼形。1

不過，現有來源摘要沒有提供足夠資料，讓人核實代理模型的訓練及留出測試準確度、強化學習的具體設定，或各項消融實驗結果。因此，不能單憑整體提升數字，推斷某一項翼形參數必然會令升力、推力或爬升表現改善。

「升力提升339%」應該點理解？

論文摘要報告升力性能提升339%、推力性能提升46%。1 另一篇報道指，AI挑選的翼形經實際製作及飛行測試後，預測誤差低於7%。6 這表示設計建議有在機械人上作實測驗證，而不只是停留在模型預測。16

但來源將這些數字描述為「性能參數」的變化，未有交代足夠的單位、基準值及量度定義。因此，不能直接將339%理解為升力這種實際氣動力增加339%，亦不能據此推斷爬升角度、飛行速度或載重能力增加相同比例。現有資料亦未列出優化前後的爬升或速度數據。16

有用的設計流程，不是通用飛行保證

研究的看點，在於把幾個步驟串起來：先以可調翼形的撲翼機械人進行飛行實驗，再用實測數據建立翼形與表現的模型，接着由強化學習提出設計，最後把選出的翅膀裝上實機測試。16 這為研究複雜翼形提供了一套結合數據搜尋與實體驗證的方法。

不過，結果仍然限於這款機械人及其測試條件。現有資料未能說明三項翼形參數之間的交互影響是否已充分掌握，也未能證明結果適用於其他尺寸或拍翼方式的機械人，更沒有證據顯示優化後的設計已實際提升載重能力。爬升、速度和載重是不同目標；升力與推力的性能參數改善，並不代表三者都會一併變好。

北京科技大學等研究團隊以一隻可調整翼形的仿生蝴蝶機械人，實際測試翅膀形狀如何影響飛行，再用深度強化學習搜尋較佳設計。論文報告指，升力性能參數提升339%、推力性能參數提升46%；另有報道指，AI選出的翅膀經實機測試後，預測誤差低於7%。16

數字相當搶眼，但要留意：現有資料未能證明這些百分比代表機械人的載重量、爬升速度或飛行速度也有同等幅度的提升。

先用實機飛，收集不同翼形的數據

USTButterfly-II重48.3克，翼展57.5厘米，最大弦長37厘米；額定拍動頻率為5 Hz，拍動幅度為84度。它由一個摩打配合減速齒輪箱驅動，再透過雙曲柄、雙搖桿機構帶動兩邊翅膀同步拍動。6

翅膀的翼脈由碳纖維及玻璃纖維製成，翼膜則是厚0.03毫米的氯化聚乙烯（CPE）。6 團隊為機械人更換不同翼形，在實際飛行中觀察表現，讓研究不只依靠模擬結果。16

參考蝴蝶形態，設定三項翼形參數

團隊以三項參數描述翅膀形狀：前翅後緣的收斂比、前翅特徵長度，以及後翅特徵長度。報道指，研究人員分析了172個鳳蝶標本圖像；當中有36個標本的形態參數範圍，與實驗測試的翼形相重疊，包括7種 Parides 屬蝴蝶。6

實驗一共測試19對翅膀，每對飛行5次，合共95次飛行。6 團隊以這些實測結果建立神經網絡代理模型，用來描述翼形與飛行表現之間的關係，再以深度強化學習引導搜尋候選翼形。1

不過，現有來源摘要沒有提供足夠資料，讓人核實代理模型的訓練及留出測試準確度、強化學習的具體設定，或各項消融實驗結果。因此，不能單憑整體提升數字，推斷某一項翼形參數必然會令升力、推力或爬升表現改善。

「升力提升339%」應該點理解？

論文摘要報告升力性能提升339%、推力性能提升46%。1 另一篇報道指，AI挑選的翼形經實際製作及飛行測試後，預測誤差低於7%。6 這表示設計建議有在機械人上作實測驗證，而不只是停留在模型預測。16

但來源將這些數字描述為「性能參數」的變化，未有交代足夠的單位、基準值及量度定義。因此，不能直接將339%理解為升力這種實際氣動力增加339%，亦不能據此推斷爬升角度、飛行速度或載重能力增加相同比例。現有資料亦未列出優化前後的爬升或速度數據。16

有用的設計流程，不是通用飛行保證

研究的看點，在於把幾個步驟串起來：先以可調翼形的撲翼機械人進行飛行實驗，再用實測數據建立翼形與表現的模型，接着由強化學習提出設計，最後把選出的翅膀裝上實機測試。16 這為研究複雜翼形提供了一套結合數據搜尋與實體驗證的方法。

不過，結果仍然限於這款機械人及其測試條件。現有資料未能說明三項翼形參數之間的交互影響是否已充分掌握，也未能證明結果適用於其他尺寸或拍翼方式的機械人，更沒有證據顯示優化後的設計已實際提升載重能力。爬升、速度和載重是不同目標；升力與推力的性能參數改善，並不代表三者都會一併變好。