动物的身体形态决定了它们能够执行的步态模式，其中机械共振减少了对主动控制的需求。通过调整姿势和肌肉刚度，动物利用其具身智能在不同速度下实现有效的步态。相比之下，由于非线性动力学的复杂性，大多数四足机器人并未专门设计来利用机械共振，而是需要专用的运动控制器。为了提供一种替代方案，研究人员提出了一个概念验证框架，该框架使机器人的非线性动力学在设计过程中变得可预测，并展示了如何利用这些知识使多步态运动能够从由重力、惯性和弹性塑造的非线性共振中涌现。
在这项研究中，研究人员介绍了高度灵活的节肢机器人eBert，并使用新的理论工具识别了其六个非线性正常模式（NNM），并在仿真和硬件上验证了它们的存在。非线性正常模式是系统在非线性条件下表现出的振动模式，它可以揭示系统在特定频率下的动态行为。通过识别这些模式，研究人员能够更好地理解机器人的自然运动倾向。
研究团队采用黑盒优化方法来确定步长，仿真结果表明每个NNM自然地演变成不同的步态，显示出不同的速度范围。这些步态在很大程度上也转移到了实际的机器人硬件上，表明仿真结果的可靠性和实用性。
实验进一步表明，eBert能够利用其机械特性生成特定任务的运动，例如在不同地形上行走或适应不同的负载条件。这一能力证明了机器人的身体动力学可以被有效利用，而无需复杂的控制算法。该研究为设计新一代敏捷高效的机器人提供了基础，这些机器人可以更好地利用具身智能，实现更自然、更灵活的运动。未来，这种设计方法可能推动机器人技术在探索、救援和服务等领域的应用。