在机器人中实现类似生命的自主性一直是研究的方向，但目前大多数软体机器人仍依赖外部刺激操控来产生持续运动。为了实现能够自我调节感知、决策和驱动的自主物理智能（autonomous physical intelligence，API），一种有前景的方法是在材料中嵌入非线性时滞反馈机制（nonlinear time-lag feedback）。
据此，加州大学洛杉矶分校贺曦敏教授团队与合作者就如何实现此类反馈进行了总结，并追溯了此类软体机器人的发展历程及不同的应用领域。相关综述文章以题为“Advancing physical intelligence for autonomous soft robots”发表在 Science Robotics 上。博士后陈驰为第一作者，贺曦敏教授为通讯作者。
此外，文章进一步总结了基于 API 实现的自持续运动在多种环境中的表现形式，包括陆地运动（如行走、爬行、翻转、滚动、跳跃）、水中运动（如波动、振荡、漂浮、脉动）、潜在的空中运动（如拍翼旋转、飘浮）以及多环境下多模态运动。文章还指出，为实现真正的系统级自主软体机器人，未来需重点发展若干关键方向，包括：扩大尺寸以突破微型尺寸的限制、能量获取与利用、群体行为、多功能集成以及建模与仿真。最终，文章强调实现高度自主软体机器人的过程本质上是高度跨学科的，需化学、材料学、力学、数学、机器人学与生物学等多个领域的协同合作。未来的 API 软体机器人将能够利用环境能量驱动，具备多模态运动能力、信息存储、通信与环境响应决策机制，并展现出大规模群体智能行为，从而更贴近现实工程应用的需求。
