一次学习，终身适应：这套AI系统让软体机器人更像人

一套新型 AI 控制系统使软体机械臂能够一次性学习丰富的动作和任务库，随后在无需重新训练、不牺牲功能的前提下，即时适应新的场景变化。

这一突破使软体机器人在辅助机器人、康复机器人以及可穿戴或医疗软体机器人等真实应用场景中，向类人的适应能力迈进一步，令其变得更智能、更通用、更安全。

这项研究由新加坡－MIT 研究与技术联盟（SMART）旗下的 Mens，Manus and Machina（M3S）跨学科研究团队主导。M3S 的名称源自 MIT 拉丁校训“mens et manus”（即“思维与双手”），并在此基础上加入了“machina”（机器）一词。项目由新加坡国立大学（NUS）的研究人员联合主导，合作方包括 MIT 及新加坡南洋理工大学（NTU Singapore）的研究人员。

普通机器人通过刚性电机和关节运动，软体机器人则由软橡胶等柔性材料制成，借助特殊执行器驱动，这些执行器的作用类似人工肌肉，负责产生物理运动。柔性结构使软体机器人在精细或适应性任务中具有独特优势，但也使其控制面临长期挑战：其形状会以难以预测的方式变化，而现实环境往往复杂多变、干扰频发，即便是条件的细微改变，例如负载偏移、一阵风或轻微的硬件故障，都可能打乱机器人的动作。

尽管软体机器人领域已取得显著进展，现有方法通常只能实现智能运行所需三项能力中的一两项：将一项任务中习得的能力迁移至其他任务、在情况变化时快速适应，以及在调整动作过程中保证机器人的稳定性和安全性。这种适应能力和可靠性的不足，始终是软体机器人走向实际应用的主要障碍。

研究人员在 1 月 6 日发表于《科学进展》的开放获取论文《受神经元结构性和可塑性突触启发、可适应多种机械臂、任务和扰动的通用软体机器人控制器》中，描述了他们如何开发出这套新型 AI 控制系统，使软体机器人能够跨任务、跨干扰场景进行自适应。该研究从人类大脑的学习与适应方式中汲取灵感，建立在基于学习的机器人控制、具身智能、软体机器人学和元学习等领域的大量前期研究之上。

该系统采用两组互补的“突触”协同工作，通过调节连接关系来控制机器人的运动。第一组称为“结构性突触”，在离线状态下针对多种基础动作进行训练，例如软体机械臂的平滑弯曲或伸展，构成机器人的内置技能库，提供稳固可靠的基础能力。第二组称为“可塑性突触”，在机器人运行过程中持续在线更新，根据实时状况对机械臂行为进行精细调节。系统内置的稳定性保障机制如同一道安全阀，确保机器人在在线自适应的过程中，行为始终保持平稳可控。

“软体机器人在承担传统机械无法胜任的任务方面潜力巨大，但真正落地应用需要兼具高性能与高可靠性的控制系统。通过将结构性学习与实时适应性相结合，我们构建出一套能够在不可预测环境中应对软性材料复杂性的系统，”M3S 联合首席研究员、MIT 计算机科学与人工智能实验室（CSAIL）主任、论文共同通讯作者，MIT 教授丹妮拉·鲁斯（Daniela Rus）表示，“这是迈向未来的一步——在那个未来中，多功能软体机器人能够在诊所、工厂或日常生活场景中，安全、智能地与人类并肩工作。”

“这套新型 AI 控制系统是首批能够同时实现软体机器人社会化应用所需三项核心能力的通用软体机器人控制器之一。它能够将离线学习到的能力迁移至不同任务，即时适应新条件，并在整个过程中保持稳定——这一切都在同一个控制框架内实现，”论文第一作者兼共同通讯作者、副教授唐志强（Zhiqiang Tang）说。他在开展这项研究时担任 M3S 和 NUS 的博士后研究员，现为中国东南大学（SEU China）副教授。

该系统支持多种任务类型，使软体机械臂能够在统一框架下执行轨迹跟踪、物体放置和全身形态调节等任务，并已在不同软体机械臂平台上验证了跨平台适用性。

系统在两个实体平台上完成了测试与验证，分别为绳索驱动软体机械臂和形状记忆合金驱动软体机械臂，取得了显著成果：在强干扰条件下跟踪误差降低 44％ 至 55％；在负载变化、气流干扰和执行器故障情况下，形态精度超过 92％；即便在多达半数执行器发生故障时，系统仍能保持稳定运行。

“这项工作重新定义了软体机器人领域的可能性边界。我们将范式从面向特定任务的调优和能力，转向了真正具备通用性的框架与类人智能。这是一项突破性成果，为可扩展、智能化的软体机器打开了大门，使其能够在真实环境中运行。”论文共同通讯作者、M3S 首席研究员、NUS 工程设计学院机械工程系教务长讲席教授、NUS 高级机器人中心主任塞西莉亚·拉萨奇（Cecilia Laschi）表示。

这一突破为更具鲁棒性的软体机器人系统的发展开辟了道路，使其得以在制造、物流、检测和医疗机器人等领域大展身手，无需频繁重新编程，从而降低停机时间和成本。在医疗领域，辅助和康复设备能够自动根据患者力量或姿势的变化调整动作，可穿戴或医疗软体机器人也能对个体需求作出更灵敏的响应，提升安全性和治疗效果。

研究团队计划将这项技术拓展至能够在更高速度和更复杂环境中运行的机器人系统或组件，潜在应用方向涵盖辅助机器人、医疗设备和工业软体机械手，并推动其融入真实世界的自主系统。

https://news.mit.edu/2026/neural-blueprint-human-intelligence-in-soft-robots-0219