迈向物理世界的集体智能：sakana ai带来像生命一样成长的智能蜂窝模块

编辑丨&

生命何以形成复杂的形态？

人体中的每一个细胞，都只知道自己身边发生了什么。然而，正是这些不断进行局部交流的细胞，最终共同构建出了心脏、四肢、大脑等复杂结构；即使组织受损，它们也能重新协调彼此，逐步恢复原本的形态。

几十年来，这种现象始终吸引着机器人和人工智能研究者。

受此启发，Sakana AI 与研究团队提出了一种全新的模块化机器人框架——Smart Cellular Bricks。研究人员利用三维神经细胞自动机（3D Neural Cellular Automata，3D NCA），让每一个完全相同的智能立方体都运行相同的规则，仅通过与六个相邻模块交换少量信息，便能够逐渐形成对整体结构的共同认知。

相关研究以「Smart cellular bricks for decentralized shape classification and damage recovery」为题，于 2026 年 7 月 13 日发布在《Nature Communications》。

论文链接：https://www.nature.com/articles/s41467-026-75166-7

模块化的自动机

过去二十多年，模块化机器人一直有一个共同目标：把大量相同的小模块组合成一个能够不断变化形态的大机器人。

理论上，只要模块足够多，它们便能够像乐高积木一样，根据任务自由重组，今天组成桥梁，明天组成机械臂，后天又变成移动平台。这种能力对于灾害救援、太空建造甚至未来智能材料都极具吸引力。但这样就会有一个问题：模块并不知道自己属于哪里，随着规模的扩大，系统压力会急剧增加。

自然界却采用了完全不同的思路。

无论是胚胎发育还是组织再生，细胞都不会获得整个身体的全局信息。它们只感知周围几个邻居释放出的化学信号，根据这些局部信息不断调整自身状态。最终，整体形态却能够自发地「长出来」。

这就是 Smart Cellular Bricks 最核心的创新。每一个立方体内部都运行同一套 3D 神经细胞自动机网络。它拥有少量内部隐藏状态（Hidden Channels），能够记录自己的局部记忆，同时每一步只与六个相邻方向上的模块交换信息。整个过程中，没有任何模块能够直接看到整体结构，也不存在负责协调全局的中央节点。

图 1：用于形状分类的神经细胞自动机。

在模拟中，该方法的准确率可达 98.97%。团队将模拟训练的 NCA 直接转移到硬件上，构建了四种不同的形状，从 26 块（吉他）到 197 块（圆桌）不等；Bricks 在飞机、吉他、船和桌子上达成了正确的共识，四者成功率均达成 100%。在硬件领域，集体在不到 60 个更新周期内汇聚，约为三分钟的实时时间。

图 2：形状分类在仿真与硬件中的结果。

大多数形状在 5% 的失效率下都能保持高精度，有些如飞机和船只即使在 15% 时也仅有轻微劣化。例外的是结构瓶颈狭窄的形状：在吉他中，琴颈上的一次失误可能切断物体的两半，从而破坏分类。

图 3：模拟的稳健性。

损伤与扩展

在自然界中，生物最大的优势之一并不是永远不会受伤，而是在受到损伤后仍然能够恢复。

为了测试智能模块的恢复能力，研究团队进一步设计了损伤检测和恢复实验。

当部分模块被移除或者失效后，系统首先利用局部通信判断异常位置，并将损伤信息整合到整个网络中。由于每个模块都持续维护自身隐藏状态，剩余模块能够重新评估当前结构，并根据已有信息调整恢复策略。

这种分布式系统能够实现非常准确的损伤定位。在模拟实验中，系统对受损区域的检测准确率达到94.8%，并且能够根据当前剩余结构判断需要恢复的目标形态。对于训练过程中没有见过的新损伤模式，系统依然表现出了较强适应能力。

图 4：模拟损伤检测与再生。

此外，模型规模还可从 15x15x15 扩展到到 32x32x32 和 64x64x64 网格，高分辨率实验涉及的几何形状远比硬件中丰富的，包括中空形状、内部空腔以及超过 18,000 个立方体的组件。

如生命般生长的机器人

一个细胞并不聪明，一个神经元也无法理解整个大脑。然而，当数量足够多的简单单元通过合适规则连接起来，系统便能够产生远超单个单元能力的行为。

当然，目前的 Smart Cellular Bricks 距离真正拥有生命般的自主成长能力仍有很大距离。它们依然需要训练过程，需要特定的硬件设计，也只能处理有限范围内的形态任务。

从技术角度来看，这种方法为未来模块化机器人提供了一种新的扩展路径。并且，这种理念或许能应用于更多领域。

相关链接：https://sakana.ai/smart-cellular-bricks/