神经蓝图赋予软体机器人类人智能控制能力

一套全新的人工智能控制系统，让软体机械臂能够一次性学习多种动作与任务，并在运行过程中实时适应新场景，无需重新训练，也不会损失已有功能。

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现实应用场景中，向类人适应能力迈进了一大步，让它们变得更加智能、多功能且安全可靠。

该研究由新加坡-麻省理工学院研究与技术联盟（SMART）旗下的"Mens, Manus and Machina"（M3S）跨学科研究小组主导。这一名称是对MIT拉丁校训"mens et manus"（即"心智与双手"）的致敬，并加入了"machina"（机器）一词。该项目由新加坡国立大学（NUS）的研究人员共同牵头，并联合麻省理工学院与新加坡南洋理工大学（NTU Singapore）的合作者共同完成。

与使用刚性电机和关节运动的普通机器人不同，软体机器人由柔性材料（如软橡胶）制成，通过特殊的执行器驱动运动——这些执行器类似人工肌肉，能产生物理动作。虽然这种柔韧性使其非常适合执行精细或自适应任务，但软体机器人的控制一直是一大难题，因为其形态会以难以预测的方式发生变化。现实环境往往复杂多变、充满意外干扰，即便是细微的条件变化——例如负载偏移、一阵风吹过，或是轻微的硬件故障——都可能使机器人的动作偏离预期。

尽管软体机器人领域已取得相当进展，但现有方案往往只能同时实现软体机器人在现实环境中智能运作所需的三项能力中的一两项：将从某一任务中习得的知识迁移至其他任务、快速适应情境变化，以及在调整动作的同时保证机器人的稳定性与安全性。这种适应能力与可靠性的缺失，长期以来是阻碍软体机器人在现实应用中落地部署的重大障碍。

在一篇题为《受神经元结构性与可塑性突触启发、可适应多种臂型、任务与扰动的通用软体机器人控制器》的开放获取研究论文中，研究人员描述了他们如何开发出一套新型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。该研究以人类大脑的学习与适应方式为灵感，建立在基于学习的机器人控制、具身智能、软体机器人学以及元学习等领域的深厚研究积累之上。该论文于2025年1月6日发表在《Science Advances》期刊上。

该系统采用两组互补的"突触"协同工作——突触即调控机器人运动方式的连接机制。第一组称为"结构性突触"，在离线状态下基于多种基础动作进行训练，例如软臂的平滑弯曲或伸展，从而形成机器人的内置技能，为其提供稳固的能力基础。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，根据当前实时状况对臂部行为进行微调。系统内置的稳定性保障机制如同一道安全闸，确保机器人在在线自适应调整的过程中，行为始终保持平稳可控。

"软体机器人拥有承担传统机器无法完成任务的巨大潜力，但真正的广泛应用需要既高度灵活又安全可靠的控制系统。通过将结构性学习与实时适应能力相结合，我们构建了一套能够在不可预测环境中应对软体材料复杂性的系统，"麻省理工学院教授、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Daniela Rus表示，"这距离一个多功能软体机器人能够在诊所、工厂或日常生活中与人类安全、智能地协作共存的未来，又近了一步。"

"这套新型AI控制系统是目前为数不多能够同时实现软体机器人走向社会与各行业所需的三项核心能力的通用软体机器人控制器之一：可将离线学习成果迁移至不同任务、可即时适应新条件、可全程保持稳定——全部在一个统一的控制框架内实现，"论文第一作者兼共同通讯作者、东南大学（中国）副教授唐志强表示。唐志强在开展这项研究时，担任M3S与新加坡国立大学的博士后研究员。

该系统支持多种任务类型，使软体机械臂能够在统一框架内执行轨迹跟踪、物体放置和全身形态调控等任务，同时可在不同软臂平台上进行通用化部署，展现出跨平台适用性。

该系统在两种实体平台上完成了测试与验证：一种是绳驱软臂，另一种是形状记忆合金驱动软臂，均取得了亮眼的表现。在强干扰条件下，轨迹跟踪误差降低了44%至55%；在负载变化、气流干扰及执行器故障情况下，形状控制精度超过92%；即便有多达一半的执行器失效，系统仍能保持稳定运行。

"这项工作重新定义了软体机器人的可能性边界。我们将范式从针对特定任务的调优与能力局限，转向了一个真正具有类人智能的通用化框架。这是一项突破性成果，为能够在现实环境中运作的可扩展、智能软体机器打开了大门，"论文共同通讯作者、M3S主要研究员、新加坡国立大学工学院机械工程系教授职位讲席教授、NUS先进机器人中心主任Cecilia Laschi表示。

这一突破为更强健的软体机器人系统在制造、物流、检测及医疗机器人领域的应用敞开了大门，无需频繁重新编程，从而降低停机时间与成本。在医疗健康领域，辅助与康复设备能够自动根据患者不断变化的力量或姿态调整动作，而可穿戴或医疗软体机器人也能更灵敏地响应个体需求，从而提升安全性与治疗效果。

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部件，其潜在应用涵盖辅助机器人、医疗设备和工业软体操纵器，以及与现实世界自主系统的集成。

该研究在SMART开展，由新加坡国家研究基金会通过"卓越研究与技术创业校园"计划提供资助支持。

Q&A

Q1：这套软体机器人AI控制系统是如何实现跨任务适应的？

A：该系统通过两组"突触"协同工作实现跨任务适应。"结构性突触"在离线阶段学习多种基础动作，形成机器人的内置技能库；"可塑性突触"则在机器人运行时持续在线更新，根据实时状况微调行为。系统内置稳定性保障机制，确保自适应过程中行为平稳可控，从而在一个统一框架内同时实现任务迁移、即时适应和全程稳定三项核心能力。

Q2：这套控制系统在实际测试中表现如何？

A：研究团队在两种实体平台（绳驱软臂和形状记忆合金驱动软臂）上完成了测试验证，结果表现出色：在强干扰条件下，轨迹跟踪误差降低44%至55%；在负载变化、气流干扰及执行器故障情况下，形状控制精度超过92%；即便有多达一半的执行器失效，系统仍能保持稳定运行，充分验证了其鲁棒性与可靠性。

Q3：这项软体机器人技术未来有哪些应用方向？

A：该技术未来的应用方向广泛。在医疗健康领域，辅助与康复设备可自动适应患者体能变化，可穿戴或医疗软体机器人也能更灵敏地响应个体需求；在工业领域，可用于制造、物流、检测等场景，减少停机时间与成本。研究团队还计划将其拓展至更高速度、更复杂环境下运行的机器人系统，并推动与现实世界自主系统的集成。