来源：科技日报
科技日报记者 张佳欣
软体机器人的灵活性远超传统金属机器人，但其“仿生柔软”的特性也带来了显著的控制挑战。与依赖固定关节和预设程序的传统机器人不同，软体机器人由柔性材料构成，运动模式复杂且难以预测。局部的微小形变可能引发全身力学的连锁变化，这使得使用精确的指令序列来控制它变得异常困难。
近期，这一控制难题取得了重要进展。美国弗吉尼亚理工大学的研究团队受大脑神经元工作机制启发，开发出一种名为“储备池计算”的创新控制算法。该研究首次成功实现了对高速柔性软体机械臂的有效控制，并大幅降低了能耗。相关研究成果已发表在最新一期的《美国国家科学院院刊》上。
从仿生结构到智能控制算法
研究团队首先利用三维仿真工具，设计了一种模仿蛇类身体结构的模拟机械臂。这一设计颇具匠心：机械臂采用中心弹性骨架，并集成了多组类似人体肱二头肌与肱三头肌功能的人工合成肌肉。这些“人工肌肉”相互交叠、协同作用，共同驱动机械臂完成弯曲、扭转和伸展等多种复杂动作。
然而，面对这种高度柔软且动态变化的结构，现有的控制方法显得效率低下。为解决软体机器人控制的核心难题，团队引入了“储备池计算”这一神经形态计算方法。其原理是，将机械臂的运动数据输入系统，设定目标动作，然后通过海量的虚拟仿真实验，让系统自主学习不同“肌肉”组之间的协同运动模式。随着实验数据的持续反馈，一个能够准确预测和规划软体机械臂行为的新模型被成功“训练”出来。
能效的突破与应用前景
这项技术的意义，不仅在于突破了传统人工智能与机器学习在软体机器人控制领域的瓶颈，更在于其展现了卓越的能效优势。当研究团队将这套控制系统部署在一种模拟大脑神经元“脉冲”工作的神经形态芯片上后，能耗最高可降低至传统方法的1/75。这意味着，未来软体机器人的“控制大脑”可以设计得更小巧、更节能，为开发更微型、更自主的机器人奠定了坚实基础。
目前，这种“肌肉驱动型”机械臂仍处于计算机仿真阶段。研究团队的下一步计划是制造实体原型机，在真实物理环境中进一步验证该控制方法的可靠性与鲁棒性。他们的长远愿景是让软体机器人能像章鱼等软体生物一样，具备高度自然、灵活且自适应的运动能力。一旦实现技术转化，将在微创手术、精准农业、灾害救援以及复杂管道检测等多个领域，带来革命性的工具变革。
总编辑圈点
这本质上是一次控制范式的转变。软体机器人动作敏捷，但如果执着于精确计算其每一个局部的受力与形变，传统算法的运算速度根本赶不上其形态变化的速度。究竟该如何有效控制它？科研人员此次另辟蹊径，利用新的计算方法构建了对其整体行为模式的预测模型。这种控制策略摆脱了必须为每个受力点建立精确物理模型的传统思维，极大地节约了计算资源，使得在小型嵌入式芯片上运行复杂控制算法成为可能。这项新技术也将软体机器人从实验室概念向实用化工具推进了一大步，未来那些高风险、高重复性或高强度的任务，有望更多地交由这类智能机器人来完成。
