柔性软体机械臂精准控制新方法首次实现

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刚性机器人，但其仿生柔韧性也带来了核心控制挑战。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，其运动呈现高度非线性。局部微小的形变会引发全身力学的连锁反应，使得采用精确指令序列进行控制变得异常困难。

这一控制瓶颈近期取得了关键进展。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”的新型控制架构。该研究首次实现了对高速柔性软体机械臂的有效动态控制，并显著降低了系统能耗，相关成果已发表于《美国国家科学院院刊》。

从“蛇形”结构到“储备池计算”

团队首先利用三维仿真工具，设计了一种仿生蛇形结构的机械臂模型。其核心创新在于采用中央弹性脊柱，并集成多组仿生合成肌肉，模拟人类肱二头肌与肱三头肌的拮抗协同工作模式。这些重叠分布的人工肌肉群共同驱动机械臂，实现弯曲、扭转与伸展等多自由度运动。

然而，面对这种高速、高柔顺性的结构，传统控制方法效能有限。为此，团队引入了“储备池计算”这一神经形态计算方法。具体而言，系统通过输入机械臂的运动数据与目标动作，在海量虚拟实验中自主学习不同肌肉群间的协同控制策略。基于持续的行为反馈，系统最终训练出能够预测和规划软体机械臂复杂运动的新型动力学模型。

能效的飞跃与未来的蓝图

该方法的价值不仅在于突破了传统AI在软体机器人控制领域的局限性，更在于其卓越的能效表现。当研究团队将训练好的控制模型部署在模拟神经元脉冲工作的神经形态芯片上时，系统能耗最高可降低至传统方法的1/75。这种能效飞跃为开发更紧凑、更节能的嵌入式控制单元奠定了基础，推动了小型化、高自主性软体机器人的发展。

目前，这项肌肉驱动机械臂的研究仍处于仿真验证阶段。团队接下来的重点是制造物理原型机，在真实物理环境中进一步验证控制模型的鲁棒性与实用性。其长期目标是赋予软体机器人如同章鱼般的自然、灵巧运动能力。一旦实现，将在微创手术、精准农业、灾害救援及基础设施检测等领域带来工具性革新。

总编辑圈点

这项研究的核心是一次控制范式的转换。软体机器人运动敏捷，若执着于精确计算其每一刻的局部受力，传统算法的计算速度将永远滞后于其形变速度。科研人员此次另辟蹊径，通过储备池计算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对每个物理节点进行精准建模的传统思路，大幅节约了计算资源，使得在微型芯片上运行复杂控制算法成为可能。新方法将软体机器人从实验室概念向实用化工具推进了关键一步，未来那些高风险、高重复性或高强度的任务，有望由这类机器人更高效地承担。