一套全新的人工智慧控制系統，讓軟體機械臂能夠一次性學習多種動作與任務，並在運行過程中實時適應新場景，無需重新訓練，也不會損失已有功能。
這一突破使軟體機器人在輔助機器人、康復機器人以及可穿戴或醫療軟體機器人等現實應用場景中，向類人適應能力邁進了一大步，讓它們變得更加智能、多功能且安全可靠。
該研究由新加坡-麻省理工學院研究與技術聯盟（SMART）旗下的"Mens, Manus
and Machina"（M3S）跨學科研究小組主導。這一名稱是對MIT拉丁校訓"mens et manus"（即"心智與雙手"）的致敬，並加入了"machina"（機器）一詞。該項目由新加坡國立大學（NUS）的研究人員共同牽頭，並聯合麻省理工學院與新加坡南洋理工大學（NTU Singapore）的合作者共同完成。
與使用剛性電機和關節運動的普通機器人不同，軟體機器人由柔性材料（如軟橡膠）製成，通過特殊的執行器驅動運動——這些執行器類似人工肌肉，能產生物理動作。雖然這種柔韌性使其非常適合執行精細或自適應任務，但軟體機器人的控制一直是一大難題，因為其形態會以難以預測的方式發生變化。現實環境往往複雜多變、充滿意外干擾，即便是細微的條件變化——例如負載偏移、一陣風吹過，或是輕微的硬體故障——都可能使機器人的動作偏離預期。
儘管軟體機器人領域已取得相當進展，但現有方案往往只能同時實現軟體機器人在現實環境中智能運作所需的三項能力中的一兩項：將從某一任務中習得的知識遷移至其他任務、快速適應情境變化，以及在調整動作的同時保證機器人的穩定性與安全性。這種適應能力與可靠性的缺失，長期以來是阻礙軟體機器人在現實應用中落地部署的重大障礙。
在一篇題為《受神經元結構性與可塑性突觸啟發、可適應多種臂型、任務與擾動的通用軟體機器人控制器》的開放獲取研究論文中，研究人員描述了他們如何開發出一套新型AI控制系統，使軟體機器人能夠跨任務、跨干擾場景進行自適應。該研究以人類大腦的學習與適應方式為靈感，建立在基於學習的機器人控制、具身智能、軟體機器人學以及元學習等領域的深厚研究積累之上。該論文於2025年1月6日發表在《Science Advances》期刊上。
該系統採用兩組互補的"突觸"協同工作——突觸即調控機器人運動方式的連接機制。第一組稱為"結構性突觸"，在離線狀態下基於多種基礎動作進行訓練，例如軟臂的平滑彎曲或伸展，從而形成機器人的內置技能，為其提供穩固的能力基礎。第二組稱為"可塑性突觸"，在機器人運行過程中持續在線更新，根據當前實時狀況對臂部行為進行微調。系統內置的穩定性保障機制如同一道安全閘，確保機器人在在線自適應調整的過程中，行為始終保持平穩可控。
"軟體機器人擁有承擔傳統機器無法完成任務的巨大潛力，但真正的廣泛應用需要既高度靈活又安全可靠的控制系統。通過將結構性學習與實時適應能力相結合，我們構建了一套能夠在不可預測環境中應對軟體材料複雜性的系統，"麻省理工學院教授、M3S聯合首席研究員、MIT電腦科學與人工智慧實驗室（CSAIL）主任、論文共同通訊作者Daniela Rus表示，"這距離一個多功能軟體機器人能夠在診所、工廠或日常生活中與人類安全、智能地協作共存的未來，又近了一步。"
"這套新型AI控制系統是目前為數不多能夠同時實現軟體機器人走向社會與各行業所需的三項核心能力的通用軟體機器人控制器之一：可將離線學習成果遷移至不同任務、可即時適應新條件、可全程保持穩定——全部在一個統一的控制框架內實現，"論文第一作者兼共同通訊作者、東南大學（中國）副教授唐志強表示。唐志強在開展這項研究時，擔任M3S與新加坡國立大學的博士後研究員。
該系統支持多種任務類型，使軟體機械臂能夠在統一框架內執行軌跡跟蹤、物體放置和全身形態調控等任務，同時可在不同軟臂平台上進行通用化部署，展現出跨平台適用性。
該系統在兩種實體平台上完成了測試與驗證：一種是繩驅軟臂，另一種是形狀記憶合金驅動軟臂，均取得了亮眼的表現。在強幹擾條件下，軌跡跟蹤誤差降低了44%至55%；在負載變化、氣流干擾及執行器故障情況下，形狀控制精度超過92%；即便有多達一半的執行器失效，系統仍能保持穩定運行。
"這項工作重新定義了軟體機器人的可能性邊界。我們將範式從針對特定任務的調優與能力局限，轉向了一個真正具有類人智能的通用化框架。這是一項突破性成果，為能夠在現實環境中運作的可擴展、智能軟體機器打開了大門，"論文共同通訊作者、M3S主要研究員、新加坡國立大學工學院機械工程系教授職位講席教授、NUS先進機器人中心主任Cecilia Laschi表示。
這一突破為更強健的軟體機器人系統在製造、物流、檢測及醫療機器人領域的應用敞開了大門，無需頻繁重新編程，從而降低停機時間與成本。在醫療健康領域，輔助與康復設備能夠自動根據患者不斷變化的力量或姿態調整動作，而可穿戴或醫療軟體機器人也能更靈敏地響應個體需求，從而提升安全性與治療效果。
研究團隊計劃將這項技術拓展至能夠在更高速度和更複雜環境中運行的機器人系統或部件，其潛在應用涵蓋輔助機器人、醫療設備和工業軟體操縱器，以及與現實世界自主系統的集成。
該研究在SMART開展，由新加坡國家研究基金會通過"卓越研究與技術創業校園"計劃提供資助支持。
Q&A
Q1：這套軟體機器人AI控制系統是如何實現跨任務適應的？
A：該系統通過兩組"突觸"協同工作實現跨任務適應。"結構性突觸"在離線階段學習多種基礎動作，形成機器人的內置技能庫；"可塑性突觸"則在機器人運行時持續在線更新，根據實時狀況微調行為。系統內置穩定性保障機制，確保自適應過程中行為平穩可控，從而在一個統一框架內同時實現任務遷移、即時適應和全程穩定三項核心能力。
Q2：這套控制系統在實際測試中表現如何？
A：研究團隊在兩種實體平台（繩驅軟臂和形狀記憶合金驅動軟臂）上完成了測試驗證，結果表現出色：在強幹擾條件下，軌跡跟蹤誤差降低44%至55%；在負載變化、氣流干擾及執行器故障情況下，形狀控制精度超過92%；即便有多達一半的執行器失效，系統仍能保持穩定運行，充分驗證了其魯棒性與可靠性。
Q3：這項軟體機器人技術未來有哪些應用方向？
A：該技術未來的應用方向廣泛。在醫療健康領域，輔助與康復設備可自動適應患者體能變化，可穿戴或醫療軟體機器人也能更靈敏地響應個體需求；在工業領域，可用於製造、物流、檢測等場景，減少停機時間與成本。研究團隊還計劃將其拓展至更高速度、更複雜環境下運行的機器人系統，並推動與現實世界自主系統的集成。
