章魚，憑藉其高效的神經肌肉層級結構，實現了對複雜且靈巧肢體的精準操控。這一結構整合了富含傳感器的吸盤、臂內具身計算以及集中式高級推理功能，是面臨機械自由度高、通信通道需求大等挑戰的軟體機器人設計的重要靈感來源。
受章魚層級智能啟發，此前已有研究人員嘗試在軟體機器人系統中模擬這種生物特性。相關研究主要採用分層架構設計，通過整合基礎吸盤、軟體計算元件和執行器，將感知、決策和執行功能下放至機器人末端。然而，現有方案在實現完整功能集成方面仍存在明顯局限。特別是在同時實現吸力粘附、具身智能和多模態感知的層次化系統構建方面，目前尚未取得突破性進展。
▍受章魚層級智能啟發，開發新型流體驅動軟體機器人系統
針對上述問題，來自英國布里斯托爾布里斯托爾機器人實驗室和南方科技大學的研究人員前不久進行了深入研究，並從章魚的層級智能中獲取靈感，開發了一種新型流體驅動（氣動或液壓）軟體機器人系統。該系統借鑒了章魚神經肌肉系統的一層級結構設計思路，由中央大腦負責高級感知和決策功能，嵌入式STS（人工神經節）處理低級信號和控制指令。吸盤、壓力傳感器、STS 和驅動泵則分別對應章魚的吸盤、SR、神經節和肌肉。
值得注意的是，該系統在低級自主控制實現方式上與生物原型存在差異。章魚通過神經信號分別控制神經元和肌肉系統，而該研究採用流體流動同時實現控制（通過STS）和驅動（通過軟執行器）功能。這種集成化設計更適合軟體機器人應用，使其能夠通過簡單的非電子控制器完成複雜任務。
與現有流體驅動智能系統相比，該研究提出的分層吸盤智能架構在系統複雜度和多功能性方面表現更優。實驗數據顯示，該系統能夠穩定抓取脆弱物體，並實現多段機器人的快速響應和順序驅動。通過低成本、易集成的技術方案，該研究為仿生機器智能研究開闢了新途徑。其開發的吸力智能模塊可有效提升流體驅動軟體機器人的智能水平，同時降低計算資源需求，在工業搬運、智能製造、醫療輔助等領域具有廣泛應用前景。其STS的可編程特性也為開發先進智能流體執行器提供了新可能。結合分層智能系統，這一技術路線有望推動具有高級感知、分布式控制和自主行為能力的新一代軟體機器人發展。
目前，該研究成果的相關論文已以“Embodying soft robots with octopus-inspired hierarchical suction intelligence”為題發表在《Science Robotics》上。
那麼，該研究成果具體是如何實現的呢？接下來，和機器人大講堂一起來深入探索~
▍開發雙重策略分層處理，實現低級自主行為與多元感知交互
章魚的智能吸盤系統具有獨特的層級結構。每條腕足由多個節段組成，每個節段包含一對環繞的複雜吸盤。吸盤感受器（SR）分布在吸盤邊緣，用於獲取環境信息。神經纖維將吸盤神經節（SG）和臂神經節（BG）與SR、吸盤肌（SM）及臂肌（BM）相連接。其中，吸盤神經肌肉迴路（SR、SG和SM）主要負責吸力控制，而臂神經迴路（BG和BM）則控制腕足運動。
當受到物理刺激時，信息通過兩個並行通路處理：一條通路產生局部反饋信號驅動肌肉細胞，使吸盤自動產生吸力；另一條通路將感覺信號傳遞至中腦進行高級感知。這種分布式處理機制降低了中樞神經系統的計算負擔，提高了響應速度。
基於上述原理，研究團隊開發了流體驅動（氣動或液壓）軟體機器人系統。該系統採用硅膠吸盤模擬章魚吸盤，軟流體執行器模擬腦細胞（BM）動作驅動機械臂，吸力觸發開關（STS）模擬腦源性神經元（BG）的具身化低級計算功能，壓力傳感器模擬感知器（SR）並通過吸力流獲取環境信息，計算機和算法則負責模擬中樞大腦並做出高級決策。這種分布式嵌入式系統設計使軟機器人能夠以簡單的結構和較低的計算成本實現吸力粘附、環境感知等功能。
基於吸力的具身智能策略：實現類章魚低級自主行為
在章魚體內，吸盤機械感受器能夠將環境刺激轉化為神經信號，通過局部神經節實現快速響應，並無需中樞大腦進行更高級計算。受此啟發，研究團隊開發了基於吸力的具身智能策略。該策略通過機器人體內感知和控制的局部集成感知與控制功能，使其能夠實現類似章魚的低級自主性，包括抓取支撐薄弱的易碎物體以及吸吮和纏繞未知物體。
通過兩類實驗，研究團隊驗證了基於吸力的具身智能策略。在機械手配置方面，團隊則開發了兩種驗證平台：第一種為四指機械手結構，每個獨立手指配備指尖吸盤，由四個隔膜泵和三個STS模塊協同控制。該設計採用多泵獨立供流方案，有效避免了通道干擾問題，使系統空間布局更具靈活性。第二種為仿章魚臂機器人，由五個獨立節段構成，通過四個STS模塊和五個泵實現驅動控制。該系統的泵體、電池及STS模塊均可集成於緊湊的機械手內部，無需依賴外部電動控制器。同時，STS模塊的模塊化設計使其具備良好的系統擴展性。
在自主吸力行為測試中，機器人系統模擬了章魚吸盤接觸物體時的神經肌肉反應機制。當吸盤接觸光滑表面時，系統能在短時間內建立密封並阻斷執行器充氣，這一過程通過簡單的流體迴路實現。實驗數據顯示，單根軟手指可輕柔抓取薄弱氣球，四指機械手則能安全抓取無殼雞蛋和易碎果凍等物體，有效避免了傳統機械手因擠壓力不可控造成的損傷。
在吸吮與捲曲協同行為測試中，系統通過STS模塊模擬了章魚神經節的局部計算功能。STS採用硅膠半球形彈跳膜設計，可根據壓力變化自主調節流體路徑。測試結果表明，四指機械手和五節段章魚臂機器人能通過泵與STS的聯動，依次觸發手指彎曲或臂節捲曲動作，實現對未知形狀物體的自適應環繞。值得注意的是，該系統無需電動控制器即可實現功能集成，且STS模塊體積可縮小至原始尺寸的1/8。
基於吸力的多模態感知策略：解碼環境物理量實現多元感知
章魚吸盤與人造吸盤的感知均基於對可測量物理量的解碼。章魚的吸盤機械感受器可將細胞變形轉化為神經信號並傳輸至中樞大腦解碼，而基於流體的傳感方式則通過壓力傳感器測量吸力流體壓力，將吸盤內外壓力差直接轉化為反映吸盤與環境物理相互作用的電信號，為機器人感知環境提供了更簡化的路徑。
以中心帶孔的吸盤為例，其典型應用場景分為兩類：非接觸式場景中，吸盤持續吸入環境介質，測得的壓力值與環境介質粘度相關；接觸表面並受拉力作用時，壓力值則與環境介質粘度、接觸表面粗糙度及拉力相關。基於此，研究團隊開發了基於流體壓力分析的多模態感知系統。該策略通過簡單信號分類器，使機器人能夠感知接觸、流體粘度、表面粗糙度及拉力等環境條件。
通過收集不同環境介質（空氣/水）、表面粗糙度（320-1000 粒度砂紙）及拉力組合下的壓力信號，研究就該策略有效性進行了驗證。結果顯示，吸盤從空氣進入水中時 pm 快速下降，接觸砂紙時 pm 呈階躍變化，乾燥環境中拉力變化與 pm 相關而水中無明顯關聯。通過設計四個分類器（M1-M4）及曲線擬合模型，系統可實現環境介質變化、接觸發生、表面粗糙度的識別及拉力趨勢預測。其中，空氣與水中事件分類準確率超 95%，水下表面粗糙度分類準確率約 71%，乾燥環境拉力預測平均誤差 27%。
▍融合雙重策略於一體，實現粘附、具身智能等多重功能集成
研究團隊通過整合基於吸力的具身智能與多模態感知功能，實現了單一系統的雙重策略協同運行。該系統利用吸力流的能量（壓力變化）與信息（壓力信號），使粘附、具身智能及環境感知等功能互不干擾地集成於同一平台。
在一個簡單系統中，研究團隊展示了這種分層智能的運作模式。該系統由一台計算機（上級控制器）、一個STS（下級控制器）、兩個泵以及一個軟體夾持器組成。在工作流程上，計算機向兩個泵發送供電指令後，STS會阻斷泵1的抽真空流，此時泵2的充氣流驅動執行器伸展。由於STS僅抑制了泵1的流量而未完全阻斷泵2的充氣，執行器將持續伸展至平衡位置。當吸盤接觸並捕獲物體（阻斷泵2的充氣流）後，STS切換至開啟泵1的通道，使執行器縮回。此過程中產生的壓力信號被傳輸至計算機進行感知分析。實驗數據顯示，該系統對物體濕度、質量及表面粗糙度的檢測平均準確率超過89%。
這種分層架構還催生了一些獨特的動態響應特性。例如，當目標接觸面積過小（實驗採用直徑8毫米圓頭銷）時，吸盤雖能觸發STS卻無法產生足夠吸附力。這導致STS在開閉狀態間反覆切換，使執行器產生頻率3.4Hz、振幅0.2毫米的振蕩位移（3V泵驅動條件下）。值得注意的是，該振蕩具有自定位特性——當機械臂移動執行器上端時，系統能自動調整長度使振蕩始終維持在接觸點。這一過程完全由下級控制器自主協調，無需上級干預。
同時，通過高通濾波器（標記為p_highpass）將壓力信號傳輸至計算機處理，系統可檢測執行器上端的運動狀態。這些數據有助於機器人更精準地理解環境並制定決策。此外，該系統還能實現人機交互功能：輕觸吸盤孔可觸發執行器回縮，而移除接觸後STS會重新驅動伸展至平衡位置。
研究結果表明，這種吸力驅動與感知融合的策略為軟體機器人自主操作與環境交互提供了新的技術路徑。
▍結語和未來
該研究成功構建了一種基於吸力的軟體機器人系統，實現了具身計算、多模態感知與吸力吸附功能的集成化架構。實驗表明，該系統能夠在不依賴複雜集中式計算或電子控制的情況下，完成與不確定精細環境的自主交互。這一成果驗證了仿生分層控制在提升軟體機器人適應性與魯棒性方面的可行性，為多功能智能機器的設計提供了新的技術思路。
當然，目前的研究也仍存在若干可改進空間。在硬件設計方面，實驗採用的管路系統保留了較長的外部管段以便於演示驗證，團隊考慮未來將管路嵌入腔室內部以提升集成度。同時，STS模塊的尺寸可通過優化卡扣結構實現進一步小型化。
在功能適應性方面，雖然現有吸盤已展現出對錶面形貌的基礎適應能力，但在部分極端條件下仍會出現吸附失效現象。後續研究中，團隊會繼續探索將高級主動控制策略與現有低級吸力智能相結合，以增強系統適應性。
參考文章：
https://www.science.org/doi/10.1126/scirobotics.adr4264#abstract
