給一個(gè)活體生物軀體注入機(jī)器的“大腦”，然后人為控制該生物的行為，已經(jīng)從科幻片走入現(xiàn)實(shí)世界。

近日，國(guó)際機(jī)器人學(xué)術(shù)頂刊Science Robotics上最新發(fā)表的一篇新論文，描述了一種用機(jī)器視覺(jué)、運(yùn)動(dòng)控制和導(dǎo)航等算法取代線蟲(chóng)大腦、精密操控活體線蟲(chóng)運(yùn)動(dòng)的新方法，創(chuàng)造出一個(gè)不受束縛的、高度可控的微型軟體機(jī)器人，并將其命名為RoboWorm。

該論文題目為《通過(guò)光遺傳運(yùn)動(dòng)控制秀麗隱桿線蟲(chóng)，實(shí)現(xiàn)活的微型軟體機(jī)器人》（Toward a living soft microrobot through optogenetic locomotion control of Caenorhabditis elegans），由加拿大多倫多大學(xué)機(jī)械與工業(yè)化學(xué)院與Lunenfeld-Tanenbaum研究所合作完成。

“生物本身即最完美的機(jī)器人。”論文第一作者董先科博士告訴智東西，從機(jī)器人學(xué)的角度，這一研究相當(dāng)于做了一個(gè)微米尺度的蛇形機(jī)器人，只不過(guò)用了生物本身的肌肉細(xì)胞作為執(zhí)行器，這使得微型機(jī)器人變得更加靈巧，也更像真正意義上的機(jī)器人。

01.破解微型機(jī)器人的運(yùn)動(dòng)控制技術(shù)瓶頸

學(xué)習(xí)自然生物的運(yùn)動(dòng)是設(shè)計(jì)微型機(jī)器人最有效的策略之一。得益于數(shù)百萬(wàn)年的進(jìn)化，生物們發(fā)展了復(fù)雜的身體結(jié)構(gòu)、高效的能量流動(dòng)和先進(jìn)的運(yùn)動(dòng)控制系統(tǒng)，這些系統(tǒng)超過(guò)了任何人造機(jī)器。這些生物的特性，為各種微型機(jī)器人的設(shè)計(jì)提供了巨大的靈感。

微型機(jī)器人領(lǐng)域在MEMS技術(shù)以及光刻蝕技術(shù)的迭代之下，近十年來(lái)有長(zhǎng)足的發(fā)展，并逐步在靶向給藥、測(cè)量細(xì)胞器模量、輔助精子移動(dòng)人工受孕等場(chǎng)景嘗試應(yīng)用。然而，與自然模型相比，生物啟發(fā)的微型機(jī)器人的結(jié)構(gòu)通常被大幅簡(jiǎn)化，以促進(jìn)微型機(jī)器人的制造和驅(qū)動(dòng)。

因此，這種微型機(jī)器人的性能無(wú)法與生物體相提并論。人類(lèi)若想真正制造尺寸在數(shù)百微米乃至數(shù)微米的受控微型機(jī)器人，目前條件下，仍然存在諸多技術(shù)瓶頸。比如在工藝方面，主要瓶頸在于如何制造裝和配微型機(jī)器人，如何給這么小的機(jī)器人供能。

在原理瓶頸方面，微米環(huán)境里粘滯力和摩擦力比重力大幾個(gè)數(shù)量級(jí)，用什么結(jié)構(gòu)驅(qū)動(dòng)微型機(jī)器人運(yùn)動(dòng)，以完成既定任務(wù)。在控制方面，如何測(cè)量微型機(jī)器人的運(yùn)動(dòng)，構(gòu)成閉環(huán)，如何對(duì)這么小的機(jī)器人實(shí)現(xiàn)精密控制等等，都是當(dāng)前研究面臨的挑戰(zhàn)。現(xiàn)階段學(xué)術(shù)界開(kāi)發(fā)的微型機(jī)器人構(gòu)造相對(duì)簡(jiǎn)單，多為簡(jiǎn)單的、能直接用光刻蝕技術(shù)加工的微結(jié)構(gòu)體，如微納米磁塊、微米螺旋體、微米管等。操控性和功能大都比較有限。

而如果結(jié)構(gòu)過(guò)于復(fù)雜，在微米尺度下，它們即使能夠加工出來(lái)也很難裝配。針對(duì)這些瓶頸問(wèn)題，此次在Science Robotics上發(fā)表的新論文，提出了一種相當(dāng)有“腦洞”的解決方案：用機(jī)器視覺(jué)、運(yùn)動(dòng)控制和導(dǎo)航算法替代生物的大腦，重構(gòu)生物的感官運(yùn)動(dòng)系統(tǒng)，人為控制活體生物的運(yùn)動(dòng)，直接將微米級(jí)生物開(kāi)發(fā)為受控微型機(jī)器人，以完成微米環(huán)境下的特定任務(wù)。

02.結(jié)合機(jī)器視覺(jué)算法，精密控制活體線蟲(chóng)這項(xiàng)研究選擇的生物對(duì)象是秀麗隱桿線蟲(chóng)。秀麗隱桿線蟲(chóng)是生物學(xué)中唯一一個(gè)神經(jīng)元連接映射圖被完全揭示的模型生物，身體透明，成年體長(zhǎng)度約1毫米，寬度約80微米，身體里一共302個(gè)神經(jīng)元。關(guān)于秀麗隱桿線蟲(chóng)的研究分別在2002、2006、2008年產(chǎn)生了三個(gè)諾貝爾獎(jiǎng)。

作為一種軟體生物，線蟲(chóng)的身體每個(gè)地方都能彎曲，擁有無(wú)限自由度。近年來(lái)，隨著人工神經(jīng)網(wǎng)絡(luò)的發(fā)展，人們對(duì)生物本體的神經(jīng)系統(tǒng)信號(hào)傳遞處理的機(jī)理剖析有更迫切的需求。秀麗隱桿線蟲(chóng)也成為神經(jīng)生物學(xué)甚至人工智能學(xué)科的研究熱點(diǎn)之一。通過(guò)一系列生物化學(xué)以及工程手段，該研究將活的線蟲(chóng)變成了可以人為精密控制的微型機(jī)器人。

首先，研究者用化學(xué)方法阻斷了線蟲(chóng)的運(yùn)動(dòng)神經(jīng)元與肌肉細(xì)胞組的信息傳遞，將線蟲(chóng)的神經(jīng)系統(tǒng)暫時(shí)麻醉，使得現(xiàn)場(chǎng)仍然是活的，但它的大腦無(wú)法向肌肉傳達(dá)運(yùn)動(dòng)指令，即無(wú)法控制自身運(yùn)動(dòng)。

然后，通過(guò)機(jī)器視覺(jué)算法實(shí)時(shí)分析線蟲(chóng)的形態(tài)和周?chē)沫h(huán)境，分析結(jié)果，在進(jìn)一步建模和控制算法綜合之后，用光遺傳學(xué)的方法，操縱微米激光束精密協(xié)調(diào)控制肌肉細(xì)胞組群的活動(dòng)，實(shí)現(xiàn)線蟲(chóng)整體的閉環(huán)運(yùn)動(dòng)控制。從而用算法取代線蟲(chóng)的“大腦”，重構(gòu)線蟲(chóng)感官運(yùn)動(dòng)系統(tǒng)對(duì)身體的控制。

具體而言，考慮到照明光強(qiáng)、顯微鏡聚焦?fàn)顟B(tài)、蟲(chóng)子大小等干擾因素，研究人員采集了幾千張自然狀態(tài)的蟲(chóng)子連續(xù)爬行的照片，在此基礎(chǔ)上設(shè)計(jì)機(jī)器視覺(jué)算法。據(jù)董先科介紹，該算法在普通的筆記本電腦上也能實(shí)現(xiàn)50fps的速度，相關(guān)代碼已公開(kāi)。

然后，控制算法會(huì)根據(jù)機(jī)器視覺(jué)算法測(cè)量的物理狀態(tài)，計(jì)算當(dāng)前時(shí)刻需要用多大的激光強(qiáng)度，來(lái)激活或抑制哪組肌肉細(xì)胞，從而操縱線蟲(chóng)向設(shè)定的位置移動(dòng)。為了精密的協(xié)調(diào)控制肌肉收縮，需要激光束有細(xì)胞級(jí)的精度。為此，研究人員改裝了一臺(tái)倒置顯微鏡，并且在上面搭建了一個(gè)激光投影系統(tǒng)。

該系統(tǒng)用數(shù)字微型器件DMD反射473nm的藍(lán)色激光束，搭建一些光學(xué)元件讓激光束透過(guò)顯微鏡物鏡縮小上百倍，然后聚焦在線蟲(chóng)身上，最后通過(guò)給DMD編程來(lái)控制激活或抑制哪些肌肉細(xì)胞。目前這個(gè)系統(tǒng)能夠達(dá)到3微米的投影精度，基本可以實(shí)現(xiàn)對(duì)單個(gè)肌肉細(xì)胞的光遺傳學(xué)操控。

研究者在這種人為改造的活體機(jī)器人上，設(shè)計(jì)算法實(shí)現(xiàn)了線蟲(chóng)在自然狀態(tài)下被觀察到的所有五種運(yùn)動(dòng)模式，并賦予了自然狀態(tài)下線蟲(chóng)沒(méi)有的“全局視覺(jué)”：通過(guò)運(yùn)動(dòng)控制和導(dǎo)航算法，精密操縱線蟲(chóng)機(jī)器人避障，一次性通過(guò)迷宮。

03.為新型蛇形機(jī)器人研究提供新思路

論文第一作者董先科是一位90后青年學(xué)者，2012年在哈爾濱工業(yè)大學(xué)航天學(xué)院自動(dòng)化專(zhuān)業(yè)完成本科學(xué)習(xí)，2014-2019年在加拿大麥吉爾大學(xué)機(jī)械工程系獲得博士學(xué)位，主攻機(jī)器視覺(jué)、微型機(jī)器人，以及機(jī)器人精密操作研究方向。自2019年至今，董先科在加拿大多倫多一家科技公司任算法研發(fā)工程師，負(fù)責(zé)嵌入式高幀率目光跟蹤系統(tǒng)的算法開(kāi)發(fā)，以及在醫(yī)療AR和輔助駕駛場(chǎng)景的應(yīng)用。此前他曾以第一作者身份獲得機(jī)器人領(lǐng)域頂級(jí)學(xué)術(shù)會(huì)議ICRA 2015的最佳會(huì)議論文提名獎(jiǎng)和最佳自動(dòng)化論文提名獎(jiǎng)。

他介紹道，微米環(huán)境下，由于物理定律的尺度縮小效應(yīng)，粘滯力和摩擦力比重力要大幾個(gè)數(shù)量級(jí)。因此微米環(huán)境下的自主運(yùn)動(dòng)模式，比如細(xì)菌的鞭毛運(yùn)動(dòng)、精子的游泳運(yùn)動(dòng)、線蟲(chóng)的蛇形運(yùn)動(dòng)等，與日常宏觀運(yùn)動(dòng)模式有很大區(qū)別。生物擁有靈巧的身體和對(duì)環(huán)境的高度適應(yīng)，具有可靠和高效的天然屬性。將微米環(huán)境里生活的生物改造為微型機(jī)器人，是微型機(jī)器人領(lǐng)域的全新思路，也對(duì)日后人造微型機(jī)器人提供了前瞻性研究。

目前廣義蛇形機(jī)器人的開(kāi)發(fā)往往將其等價(jià)為串聯(lián)桿件模型，用拉格朗日方程進(jìn)行剛體建模。但這種傳統(tǒng)方法忽略了機(jī)器人和環(huán)境復(fù)雜的力學(xué)交互，因此蛇形機(jī)器人運(yùn)動(dòng)速度和效率往往不高。本文通過(guò)建模仿真以及一系列實(shí)驗(yàn)，揭示了線蟲(chóng)在蛇形運(yùn)動(dòng)過(guò)程中肌肉的活性部位與身體的曲率之間存在相位差，并從理論和實(shí)驗(yàn)兩方面驗(yàn)證了此相位差是驅(qū)動(dòng)線蟲(chóng)蛇形爬行的運(yùn)動(dòng)模式的原因。該成果對(duì)新型蛇形機(jī)器人的設(shè)計(jì)建模與控制有重要的指導(dǎo)意義。

最后，本文示范了用微米激光束精密操控肌肉細(xì)胞活性的實(shí)驗(yàn)。此方法對(duì)其他生物癱瘓疾病的治療也有啟示意義。在這項(xiàng)研究中，研究團(tuán)隊(duì)做了很多基礎(chǔ)的動(dòng)力學(xué)研究，研究微米下的“蛇”如何爬動(dòng)。也許將來(lái)某一天能以此為基礎(chǔ)，做出人造的微米蛇形機(jī)器人，將之放到人的血管或者消化道里為人治病。

董先科說(shuō)，他接下來(lái)的研究計(jì)劃是進(jìn)一步設(shè)計(jì)尺寸稍大的人造蛇形機(jī)器人，然后用現(xiàn)在做出來(lái)的模型進(jìn)行控制，因?yàn)楦嗟乜紤]到了機(jī)器人和環(huán)境的力學(xué)交互，預(yù)想可能提升很多方面的性能。另一方面，這個(gè)線蟲(chóng)機(jī)器人可以作為一個(gè)研究線蟲(chóng)神經(jīng)學(xué)的極佳平臺(tái)，比如研究這個(gè)只有302個(gè)神經(jīng)元的模型生物有沒(méi)有習(xí)慣性記憶，或者怎么構(gòu)成習(xí)慣性記憶。據(jù)他透露，有一些與線蟲(chóng)生物學(xué)家合作的課題正在開(kāi)展。

04.結(jié)語(yǔ)：或啟發(fā)線蟲(chóng)神經(jīng)學(xué)及微型機(jī)器人相關(guān)研究

由于生物神經(jīng)系統(tǒng)的工程或重新設(shè)計(jì)具有挑戰(zhàn)性，再加上缺乏準(zhǔn)確描述生物行為的生物力學(xué)模型，大多數(shù)生物混合微型機(jī)器人的設(shè)計(jì)僅涉及簡(jiǎn)單的生物組件，不具備在運(yùn)動(dòng)期間協(xié)調(diào)這些驅(qū)動(dòng)組件的身體級(jí)智能?？傮w來(lái)看，這項(xiàng)將活線蟲(chóng)轉(zhuǎn)化為微型軟體機(jī)器人的新研究，為秀麗隱桿線蟲(chóng)及其他線蟲(chóng)的神經(jīng)學(xué)研究提供了一個(gè)極佳的平臺(tái)，亦對(duì)微米尺度下機(jī)器人的開(kāi)發(fā)亦提供了開(kāi)創(chuàng)性的思路。結(jié)合肌肉活性的熒光成像，該研究還對(duì)微米尺度下蛇形運(yùn)動(dòng)的動(dòng)力學(xué)研究有示范意義。

論文鏈接：https://robotics.sciencemag.org/content/6/55/eabe3950

開(kāi)源地址：https://github.com/BionDong/worm-locomotion-feature-analysis
編輯：jq