科技日報北京5月26日電 （記者張佳欣）美國弗吉尼亞理工大學研究團隊開發出一種受大腦神經元啟發的新型計算方法。這種方法被稱為“儲備池計算”，破解了軟體機器人控制難題，首次實現對高速柔性軟體機械臂的有效控制，並在類腦芯片上將能耗降至原來的1/75。這項成果有望推動軟體機器人向更小型、更自主方向發展，未來可應用於醫療、農業、災害搜救和基礎設施檢測等領域。相關研究發表於最新一期《美國國家科學院院刊》。

軟體機器人的靈活程度讓金屬機器人相形見絀，但這種“像生物一樣柔軟”的特性使其極難被控制。與傳統機器人依靠固定關節和預設指令不同，軟體機器人由柔性材料構成，運動方式更加復雜。一個部位的彎曲，可能會改變整個身體的受力狀態，因此很難通過一連串明確命令精確控制。

此次，研究團隊利用三維虛擬工具，設計出一種仿照蛇類身體結構的模擬機械臂。該機械臂採用中央彈性核心，並配備多組類似人類肱二頭肌和肱三頭肌的合成肌肉，這些“肌肉”彼此重疊、協同工作，驅動機械臂完成彎曲、扭轉和伸展等復雜動作。

現有控制方法難以適應這種高度柔軟、變化快速的結構。為解決這一問題，團隊引入了“儲備池計算”的神經計算方法。他們將機械臂運動數據輸入系統，設定目標動作后，通過大量虛擬實驗，讓系統不斷學習不同“人工肌肉”之間如何協同運動。隨著實驗結果持續反饋，一個關於軟體機械臂行為的新模型逐漸形成。

這種方法不僅突破了傳統人工智能和機器學習在軟體機器人控制上的局限，還展現出更高的能效。當研究團隊將系統部署在一種模仿大腦神經元“脈沖”工作的神經形態芯片上后，能耗最多可降低至原來的1/75。

目前，這種“肌肉型”機械臂仍停留在虛擬階段。團隊下一步計劃制造實體原型機，進一步驗証這種控制方法在真實軟體機器人中的效果，希望未來的軟體機器人能像章魚等柔軟生物一樣，擁有更加自然靈活的運動能力。