提到章魚，很多人會想到它的變色能力、高超的偽裝技巧，或者從狹小縫隙中逃脫的驚人柔性。但對機器人學家來說，章魚身上最迷人的特質，是它那八條幾乎全由柔性組織構成的手臂，以及隱藏在這些手臂中一套極其特殊的“分布式智能系統”。

為什么說它特殊？因為在章魚身上，負責感知與運動控制的大量神經元并不集中在腦部，而是廣泛分布在外周神經系統，特別是每條手臂的吸盤附近。這意味著，章魚并不需要“大腦”事無巨細地指揮每一次觸、抓、纏繞，手臂和吸盤本身就能完成大量低層級的反應與處理。

近日，發表在Nature Machine Intelligence上的一項研究，就試圖將這種原理搬進軟體機器人。來自意大利理工學院的研究團隊，開發了一條完全基于軟材料、由肌腱驅動的仿生機械臂，并讓它利用吸盤上集成的光電傳感器和一套仿章魚的分層控制架構，在水下實現了自主、自適應的抓取行為。這項研究最核心的突破，不是單純地把機器人做成章魚的形狀，而是真正在物理系統和控制邏輯上，嘗試復現了生物體“用身體去感知、去決策”的模式。

01.

不只是模仿外形，更要復制神經邏輯

如果只看表面，很多現有的“章魚仿生機器人”已經做得很像了。它們有柔軟觸手，也可能有吸盤。但它們的控制方式依然沿用傳統模式——所有傳感器數據先匯集到中央處理器，經過全局計算后再下達動作指令，這樣就與章魚真正的精華失之交臂了。

章魚吸盤擁有極為密集的機械感受器，并且每一個吸盤下方都有自己獨立的神經節。這構成了一種局部神經回路：吸盤能自行檢測接觸并觸發吸附反射，不一定需要請示上級中樞。只有在需要進行更復雜、目標導向的抓取動作時，更高層的中樞神經系統才會介入規劃。

這篇論文提出的人工系統，也嚴格遵循了這一分層邏輯。整條機械臂被設計為兩級控制：

底層是“局部反射回路”。每個傳感化吸盤都擁有自己的局部控制器，一旦檢測到接觸，就能立刻激活該吸盤所在組的負壓吸附，幾乎零延遲地抓住物體。

上層是“外周協調層”。這一層接收所有吸盤傳來的接觸方向信息，綜合判斷目標物體相對于手臂的姿態，并據此決策整條手臂接下來該彎曲、扭轉，還是僅保持吸附。

這種架構讓機械臂同時具備了“快速反應”和“智能決策”兩種能力，也避免了將所有原始信號不間斷地扔給主控器計算，極大降低了對通信帶寬和中心算力的依賴。更重要的是，這為軟體系統的擴展留下了空間——將來增加更多吸盤甚至多條手臂，不再意味著控制負擔的指數級上升。

02.

把“觸覺”裝進柔軟吸盤

要實現上述邏輯，吸盤本身必須足夠敏銳。研究團隊沒有采用傳統的外置壓力傳感器或相機視覺，而是直接在吸盤的硅膠柄內嵌入了微型光電傳感單元。

每個傳感化吸盤的柄部，都有三組交替排列的發光二極管和光電晶體管，朝向一層白色反射面。當吸盤受力變形時，內部光路發生改變，光電晶體管接收到的光強就會產生線性變化。通過讀取三路信號的矢量和，系統不僅能知道“有沒有接觸”，還能同時得出“接觸力有多大”以及“接觸來自哪個方向”。

章魚仿生軟體機器人臂的結構與控制

這帶來了幾個關鍵優勢：

高靈敏度與小體積兼顧。在0–2牛頓的輕微力范圍內，平均靈敏度達到約395毫伏每牛，足以捕捉軟體手臂在操作過程中極其微弱的觸碰。而整個傳感板直徑僅7.3毫米，能夠完全嵌入尺寸逐級縮小的吸盤（直徑20至12毫米）而不影響機械臂的整體柔順性。

方向分辨能力。當物體從吸盤邊緣的某個局部施加接觸時，不同方向的光電通道會產生差異信號。實驗表明，在較淺接觸深度下，系統對接觸方向的估計誤差小于18度，這為后續的抓取策略提供了寶貴的矢量信息。

干濕環境無差別工作。得益于光學測量方式以及對環境光的物理屏蔽和差分算法，這些吸盤在空氣中和全淹沒的水下均保持幾乎一致的輸出特性，沒有出現明顯的漂移或靈敏度斷崖。

手臂的感官反饋

尤為值得注意的是，由于傳感敏感區位于尺寸統一的吸盤柄部，不同口徑吸盤之間的信號特性高度一致。這大大降低了整臂集成的標定復雜度，也意味著你可以像章魚一樣，在同一只手臂上裝備不同大小的吸盤而不必單獨適配參數。

03.

身體先“感知”，再“決定”如何抓取

有了這樣的分布式觸覺網絡，這條手臂在水下的實際表現如何？研究團隊設計了一系列越來越開放的任務來檢驗它。

首先，系統驗證了最基本的能力：機械臂能夠清晰分辨出被觸碰的是哪一個吸盤，并能通過連續觸碰力的增加，實時估算接觸力。當同一個吸盤在不同邊緣位置被按壓時，通過三路信號矢量合成出的接觸方向也準確指向了刺激來源。

更進一步，測試人員讓手臂利用這一方向信息進行主動重新定向。實驗中，當近端某個吸盤側向觸碰到目標時，機械臂會自行旋轉，直到接觸消失或更多吸盤被激活，仿佛它在“追索”目標。

水下抓取不同物體的示例

最后，在完全自主的抓取實驗中，一個精巧的工作流浮現出來：目標物體（圓柱形容器、瓶子，甚至仿海星的復雜形狀）輕觸手臂一側，被觸吸盤在數毫秒內觸發吸附，鎖住物體；同時，外周控制層開始等待約4秒的觀察窗口，綜合所有被激活吸盤的位置與方向，計算出物體相對于手臂中心軸線的傾角。然后，系統根據預設的決策規則，驅動肌腱執行腹側彎曲、背側彎曲或順時針/逆時針扭轉——用正確的姿態“抱住”目標，而不是簡單地靠吸附硬拉。

舉個例子，如果多個中段吸盤以傾斜方式接觸圓柱體，系統判斷物體斜置，便會觸發扭轉動作，讓手臂像卷須一樣纏繞上去；如果只是末梢吸盤觸碰到一個小型物體，它則傾向于執行背側彎曲，將物體收回身邊。這種因“勢”制宜的反應，已經初步具備了生物體在面對非結構化環境時的那種適應感。

04.

結語

為什么要執著于把感知、計算和驅動如此深地嵌入軟體？這恰恰是這項工作的意義所在。

很多軟體機器人研究在形態上已極為出色，但在實際應用中，它們依然高度依賴外界視覺引導和遠程遙控，執行動作時也大多屬于開環的預編程姿態。一旦接觸條件改變，或者目標飄移，很容易失敗。而這項研究給出的啟示是：真正的靈活，來源于身體本身就具備感知和反應的能力。當你把“判斷權”下放到末端，機器人就不再只是一個被動等待指令的執行器，而成為了能夠通過自身感知直接與環境交互的主動體。

從工程角度看，這篇論文也給出了一個兼顧高性能與可集成性的傳感解決方案。它不使用昂貴易損的光纖解調儀，不依賴外部相機進行視覺定位，也不需要在硅膠中嵌入大量剛性應變片。商用的微型光電元件、簡單的彈性體模制工藝、簡潔的總線式走線，讓整個系統保持柔軟、緊湊和低成本。這種設計思想，對于未來需要在水下搜救、海洋生物采樣、脆弱物品操作等場景中大規模部署的軟體機器人來說，具有相當的實際價值。

當然，這項研究也還處于概念驗證階段。目前手臂主要針對輕小型物體進行抓取，水下環境也較為平靜；肌腱驅動與傳感信號之間的微弱耦合雖然被證明為可重復且不干擾決策，但尚未被主動利用為本體感知；多臂協同、肌腱張力反饋等更高階特性也有待后續開發。不過，正如所有創新性工作一樣，它已經為“軟體機器人自主操控”這個開放挑戰，打開了一扇新的窗戶。