提到章鱼，很多人会想到它的变色能力、高超的伪装技巧，或者从狭小缝隙中逃脱的惊人柔性。但对机器人学家来说，章鱼身上最迷人的特质，是它那八条几乎全由柔性组织构成的手臂，以及隐藏在这些手臂中一套极其特殊的“分布式智能系统”。
为什么说它特殊？因为在章鱼身上，负责感知与运动控制的大量神经元并不集中在脑部，而是广泛分布在外周神经系统，特别是每条手臂的吸盘附近。这意味着，章鱼并不需要“大脑”事无巨细地指挥每一次触、抓、缠绕，手臂和吸盘本身就能完成大量低层级的反应与处理。
近日，发表在Nature Machine Intelligence上的一项研究，就试图将这种原理搬进软体机器人。来自意大利理工学院的研究团队，开发了一条完全基于软材料、由肌腱驱动的仿生机械臂，并让它利用吸盘上集成的光电传感器和一套仿章鱼的分层控制架构，在水下实现了自主、自适应的抓取行为。这项研究最核心的突破，不是单纯地把机器人做成章鱼的形状，而是真正在物理系统和控制逻辑上，尝试复现了生物体“用身体去感知、去决策”的模式。
01.
不只是模仿外形，更要复制神经逻辑
如果只看表面，很多现有的“章鱼仿生机器人”已经做得很像了。它们有柔软触手，也可能有吸盘。但它们的控制方式依然沿用传统模式——所有传感器数据先汇集到中央处理器，经过全局计算后再下达动作指令，这样就与章鱼真正的精华失之交臂了。
章鱼吸盘拥有极为密集的机械感受器，并且每一个吸盘下方都有自己独立的神经节。这构成了一种局部神经回路：吸盘能自行检测接触并触发吸附反射，不一定需要请示上级中枢。只有在需要进行更复杂、目标导向的抓取动作时，更高层的中枢神经系统才会介入规划。
这篇论文提出的人工系统，也严格遵循了这一分层逻辑。整条机械臂被设计为两级控制：
底层是“局部反射回路”。每个传感化吸盘都拥有自己的局部控制器，一旦检测到接触，就能立刻激活该吸盘所在组的负压吸附，几乎零延迟地抓住物体。
上层是“外周协调层”。这一层接收所有吸盘传来的接触方向信息，综合判断目标物体相对于手臂的姿态，并据此决策整条手臂接下来该弯曲、扭转，还是仅保持吸附。
这种架构让机械臂同时具备了“快速反应”和“智能决策”两种能力，也避免了将所有原始信号不间断地扔给主控器计算，极大降低了对通信带宽和中心算力的依赖。更重要的是，这为软体系统的扩展留下了空间——将来增加更多吸盘甚至多条手臂，不再意味着控制负担的指数级上升。
02.
把“触觉”装进柔软吸盘
要实现上述逻辑，吸盘本身必须足够敏锐。研究团队没有采用传统的外置压力传感器或相机视觉，而是直接在吸盘的硅胶柄内嵌入了微型光电传感单元。
每个传感化吸盘的柄部，都有三组交替排列的发光二极管和光电晶体管，朝向一层白色反射面。当吸盘受力变形时，内部光路发生改变，光电晶体管接收到的光强就会产生线性变化。通过读取三路信号的矢量和，系统不仅能知道“有没有接触”，还能同时得出“接触力有多大”以及“接触来自哪个方向”。
章鱼仿生软体机器人臂的结构与控制
这带来了几个关键优势：
高灵敏度与小体积兼顾。在0–2牛顿的轻微力范围内，平均灵敏度达到约395毫伏每牛，足以捕捉软体手臂在操作过程中极其微弱的触碰。而整个传感板直径仅7.3毫米，能够完全嵌入尺寸逐级缩小的吸盘（直径20至12毫米）而不影响机械臂的整体柔顺性。
方向分辨能力。当物体从吸盘边缘的某个局部施加接触时，不同方向的光电通道会产生差异信号。实验表明，在较浅接触深度下，系统对接触方向的估计误差小于18度，这为后续的抓取策略提供了宝贵的矢量信息。
干湿环境无差别工作。得益于光学测量方式以及对环境光的物理屏蔽和差分算法，这些吸盘在空气中和全淹没的水下均保持几乎一致的输出特性，没有出现明显的漂移或灵敏度断崖。
手臂的感官反馈
尤为值得注意的是，由于传感敏感区位于尺寸统一的吸盘柄部，不同口径吸盘之间的信号特性高度一致。这大大降低了整臂集成的标定复杂度，也意味着你可以像章鱼一样，在同一只手臂上装备不同大小的吸盘而不必单独适配参数。
03.
身体先“感知”，再“决定”如何抓取
有了这样的分布式触觉网络，这条手臂在水下的实际表现如何？研究团队设计了一系列越来越开放的任务来检验它。
首先，系统验证了最基本的能力：机械臂能够清晰分辨出被触碰的是哪一个吸盘，并能通过连续触碰力的增加，实时估算接触力。当同一个吸盘在不同边缘位置被按压时，通过三路信号矢量合成出的接触方向也准确指向了刺激来源。
更进一步，测试人员让手臂利用这一方向信息进行主动重新定向。实验中，当近端某个吸盘侧向触碰到目标时，机械臂会自行旋转，直到接触消失或更多吸盘被激活，仿佛它在“追索”目标。
水下抓取不同物体的示例
最后，在完全自主的抓取实验中，一个精巧的工作流浮现出来：目标物体（圆柱形容器、瓶子，甚至仿海星的复杂形状）轻触手臂一侧，被触吸盘在数毫秒内触发吸附，锁住物体；同时，外周控制层开始等待约4秒的观察窗口，综合所有被激活吸盘的位置与方向，计算出物体相对于手臂中心轴线的倾角。然后，系统根据预设的决策规则，驱动肌腱执行腹侧弯曲、背侧弯曲或顺时针/逆时针扭转——用正确的姿态“抱住”目标，而不是简单地靠吸附硬拉。
举个例子，如果多个中段吸盘以倾斜方式接触圆柱体，系统判断物体斜置，便会触发扭转动作，让手臂像卷须一样缠绕上去；如果只是末梢吸盘触碰到一个小型物体，它则倾向于执行背侧弯曲，将物体收回身边。这种因“势”制宜的反应，已经初步具备了生物体在面对非结构化环境时的那种适应感。
04.
结语
为什么要执着于把感知、计算和驱动如此深地嵌入软体？这恰恰是这项工作的意义所在。
很多软体机器人研究在形态上已极为出色，但在实际应用中，它们依然高度依赖外界视觉引导和远程遥控，执行动作时也大多属于开环的预编程姿态。一旦接触条件改变，或者目标飘移，很容易失败。而这项研究给出的启示是：真正的灵活，来源于身体本身就具备感知和反应的能力。当你把“判断权”下放到末端，机器人就不再只是一个被动等待指令的执行器，而成为了能够通过自身感知直接与环境交互的主动体。
从工程角度看，这篇论文也给出了一个兼顾高性能与可集成性的传感解决方案。它不使用昂贵易损的光纤解调仪，不依赖外部相机进行视觉定位，也不需要在硅胶中嵌入大量刚性应变片。商用的微型光电元件、简单的弹性体模制工艺、简洁的总线式走线，让整个系统保持柔软、紧凑和低成本。这种设计思想，对于未来需要在水下搜救、海洋生物采样、脆弱物品操作等场景中大规模部署的软体机器人来说，具有相当的实际价值。
当然，这项研究也还处于概念验证阶段。目前手臂主要针对轻小型物体进行抓取，水下环境也较为平静；肌腱驱动与传感信号之间的微弱耦合虽然被证明为可重复且不干扰决策，但尚未被主动利用为本体感知；多臂协同、肌腱张力反馈等更高阶特性也有待后续开发。不过，正如所有创新性工作一样，它已经为“软体机器人自主操控”这个开放挑战，打开了一扇新的窗户。
