近日，中国科学技术大学工程科学学院、人形机器人研究院王洪波研究员课题组受章鱼触手肌肉驱动与本体感知机制启发，研发出一种集驱动与感知于一体的全向软体触手。该触手能够实现全向弯曲运动，借助人工肌肉内部双螺旋导电纤维线圈的自感知反馈实时重建自身三维形态，并可在完全黑暗和负载条件下完成精准轨迹跟踪。研究团队通过单触手与双触手系统完成了物体分拣、咖啡制作与表面清洁等任务，为自感知人工肌肉从单一驱动单元走向具备自主感知、闭环控制与协同操作能力的智能软体机器人系统提供了新的设计思路（图1）。7月8日，该成果以“Octopus-inspired perceptive soft tentacles for versatile coordinated manipulation”为题正式发表在Cell Press旗下期刊《器件》(Device)上。

图1 全向感知软体触手的系统架构及应用

全向软体触手的自主感知与三维形态重建

面向复杂环境中的柔顺操作需求，软体触手不仅需要具备灵活的大范围变形能力，还需要实时获取自身姿态。然而，由于软体结构具有高自由度、大变形和强非线性等特点，其空间形态往往难以准确描述；外部视觉又容易受到遮挡、光照和空间条件限制，而额外集成传感器还可能增加结构与布线的复杂度。因此，如何在保持柔顺性的同时，让软体触手准确感知自身形态，成为实现精准控制与复杂操作的关键。

针对这一问题，基于前期自感知人工肌肉研究，团队将三根双螺旋纤维增强人工肌肉组合成仿生肌肉束。当不同人工肌肉产生差异伸长时，触手便可以向不同方向自由弯曲。更巧妙的是，缠绕在人工肌肉内部的导电纤维不仅能够约束和引导肌肉变形，还像一套内置的“感知网络”，通过电感变化实时反映人工肌肉的伸缩状态。

由此，触手在运动过程中也能够持续感知自身的形变状态。但仅仅获取肌肉的伸缩变化还不够，团队还希望让触手真正“知道自己弯成了什么样”。基于自建的多相机视觉标定平台，研究人员采集了触手在无负载下不同姿态的感知信号与空间形态数据，并据此训练了形态获取网络，建立了自感知信号与三维形态之间的数据驱动映射关系。仅依靠自身的感知信号，触手便能够实时重建自身三维形态，归一化平均重建误差约为1.6%；为进一步验证该方法的泛化能力，在40克（自重的0.87倍）负载条件下进行了测试，整条触手多个动态点的平均重建误差为1.56毫米。此外，在外力牵拉造成的被动变形以及快速气压切换引起的高速运动条件下，系统依然能够连续感知自身姿态变化并实时重建三维形态。这意味着，这条柔软的触手不仅能够感知主动运动，还能捕捉被动形变和快速动态变化，真正具备了“感知自身形状”的能力（图2）。

图2 全向感知软体触手的设计原理、形状感知及快速三维重建

本体感知驱动的精准轨迹跟踪

能够“知道自己弯成什么样”只是第一步，更关键的是让触手能够依据自身感知实现精准运动。基于实时三维形态重建，团队进一步构建了感知驱动的闭环控制框架，使触手能够利用自身感知反馈不断修正运动状态，实现多种轨迹的精准跟踪。在自身感知反馈的帮助下，软体触手能够在无视觉以及负载条件下完成T形、C形、方形、H形、心形、圆形和8字形等多种轨迹跟踪。不同负载条件下，轨迹跟踪平均绝对误差小于1.514毫米，展现出良好的控制精度与稳定性。

面向日常场景的多任务协同操作

在实现自主感知与精准轨迹跟踪的基础上，团队进一步将全向感知软体触手用于多种日常物体操作任务。单触手末端集成柔性吸盘后，可利用自身形变产生的感知信号判断接触状态，并完成咖啡制作、多物体吸取与分类等连续操作；面对不同形状和尺寸的目标时，还能够主动调整自身姿态与吸盘角度，提高对异形物体的接触适应能力。

进一步地，两条软体触手组成双触手协同系统，可通过抓取过程中的形变变化感知不同物体的尺寸，并完成吐司制作、寿司与酱料盒抓取等任务。即使面对柔软、易变形的海绵，双触手也能感知持续接触状态，并完成擦盘子操作，体现出对柔性物体和复杂接触过程的良好适应性（图3）。

图3 全向感知软体触手的多任务操作演示

中国科学技术大学工程科学学院博士生汪宇峰为论文第一作者。中国科学技术大学工程科学学院、人形机器人研究院王洪波研究员为论文通讯作者。该项研究工作得到了国家自然科学基金项目、中国科学院引才计划青年项目、中国科学技术大学高层次人才引进计划、安徽省科技攻坚计划重大项目、中央高校基本业务费以及人形机器人研究院重点项目的支持。

近年来，该团队围绕自感知人工肌肉与智能软体机器人持续开展研究，提出了集驱动与长度感知于一体的双螺旋纤维增强气动人工肌肉（IROS 2024），并以此构建多模态柔性移动机器人。通过机器学习分析移动机器人的自感知信号，机器人可识别不同外界刺激，识别准确率达到99.28%，并实现爬行、转向、侧移、翻滚以及环境感知与自适应运动，成果以“A soft perceptive multimodal locomotion robot via double-helix fiber reinforced artificial muscles”发表于《The Innovation》。此外，团队还研发了兼具本体感知与触觉感知能力的仿生软体手指，实现了弯曲形变与接触力的自解耦感知，并可用于物体软硬度识别、触诊及人体把脉。成果以“Toward human-like touch sense via a bioinspired soft finger with self-decoupled bending and force sensing”发表于《Cell Reports Physical Science》。