科技财经时报2026年02月17日 18:46消息，中国学者首创动态学习框架，实现软体机器人智能控制突破。
软体机器人因其柔顺性高、环境适应能力强，正加速迈向医疗辅助、康复训练、人机协作等关乎民生与安全的关键场景。然而，其“无骨骼、可连续大变形”的本质特性，也带来了建模难、控制难、鲁棒性弱等长期瓶颈——在真实环境中，负载突变、外部扰动甚至执行器局部失效，都可能让精密操作瞬间失准。这一难题，正在被一项跨学科合作所突破。
14日，东南大学对外发布消息：该校联合新加坡国立大学、美国麻省理工学院科研团队，受大脑神经元结构与突触可塑性启发，成功构建出一种面向软体机器人的通用学习与控制框架。该成果已发表于国际顶级期刊《科学进展》（Science Advances），标志着我国在智能软体机器人自主控制基础研究领域取得实质性领跑进展——这不仅是算法层面的优化，更是将生物智能原理向工程系统迁移的一次范式级探索。
“人脑神经元之间靠突触连接并动态调整信息传递强度，这种‘边用边学、越用越准’的能力，正是软体机器人最稀缺的素质。”论文第一作者兼共同通讯作者、东南大学机械工程学院副教授唐志强指出，团队摒弃了传统依赖精确物理模型或海量任务专用训练的路径，转而设计了两类协同模块：一类是视觉驱动的共性特征提取模块，通过摄像头捕捉多种软体机器人在不同任务中的位移、轮廓与应变演化规律，抽象出跨平台、跨任务的底层控制共性；另一类是基于元学习的在线调节模块，能依据实时任务反馈，以梯度方式自主修正控制指令——相当于为机器人装上了一套可自我演化的“神经调控中枢”。
尤为值得重视的是，该框架并非停留于仿真或单一原型验证。研究团队在三种结构迥异的软体机械臂平台（包括气动驱动、电活性聚合物及混合驱动构型）上，同步开展了轨迹跟踪、柔性物体抓取与主动形态重构三类典型任务测试。这种“多平台—多任务—多指标”的严苛验证逻辑，极大增强了成果的工程可信度与技术普适性，也为后续产业转化铺平了现实路径。
实验数据令人振奋：在负载连续变化、桌面突发震动、单个气腔意外漏气等真实干扰下，系统仍保持高度稳定——位置控制绝对误差控制在5毫米以内，形变控制精度达92%以上；相较当前主流的高斯过程控制方法，位置误差降低44%至55%；对比前沿的图像驱动逆运动学方法，形变误差压缩33%至68%。这些数字背后，是控制响应速度、抗扰能力与泛化能力的系统性跃升。可以预见，当这类“类脑自适应控制器”走向手术室、养老院或狭小空间作业现场，软体机器人将真正从实验室展品，蜕变为可信赖的智能伙伴。
