软体机器人凭借高柔顺性和对环境的良好适应性，在医疗辅助、人机交互等领域特点是广阔前景。但其连续形变也带来控制难题：在复杂多变的环境中，如何实现稳定、精准的控制，仍是行业关注的关键问题。东南大学机械工程学院副教授唐志强团队的最新研究，为此挑战提供了新的思路。团队借鉴人脑神经系统的工作机制，研究神经元通过突触传递信息并形成连接的方式，并将有关原理转化为机器人控制的数学模型与算法框架。 这套通用学习与控制框架由两类模块构成，分工明确、相互配合。第一类模块侧重特征识别与规律提取，通过摄像头实时捕捉不同软体机器人执行任务时的共性特征，学习位移、轮廓、应变等多维变化背后的控制规律，从而建立跨平台、跨任务的通用控制模型。第二类模块采用基于元学习的梯度算法，根据机器人在任务执行中的实时反馈，自主调整并优化控制指令，实现动态自适应控制。 为验证框架的实用性与通用性，研究团队在三种不同类型的软体机械臂平台上开展了系统验证。在轨迹跟踪、物体操作和形态控制等场景中，该框架均表现出较好的控制精度与稳定性，显示出对不同工作条件的适应能力。 这项研究的意义在于，减少了传统控制方法对特定硬件与单一任务的依赖，为软体机器人的通用化、智能化控制提供了新的基础。通过引入仿生思路，使机器人具备一定的自适应与自学习能力，也为其他复杂系统的控制研究提供了可借鉴的方向。
从长期演化形成的神经系统中获得启发，人们正在逐步破解柔性智能体的控制难题。该跨学科成果不仅为机器人产业带来新的可能，也提示我们：面对前沿技术挑战，“向生命学习”或许比“从零构建”更容易带来突破。未来，随着生物机理与人工智能的深入融合，仿生技术有望推动多个行业的技术路径发生变化。