全球首个活体机器人诞生：蟾蜍细胞构建，进化算法设计，能动能自愈

2020 年 1 月 15 日 机器之心

机器之心报道

参与：一鸣、杜伟、泽南

克隆已经不能让我们满足了，人类正在尝试直接用生物细胞制造出软体「机器人」，而且还成功了。近日，全球首个活体机器人诞生的新闻让世人惊艳。

迄今为止，人们创造出的大多数「机器」都是由金属、塑料、混凝土等材料制造的。但对于很多工作来说，由生物体进行造物或许才是最好的方法。例如，将药物精准释放在人体的特定位置而不损伤健康的组织。近日，美国佛蒙特大学的研究者使用进化算法研制了一种名为「Xenobot」的生物机器人。它由生物细胞构成，可进行编程修改、自由移动，即使被切开也能够自动愈合。

以下是 Xenobot 生物机器人的效果展示：

显微镜下正在缓慢移动的 Xenobot。

Xenobots 能够集体行动（转圈圈）。

Xenobot 能够推动外部对象。

Xenobot 在被切开后还能够自动修复。

虽然形态还很原始，尺寸也很小，但 Xenobot 已经向我们展示了科幻电影里「生物机器人」该有的所有功能，除了自我复制。据悉，设计可编程器官的代码已经开源。

论文地址：https://www.pnas.org/content/early/2020/01/07/1910837117
开源地址：https://github.com/skriegman/reconfigurable_organisms

用进化算法进行设计

研究者表示，设计这种生物机器人使用了人工智能领域的进化算法。

图 1：使用 AI 设计和组装可编程器官的过程。

首先，研究者会定义一个行为目标（如最大化的移动），并提供两种构建块（红色：可收缩的细胞，以及青蓝色：被动细胞）。红色的构建块通过生物方式完成活体机器人必要的功能（如移动等）。只有将这两种细胞通过特定的设计有机结合起来，才能做成一个功能正常的生物机器人。

整个设计机器人的过程是使用进化算法进行控制的。这一进化算法的目标是用来发现各种能够将两种构建块组合起来的方法，使其能够达到行为目标。这一算法在开始有随机的样本量，然后每种设计都会放在虚拟物理环境下进行模型，并自动被打分。表现不好的设计被删除，由表现更好的设计的随机改造副本代替。这一过程被重复多次，用于生成性能更好的、各种各样的设计。

进化算法在佛蒙特大学先进计算中心的 Deep Green 超级计算集群上进行了数月的处理，为新的生命形式创建了数千个候选设计。

图 2：使用进化算法进行设计、物理模拟和打分的过程图示。

当然，虚拟物理环境和目标物理环境有很大的不同，因此这些设计都会经过一个鲁棒性过滤器，过滤掉那些在噪声中不能够保留要求行为的设计。

保留下来的设计会再经过一个 build 过滤器，这个过滤器会移除那些无法通过现有的方法构建，或者没有对未来更复杂任务有扩展性的设计。

从干细胞到生物机器人

通过了 build 过滤器的设计会被用于建立活体组织。具体流程如下：

构建 Xenobot 的第一步是：显微注射受精的非洲爪哇胚胎（直径 1.15-1.2 毫米）。

第二步：在 14°C 条件下培养 24 小时后，用显微手术钳子取出每个胚胎的卵黄膜。

第三步：使用显微钳取出每个胚胎的动物帽（animal cap），然后在离解媒质中培养 10 分钟。

第四步：将离解内细胞与外细胞分离。

第五步：轻轻搅动剩余组织，以更好地进行离解。

第六步：大量的细胞转化为琼脂糖壁（agarose well），使得细胞再聚合。

第七、八步：重新粘附时细胞集合体逐渐压缩，然后在 14°C 条件继续培养两天。

第九步：使用微烧灼设备调整 Xenobot 的形状。

最后一步：使用显微手术钳确定最后的造型。

最后的产物是一个活体的，和设计在三维结构类似的活体机器人。这种机器人在没有额外营养的情况下能自我移动，在水状环境中探索数天到数周时间。

图 3：按照设计设计出来的活体机器人形态和运动轨迹。

这种设计出来的机器人有什么样的功能和特性？研究团队表示，它们能够自我移动、探索、协作，哪怕被切开也能够自动愈合。惊人的是，这些生物机器人还展现出了协同能力，如共同绕圈、推动物体移动。

这种生物机器人移动时留下的轨迹一览。这些简单的细胞机器人展示出了惊人的复杂行为特性。

一些设计中可以看到，这些机器人是有中空结构的，这意味着他们可以携带一些物体（如药物）到指定区域。

这些生物机器人的特性和功能无疑在医疗、生物学、化学等领域有很高的研究价值和前景。

研究团队——主要作者有计算机科学背景

Xenobot 的研究登上了最新一期的美国国家科学院期刊 PNAS。制造出首个「活体机器人」的科研团队，来自美国佛蒙特大学（the University of Vermont）和塔夫斯大学。第一作者 Sam Kriegman 是佛蒙特大学计算机科学院的一名在读博士，他的导师则是计算机科学院的 Josh Bongard。