一個軟的機器人連接在一個氣球上，它潛入到一個透明的水柱中，潛入水底，浮出水面，然后再潛入水底，再浮出水面，就像一條在追逐蒼蠅的魚。軟機器人以前也做過這種把戲，但與大多數軟性機器人不同，這款軟機器人的制造和操作過程均沒有硬的部件或電子部件。在機器人的氣球內部，一臺柔軟的橡膠電腦正在指揮氣球要在什么時候上升或者下降。這是軟機器人首次完全依賴于軟數字邏輯。

在過去的十年里，軟機器人已經進入了以往以金屬為主的機器人領域。橡膠硅膠材料制成的夾持器已經在生產線上得到了應用：這些緩沖爪可以處理番茄、芹菜和香腸等脆弱的蔬果，也可以從板條箱中取出瓶子和毛衣。在實驗室里，這些鉗子可以捕捉粘滑的魚、活老鼠，甚至昆蟲，減少更多的人類活動。

軟機器人需要的控制系統已經比硬機器人的更簡單。軟機器人的爪非常地柔軟，它們甚至不能施加足夠的壓力來破壞一個物體，因此軟機器人沒有必要校準壓力，一個簡單的開關就足夠了。但到目前為止，大多數軟機器人仍然會依賴于一些硬件：一個用于控制空氣通道的金屬閥門(這個空氣通道負責控制橡膠爪和手臂)，以及一個告訴這些閥門什么時候開關的計算機。

現在，研究人員只用橡膠和空氣就制造了這樣的一臺軟計算機。“我們只使用軟材料和氣動信號來模擬電子計算機的思維過程，用壓縮空氣代替電子，”丹尼爾·j·普雷斯頓(DanielJ.Preston)說，丹尼爾是在美國國家科學院院刊發表的論文的第一作者，同時他還是一名博士后研究員，與喬治·懷特賽茲(GeorgeWhitesides)一起進行研究工作，喬治是哈佛大學威斯生物啟發工程研究所的創始核心教員，也是哈佛大學化學和化學生物學系主任伍德福德·l·弗勞爾斯和安·a·弗勞爾斯大學教授

為了做出決定，計算機會使用數字邏輯門，即接收信息(輸入)并根據編程確定反應(輸出)的電子電路。我們的神經回路與此相比也并沒有太大的不同：當醫生擊打我們膝蓋骨下的肌腱(輸入)時，神經系統就會按設定“抽搐”(輸出)。

普雷斯頓的軟計算機使用硅膠管和壓縮空氣模擬了這個系統。為了達到復雜操作所需邏輯門的最小類型(在這個例子中是“否”，“和”，“或”三個)，他對軟閥進行了編程，使其能對不同的空氣壓力做出反應。例如，對于“否”的邏輯門，如果輸入是高壓，輸出將是低壓。普雷斯頓說，有了這三個邏輯門，“你可以復制在任何電子計算機上發現的任何行為。”

例如，在水箱中漂浮著的像魚一樣的機器人，使用一個環境壓力傳感器(一個改進的“否”邏輯門)來決定采取什么行動。當回路感應到水箱頂部的低壓時，機器人會下潛;當回路感應到水箱深處的高壓時，機器人會上浮。如果有人按下外部的軟按鈕的話，機器人也可以根據指令浮出水面。

全身只有軟部件的機器人有幾個好處。在工業環境中，如汽車工廠，大型金屬機器以盲速和功率運行。如果有一個人擋道，一個硬機器人可能會造成無法彌補的傷害。但是如果一個軟機器人撞上了人，普雷斯頓說，“你就不用擔心受傷或者出現災難性的事故了。它們只能施加有限的力量。”

但軟機器人不僅更安全：它們通常也更便宜，制作也更簡單，重量更輕，抗損壞和耐腐蝕并且還耐用。加上人工智能智能和軟機器人可以做的不僅僅是處理西紅柿。例如，機器人可以感知用戶的體溫，并發出輕微的擠壓來表示用戶有可能發燒，當水壓過高時向潛水員發出警報，或者在自然災害后清理廢墟，以幫助尋找受害者并提供援助。

軟機器人也可以冒險進入電子產品不能應對的領域：高輻射領域，比如核故障后產生的輻射領域或外太空輻射領域，以及核磁共振成像機內部。在颶風或洪水過后，一個強壯的軟機器人可以應對危險的地形和有毒的空氣。普雷斯頓說：“如果它被汽車輾過，它還是會繼續前進，這是我們用硬機器人所做不到的事。”

普雷斯頓和他的同事并不是第一個在沒有電子設備的情況下控制機器人的人。其他研究團隊業已經設計了微流體電路，它可以使用液體和空氣來創建非電子邏輯門。一個微流體振蕩器可以幫助一個柔軟的章魚形機器人拍打其所有8條手臂。

然而，微流體邏輯電路往往依賴于玻璃或硬塑料等硬材料，它們使用的是非常細的通道，一次只能通過少量空氣，這減慢了機器人的運動速度。相比之下，普雷斯頓的通道更大——直徑接近1毫米——這使得空氣流速更快，他的氣爪可以在幾秒鐘內抓住一個物體。

微流體電路的能源效率也較低。即使在休息的時候，這些設備也會使用一個氣動電阻(它將空氣從大氣中輸送到真空或壓力源)，以保持靜止狀態。而普雷斯頓的電路在休眠時則不需要能量輸入，在機器人遠離可靠能源的緊急或災難情況下，這種節能可能至關重要。

這種柔軟的氣動機器人還提供了一種誘人的可能性：隱形。根據普雷斯頓選擇的材料，他可以設計出與特定物質指數匹配的機器人。所以，如果他選擇了一種能在水中偽裝的材料，機器人在水下就會顯得透明。在未來，他和他的同事希望創造出肉眼甚至聲納探測都看不見的自主機器人。“這只是關乎到選擇正確材料的問題，”他說。

對普雷斯頓來說，合適的材料是彈性體或橡膠。當其他領域用機器學習和人工智能來追求更高的能力時，Whitesides團隊卻避開了日益增加的復雜性。普雷斯頓說：“這里面有很多功能，但退一步想想是不是有一種更簡單的方法可以讓你得到同樣的結果也是件好事，尤其是如果它不僅更簡單，而且也更便宜的話。”

聲明：本文為轉載類文章，如涉及版權問題，請及時聯系我們刪除（QQ:2737591964），不便之處，敬請諒解！