通用学习新框架解决软体机器人控制难题

东南大学与新加坡国立大学、美国麻省理工学院团队联合研发了一种面向软体机器人的通用学习与控制框架。[1][2] 该框架创新性地模拟了大脑神经元的结构和神经突觸的可塑性，为长期困扰软体机器人领域的控制难题提供了新的解决方案。

软体机器人由于材料特性复杂、形变能力强，传统的刚性控制方法难以适应其多样化的运动需求。这一新框架的提出标志着机器人控制理论向生物学习机制靠近的重要进展。

该通用学习与控制框架包含两类关键模块，各自承担不同的功能职责。[1]

第一类模块采用摄像头技术捕捉不同软体机器人在执行各类任务时的共性特征，通过深度学习分析机器人位移、轮廓、应变等多维度的变化规律，建立起适用于多种软体机器人的共性控制规律库。

第二类模块基于元学习的梯度优化方法构建，使框架能够快速适应新的软体机器人类型和任务场景。这种设计使得系统具备了高度的通用性和迁移能力。

这项研究成果是国际学术界在软体机器人领域的重要突破，反映了当前具身智能技术的快速演进。[1][2] 东南大学与新加坡国立大学、美国麻省理工学院的深度合作，整合了多个顶尖研究机构的学科优势与资源，共同致力于解决软体机器人的通用控制问题。

该框架的成功开发为后续软体机器人在工业应用、医疗辅助、日常服务等领域的推广奠定了坚实的技术基础。

在软体机器人控制框架取得突破的同时，整个具身智能产业正在加速发展。[1][2] 以北京人形机器人创新中心自主研发的"具身天工Ultra"等产品为代表，国产机器人技术不断刷新全球技术上限。同时，OpenLoong控制框架等开源系统的推出，为整个机器人生态提供了通用的技术底座。[3]

这些创新成果共同推动了机器人从实验室走向实际应用，使其逐步融入日常生活的各个角落，为美好生活赋能。