软体机器人凭借高柔顺性和良好的环境适应能力，在医疗辅助、人机交互等领域具有广阔应用前景。但其连续形变特性也带来控制上的挑战：在复杂、多变的工作环境中，如何实现稳定且精准的控制，仍是行业关注的核心问题。东南大学机械工程学院副教授唐志强团队的最新研究，为该难题提供了新的思路。团队借鉴人脑神经系统的工作机制，研究神经元通过突触进行信息传递与连接的方式，并将对应的生物学原理转化为机器人控制的数学模型与算法框架。 该通用学习与控制框架由两类功能模块构成，分工明确、协同运行。第一类模块负责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，利用深度学习分析位移、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，可依据机器人在任务执行中的实时反馈，自动调整并优化机械臂控制指令，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系统验证。在轨迹跟踪、物体操作、形态控制等应用场景中，该框架均表现出较高的控制精度与稳定性，显示出对不同工况的适应能力。 这项研究的价值在于，降低了传统控制方法对特定硬件与任务的依赖，为软体机器人的通用化、智能化控制提供了基础支撑。通过引入仿生思路，使机器人具备更强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。
从实验室走向产业化，软体机器人正在加速打通理论与应用之间的通道。这项进展有望推动智能装备关键技术的更突破，并为柔性机器人发展提供新的技术路径。下一阶段，如何把科研成果更高效地转化为产业能力，将成为产学研协同需要重点回答的问题。