引用本文

张辉, 李康, 刘立柱, 陈波, 樊叶心, 江一鸣, 王耀南. 面向智能生化实验室的机器人感知、规划与控制技术. 自动化学报, 2025, 51(9): 1899−1921 doi: 10.16383/j.aas.c240714

Zhang Hui, Li Kang, Liu Li-Zhu, Chen Bo, Fan Ye-Xin, Jiang Yi-Ming, Wang Yao-Nan. Robot perception, planning, and control technologies for intelligent biochemical laboratories Acta Automatica Sinica, 2025, 51(9): 1899−1921 doi: 10.16383/j.aas.c240714

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c240714

关键词

机器人技术，智能生化实验室，环境感知，多机器人系统，多机器人协同，多机器人控制，大语言模型，视觉语言模型

摘要

生物制药在保障国计民生和国家安全方面发挥着至关重要的作用, 加快机器人技术、人工智能与生物医学的深度融合, 对于提升新药研发效率、应对公共卫生危机具有重要意义. 在生化实验室中, 随着新药制备流程日益复杂, 机器人技术在高精度液体处理、样品分析和实验自动化等关键操作中发挥着至关重要的作用. 然而, 现有机器人技术在环境感知、协同工作以及动态适应能力等方面仍存在局限性. 近年来, 深度学习、跨模态感知和大模型等领域的快速发展, 使得机器人在复杂生化实验室场景中的应用前景愈加广阔. 本文从智能生化实验室的具体需求出发, 重点探讨机器人在环境感知、任务与运动规划以及协同控制等关键技术方面的最新进展. 随后, 列举在智能生化实验室领域的国内外应用案例, 深入分析机器人技术在实验室环境中的实际应用现状. 最后, 总结智能生化实验室的技术发展趋势及面临的挑战, 为未来研究方向提供参考.

文章导读

保障人民生命健康不仅是重要的民生问题, 也是关乎国家繁荣稳定的公共社会问题, 是民族昌盛和国家强盛的重要标志. 我国《“十四五”生物经济与医药工业发展规划》提出: “重点围绕药品、疫苗、先进诊疗技术和装备、生物医用材料等方向, 提升原始创新能力. 以新一代信息技术赋能医药研发, 探索人工智能、云计算、大数据等技术在研发领域的应用, 通过对生物学数据挖掘分析、模拟计算, 提升新靶点和新药物的发现效率, 缩短研发周期、降低研发成本”. 在此关键时期, 促进生物医药专业知识、人工智能与机器人技术的有机融合至关重要.

生化实验室在科学研究和医学领域扮演着至关重要的角色, 其通过揭示生命物质运行机理, 为新药研发、生物材料等领域提供新的可能. 然而, 目前大多数生化实验室在新药研发、目标化合物高通量筛选和药物配制生产等过程中, 仍以人工作业方式为主, 导致人力、时间和试错成本较高. 其次, 在无菌化新药研制过程中, 由于灭活不彻底导致病菌存在传染性、作业人员长期与病菌接触等因素, 作业人员面临较高的感染风险. 这些挑战不仅降低了新药研发效率, 而且使得新药的质量和安全性难以得到有效保证.

智能机器人技术为解决这些问题挑战提供一种有效的解决方案. 智能机器人具备重复作业、操作精准以及效率高等优点, 能够确保稳定、安全和高通量的生产作业. 在新药研发领域, 智能机器人展现出广泛的发展前景. 例如, 智能机器人可以通过自动化液体处理和样本操作, 实现高通量筛选, 从而快速筛选出具有潜在活性的化合物. 此外, 人工智能技术的快速发展[1]为机器人技术注入新的动力. 例如, OpenAI公司开发的视觉语言大模型CLIP[2]和大语言模型ChatGPT[3-4], 为智能机器人提供了更加坚实的智能基础. 强大的视觉模型增强了机器人在复杂生化实验室场景中的识别能力, 而大语言模型则提升了机器人在复杂实验流程下的推理能力.

因此, 本文聚焦于智能生化实验室中机器人感知作业、任务规划与协作控制等关键技术, 通过系统地回顾和分析现有研究, 总结这些技术在生化实验室中的应用潜力和发展趋势, 并探讨其在提升实验效率和安全性方面的作用. 文章总体框架如图1所示.

图1  文章总体框架

图2  生化实验室发展历程

图3  生化实验室机器人关键技术

本文首先介绍了当前智能生化实验室中前沿的多机器人技术, 包括基于多模态融合的位姿估计技术、利用大模型推理进行的位姿估计方法、基于强化学习的多机器人任务与运动规划技术. 此外, 本文还探讨了基于大语言模型的规划技术和多机器人交互控制技术, 这些技术在提升智能生化实验室操作效率和精准度方面发挥着重要作用. 随后, 本文详细解释了智能生化实验室的典型案例, 分析了这些案例中的关键技术应用和取得的成效. 最后, 总结了智能生化实验室的发展趋势, 探讨了未来在实现高效、智能、协同操作方面所面临的挑战.

作者简介

张辉

湖南大学人工智能与机器人学院教授, 机器人视觉感知与控制技术国家工程研究中心副主任. 2004年、2007年和2012年分别获得湖南大学学士、硕士和博士学位. 主要研究方向为机器人视觉感知与智能控制. E-mail: zhanghui1983@hnu.edu.cn

李康

湖南大学人工智能与机器人学院博士研究生. 2021年、2023年分别获得多伦多大学学士学位、香港理工大学硕士学位. 主要研究方向为双臂机器人任务与运动规划. 本文通信作者. E-mail: kangrobotics@hnu.edu.cn

刘立柱

湖南大学人工智能与机器人学院博士研究生. 2022年获得湖南大学硕士学位. 主要研究方向为高光谱图像, 深度学习和图像处理. E-mail: liulz@hnu.edu.cn

陈波

湖南大学人工智能与机器人学院博士研究生. 2022 年获得郑州大学控制科学与工程专业硕士学位. 主要研究方向为机器人系统运动规划. E-mail: cb233cb@163.com

樊叶心

湖南大学人工智能与机器人学院博士后. 主要研究方向为机器人感知与控制, 深度强化学习和运动规划. E-mail: yexinfan@hnu.edu.cn

江一鸣

湖南大学人工智能与机器人学院副教授, 机器人视觉感知与控制技术国家工程研究中心副研究员. 主要研究方向为多机器人协同控制及应用. E-mail: ymjiang@hnu.edu.cn

王耀南

中国工程院院士, 湖南大学人工智能与机器人学院教授. 1995 年获得湖南大学博士学位. 主要研究方向为机器人学, 智能控制和图像处理. E-mail: yaonan@hnu.edu.cn