鱼是怎么在湍急的河流中保持位置不被冲走的?
这个看似简单的问题,背后涉及极其复杂的神经计算过程。
现在,来自瑞士洛桑联邦理工学院(EPFL)、美国杜克大学等机构的研究人员不仅破解了这个秘密,还造出了一条能在真实河流中游泳的机器鱼。昨日,这项研究登上了全球机器人领域顶刊《Science Robotics》的封面。

这项研究模拟了斑马鱼视觉运动行为的神经回路,他们创建了名为simZFish的虚拟仿真系统,并最终在80厘米长的物理机器人ZBot上实现了验证。

更厉害的是,这套系统不仅能在实验室环境下重现斑马鱼的行为,还能在瑞士Chamberonne河的急流中自主导航,展现出了从实验室到真实世界的泛化能力。
▍复刻斑马鱼视觉-运动神经通路
要理解这项研究的突破性,得先了解斑马鱼的视动反应(Optomotor Response, OMR)。
当水流将鱼向后推时,鱼眼中看到的景物会向前移动。鱼的大脑检测到这种视觉运动后,会控制身体向前游动来补偿位移,从而保持在原地。这个看似简单的行为,实际上涉及复杂的神经计算。
研究团队使用物理引擎Webots构建了simZFis系统,精确模拟了斑马鱼幼体。这个虚拟鱼包含7个身体节段、双目摄像头作为眼睛,以及完整的流体动力学模拟。

但真正的创新在于神经网络架构。研究人员基于大量实验数据,构建了从视网膜到脊髓的完整神经通路:
视觉处理始于模拟的光敏像素,代表斑马鱼视网膜。通过经典的延迟线模型,人工视网膜能计算运动方向。这些信息被四种方向选择性视网膜神经节细胞(DSGCs)处理,它们分别对上、下、前、后四个方向的运动敏感。
接下来是关键的视觉运动整合。DSGCs的信号传递到对侧的早期顶盖前核(ePT),再激活晚期顶盖前核(lPT)神经元。这些神经元形成了8种镜像对称的功能响应类型,共同控制游泳方向。
最后是运动控制回路。lPT神经元连接到后脑(aHB)和内侧纵束核(nMLF),控制游泳的启动和转向。脊髓中的中央模式发生器(CPG)则产生有节奏的尾部摆动。
这个人工神经网络包含了数百个神经元节点和数千个连接,每个参数都基于真实的神经生物学数据。更重要的是,它以1000Hz的频率实时运行,真正实现了感觉-运动的闭环控制。
▍破解鱼眼光学密码
有了这个数字孪生系统,科学家们可以进行在真实动物身上无法实现的实验。
该研究有一个关于鱼眼的光学特性的发现。通过给simZFish装配不同焦距的镜头(90°、120°、150°视角),研究人员发现视角会显著影响神经活动和行为表现。

此外,还有一个关于视网膜连接模式的发现。
起初,研究人员将所有视网膜区域都连接到下游神经元,结果simZFish的表现很差。通过分析虚拟鱼眼中的光流模式,他们发现了问题所在:
当鱼向前游动时,由于透视畸变,后腹侧视野产生的局部光流方向最一致,而其他区域会产生相互抵消的旋转光流。这解释了为什么真实斑马鱼的OMR主要由后腹侧视野驱动。
"如果进化压力倾向于最小化神经连接,这种配置提供了一个有效的解决方案,"研究人员写道。这一发现揭示了身体形态如何塑造神经架构本身。
simZFish还成功预测了此前未知的神经元类型。当用新的视觉刺激测试时,虚拟鱼表现出了与真实斑马鱼不同的行为。这促使研究人员用双光子钙成像技术在活体斑马鱼大脑中寻找,果然发现了对前向和后向运动有不同偏好的神经元亚型。

将这些新发现的神经元类型加入simZFish后,其行为准确性显著提升。
▍机器鱼抗流实测
虚拟仿真的成功只是第一步。真实世界的复杂性远超任何模拟环境——自然河流中有湍流、浑浊的水、变化的光照,这些都是实验室无法完全重现的。
为此,研究团队打造了ZBot——一个80厘米长、2.7公斤重的物理机器鱼。虽然比真实斑马鱼大得多,但ZBot保留了关键特征:侧面的双目相机、分段式身体、以及最重要的——完全相同的神经控制网络。

研究团队也公布了机器鱼在瑞士Chamberonne河的测试。这条河水流速度约0.5米/秒,河床布满岩石,水流模式复杂多变。
实验中,装载OMR神经网络的ZBot能在水流中保持位置的时间,比关闭视觉系统时长57%,比完全不游动被动漂流时长188%。无人机的俯拍视频显示,ZBot能够自主调整航向对抗水流,执行一系列精确的转向动作来维持位置。
ZBot的成功证明了一个重要观点:在理想实验室条件下发现的神经机制,确实能够在真实世界的复杂环境中发挥作用。
这种方法还可以扩展到其他感觉模态,如机械感觉、本体感觉等。未来的simZFish版本可能会整合电子显微镜重建的连接组数据、光遗传学操作结果,甚至使用机器学习技术来优化行为表现。

这项研究不仅加深了我们对大脑如何控制行为的理解,也为设计新一代智能机器人提供了蓝图。通过在仿真、行为观察、神经成像和机器人测试之间迭代,研究团队展示了综合方法研究感觉运动处理的力量。
从一条小小的斑马鱼开始,科学家们正在解开生命最基本的奥秘之一:大脑如何在物理世界中实现智能行为。而这,可能正是通向真正智能机器的必经之路。
论文地址:
https://www.science.org/doi/10.1126/scirobotics.adv4408