软体机器人一直被认为更适合进入狭窄、复杂、易损的真实环境。问题是，越柔软，也往往越难稳住。

风一吹，结构可能摆动；底座一加速，末端可能甩动；如果还要托起物体，任何微小扰动都可能被放大成持续振荡。

中山大学与清华大学团队最近给出了一个新的解法：不需要给软体机器人外接摄像头或额外传感器，而是让一片超薄软体肌肉自己感知、自己驱动，再通过强化学习学会在扰动中保持稳定。

这片器件被称为超薄神经形态石墨烯软体肌肉（Soft Graphene Muscle，SGM），厚度仅106.8±2.79 μm。它把自感知、电热驱动和抗扰动控制集成在同一个柔性结构中，可以抓取、响应触碰、抗风振，还能像强化学习经典任务Cart-Pole中的智能体一样，持续调整姿态，稳住一个比自己还重的杆状物体。

相关论文以“Ultrathin neuromorphic soft muscle integrating sensing and disturbance robustness for adaptive object balancing”为题，发表于eScience。

作者团队：中山大学 × 清华大学

第一作者：陈绿洁，中山大学生物医学工程学院硕士研究生。

通讯作者：乔彦聪，中山大学生物医学工程学院副教授；周建华，中山大学生物医学工程学院教授；吴嘉宁，中山大学先进制造学院教授；任天令，清华大学集成电路学院教授。

01.

超薄软体机器人，不是会动就够了

传统机器人通常有清晰的刚性结构、独立传感器和驱动器。控制系统可以通过视觉、力传感器或编码器获取状态，再根据模型输出动作。

软体机器人面对的是另一套问题。它的结构连续变形，自由度无限，材料非线性明显。对于厚度很小的超薄软体机器人来说，这种问题会被进一步放大：质量小、刚度低、阻尼弱，环境中很轻微的气流、振动或基座运动，都可能让结构持续摆动。

这也是软体机器人走向真实部署时经常被低估的一环：能弯曲、能抓取，只是第一步；在外界扰动下还能持续稳定完成任务，才是真正接近应用的能力。

过去，很多软体机器人闭环控制需要外部摄像头、额外应变传感器或预先建立动力学模型。这些方法虽然有效，但也会带来系统复杂、体积增加、部署环境受限等问题。

因此，这项工作的核心问题并不是“再做一个更薄的执行器”，而是回答：能不能让软体材料如同生物一般同时承担感知、驱动和反馈控制的一部分？

02.

一片石墨烯软体肌肉，自己感知自己

SGM采用PI/PET/LIG/PDMS四层结构。其中，激光诱导石墨烯（LIG）是关键功能层。

当SGM被拉伸、弯曲或触碰时，LIG的多孔导电网络会发生接触变化，电阻随之改变。系统读取这一路电阻信号，就能知道软体肌肉当前的形变和扰动状态。换句话说，它把“本体感觉”做进了材料结构里。

同一层LIG还承担了驱动功能。通电后，LIG产生焦耳热，PDMS与PET等层之间的热膨胀失配会推动器件弯曲。同时超薄的厚度能够极大提高器件的响应速度。这样一来，SGM不是传感器加执行器的简单拼接，而是用同一套结构完成“感觉”和“行动”。

实验中，SGM在1%—4%应变范围内表现出稳定电阻响应，灵敏度系数GF达到9.65；在上千次循环拉伸中，信号仍保持良好一致性。驱动方面，器件可通过电压调节弯曲角度，并在结构优化后获得更平滑的热分布和连续变形。

从机器人系统角度看，这种集成方式的意义在于：闭环控制所需的状态信息不再完全依赖外部视觉或额外贴片传感器，而是直接来自软体执行器自身，同时量化了软体机器人的触觉。

SGM的结构设计、形态与材料表征。
 

SGM的传感与驱动性能。
 

SGM的传感与驱动性能。

03.

会抓取，也会像含羞草一样局部响应

有了自感知和电热驱动，SGM首先被验证为一个轻量、柔顺的软体末端执行器。它可以完成小型物体的抓取、抬升、转移和释放，并稳定操控质量达到自身1.27倍的长方体。

更重要的是，超薄结构让它能够进入更狭窄的空间。实验中，SGM进入宽度仅26 mm的通道，完成原位抓取并取回目标物体。对于管道、微型操作、紧凑模块等场景，这种薄、轻、可弯曲的形态具有天然优势。

团队还设计了四分支SGM结构，做出类似含羞草的局部触觉响应。当某个分支被触碰，对应区域的电阻变化会触发该分支弯曲。这个过程不需要外部摄像头，也不需要复杂图像识别，而是通过器件自身电阻变化完成“哪里被碰到，哪里做出反应”的映射。

这一步验证的不是单一动作，而是一个更关键的能力：软体执行器开始具备由自身状态触发自身动作的闭环雏形。

04.

强化学习接管：让软体肌肉从“被风吹动”到“主动抗风”

真正的难点出现在扰动环境中。柔性结构遇到气流后会持续摆动，单靠开环驱动很难稳定。

为此，团队构建了基于近端策略优化（PPO）的强化学习控制框架。四个SGM分支的实时电阻信号作为状态输入，不同分支的驱动组合作为动作输出。智能体根据电阻变化判断当前姿态是否稳定，并选择合适驱动方式来抵消振荡。

这套逻辑很接近生物肌肉的反馈调节：外界扰动先改变软体肌肉形态，形态变化转化为电阻信号，算法再根据这些信号调整驱动动作。

在2.5 m/s气流扰动下，未控制的SGM会出现明显摆动；经过PPO训练后，平均姿态波动范围从4.34±0.50 mm降低到1.35±0.50 mm，波动幅度降低62.93±16.08%。与随机驱动相比，PPO控制进一步降低49.47±25.69%。

也就是说，SGM不是被动“扛住风”，而是在感知到自身形变后主动选择动作，逐步学会把摆动压下去。

基于PPO的SGM气流抗扰动控制框架与实验结果。
 

05.

软体版Cart-Pole：稳住倒立杆超过13小时

如果说抗风振验证的是自稳定能力，那么倒立杆任务验证的就是外部物体稳定能力。

在这个任务中，SGM需要支撑一个杆状物体，并持续调整弯曲状态，避免杆体倾倒。这与强化学习中的经典Cart-Pole任务类似，只不过这里的“车”和“杆”被换成了一片超薄软体肌肉和一个真实杆状物。

训练过程中，系统仍使用SGM自身电阻信号作为反馈。当杆体倾斜或即将掉落时，SGM形变增大，电阻变化也随之增大。团队把这种变化设计成类似“疼痛”的负反馈：形变越剧烈，惩罚越大；状态越稳定，奖励越高。

经过训练后，SGM可以稳定支撑质量为自身1.19倍的杆状物，并保持直立平衡超过13小时。成功时，杆体角度接近90°，只出现轻微波动；失败时，角度会快速偏离并倒下。

这项结果的意义在于，它把软体机器人的能力从“完成一个瞬时动作”，推进到“长时间维持一个不稳定任务”。对于真实机器人来说，后者往往更接近实际作业需求。

SGM的强化学习倒立杆平衡任务。
 

06.

迁移学习和动态扰动：面向真实环境部署

软体器件之间通常存在制备和装配差异。如果每换一个器件都要从零开始训练，部署成本会很高。团队因此引入迁移学习，把已经训练好的模型参数迁移到新器件上，再进行微调。

结果显示，75%参数迁移方案表现最佳。相比完全从零训练，它可以更快达到稳定奖励水平，并在多个SGM器件上提高相同训练轮数下的平衡时长。

在更接近真实应用的扰动环境中，SGM仍能维持稳定。风扇距离20 cm、风速2 m/s时，SGM可以保持杆状物平衡超过100 s；在0.5-2.0 m/s不同风速下，也均能完成平衡任务。

团队还把系统放到移动小车上，引入基座加速度扰动。普通移动小车上的倒立杆在启动瞬间会迅速倾倒；由SGM支撑的杆状物则能在小车以0.1 m/s和0.4 m/s运动时持续保持平衡。

这一步把实验从静态平台推进到动态基座，说明SGM的稳定能力并不只存在于理想环境中。

SGM在迁移学习与动态扰动环境中的表现。
 

07.

为什么这件事值得关注

这项工作最值得关注的地方，不只是106.8微米的厚度，也不只是超过13小时的倒立杆平衡，而是它把软体机器人常被分离处理的三个问题放在了同一个微型软体平台上：感知、驱动和控制。

传统方案往往先做一个软体执行器，再加传感器，再接入控制算法。SGM则尝试让材料结构本身参与感知和执行，再把自身反馈交给强化学习控制。这样的路径更接近“具身智能”的底层逻辑：智能不只来自外部大模型，也来自材料、结构、传感和控制之间的紧密耦合。

当然，SGM目前仍依赖电热驱动，响应速度、功耗和热稳定性会受到热产生、热扩散和散热条件限制。未来如果要进入医疗、微创或更紧凑的热敏环境，还需要进一步优化热安全、响应速度、生物相容性以及多自由度阵列控制。

但至少这项研究已经展示出一个清晰方向：软体机器人不应只追求更柔软、更轻薄，还要在复杂扰动中稳得住、调得动、学得会。

当软体材料开始拥有自己的“本体感觉”，并能把这种反馈交给学习算法持续修正动作，软体机器人离真实环境中的长期稳定运行又近了一步。

论文链接：https://doi.org/10.1016/j.esci.2026.100604