使用杏鲍菇控制机器人的运动！康奈尔大学等的新研究登上《科学》子刊
编辑日期：2024年09月11日
研发出菌丝体电接口
什么……控制机器人的工具，竟然是蘑菇？
事实证明，确实如此。一段视频展示了这样一个机器人，外形像海星，在桌面上自由移动，其内部安装了一个“蘑菇大脑”。
这项研究来自美国康奈尔大学和意大利佛罗伦萨大学，是一次严肃的仿生学尝试，并已发表在《Science》的一个子刊上。
他们建立了一种生物与机器人之间的“通信接口”，利用蘑菇体内的电脉冲信号来控制机器人。
下面我们来详细了解一下：
为了能够利用真菌产生的生物信号来控制机器人，研究人员开发了一种菌丝体电接口，能够实现长期稳定的生物电信号捕捉和记录。
捕捉信号的电极与菌丝体培养皿一起放置在一个专门设计的3D打印支架上。
实验中选用的真菌名为刺芹侧耳（学名Pleurotus eryngii），也就是我们熟知的杏鲍菇。
研究人员将菌种接种于马铃薯葡萄糖琼脂（PDA）培养基上，放入固定好的培养皿内，并在25°C下培养。
培养皿分为两种尺寸：直径60mm和150mm，分别培养约3周和5周，直到菌丝体完全覆盖整个培养皿。
在培养过程中及培养完成后，研究人员对菌丝产生的电信号进行了持续记录。
在记录之前，研究者将不锈钢针电极插入支架的电极固定槽中，两个记录电极平行放置，间距为10毫米，距离培养基表面10-11毫米；参考电极与记录电极垂直，距离表面1毫米。为了屏蔽外界电磁干扰，研究者将装有菌丝体和电极的支架置于自制的法拉第笼内，并以10 S/s的采样率记录电信号，持续超过30天。
对于采集到的原始电信号数据，研究者使用Python进行了分析处理：
首先，他们将幅度小于5 μV的信号视为噪声并予以剔除，然后进行了平滑去噪和三阶多项式拟合。
接下来，使用SciPy库中的相关函数检测电位尖峰及其半高宽（即持续时间），并对提取出的尖峰按照幅值、宽度等参数进行统计分析，绘制直方图等图表。
分析结果显示，在整个培养期内，菌丝体能够稳定地产生自发电位尖峰，平均幅值约为135 μV，最大幅值达1868 μV，平均频率约为0.12次/秒。
为了研究光照对菌丝体电活动的影响，研究者使用汞灯系统，通过光纤和准直器将紫外光垂直照射在菌丝体的上表面，光斑直径约为1厘米。研究者测试了不同光强度（0.1-1 W/cm²）、照射距离（12-20厘米）和照射时间（2-12秒）的组合。
结果表明，紫外光照可以诱发幅值高达18000 μV、持续时间约4秒的电位尖峰。蓝光也有类似的效果，但幅值较低，而红光和白光则未观察到明显效果。
在掌握了真菌产生电信号及其对光照反应的规律之后，研究人员利用这些真菌生成的周期性正负电位尖峰信号来实现对机器人的控制。
具体而言，他们设计了一款柔性多足步行机器人（即文中提到的“海星”机器人），通过处理菌丝体发出的电信号，并经由阈值检测等方式将其转换成数字控制信号，再通过Arduino单片机输出PWM波来控制气动阀和直流电机。
实验结果显示，这种菌丝体能够稳定地控制机器人连续运行数十分钟。当用紫外线照射菌丝体时，机器人的运动模式也会相应变化，从而实现了对机器人的实时控制。
对此研究的意义，康奈尔大学机械与航空航天工程学教授Rob Shepherd评论道：通过将菌丝体整合进机器人的电子元件中，可以使这种生物混合机器人感知环境并作出反应。未来的机器人可能具备感知农田土壤化学成分的能力，并据此决定何时施加更多的肥料。
英国《独立报》甚至形容这是蘑菇“学会”了爬行。
然而，一些网友在详细阅读了论文后提出了质疑。他们认为，研究者实际上只是建立了一套真菌电活动与机器人运动之间的对应规则，而不是说真菌本身具有意识并能主动控制机器人。
“蘑菇‘学会了爬行’”这种说法并不准确，因为实际上它们并没有真正“学习”到什么。正如Rob Shepherd教授所言，如果能建立环境-生物-机器之间的控制链，那么作为“传感器”的生物是否有意识就不再是核心问题。
更有人大开脑洞，认为蘑菇在这里似乎起到了随机数生成器的作用，甚至有人好奇它是否真的可以作为随机数生成器来使用。
相关论文地址：https://www.science.org/doi/10.1126/scirobotics.adk8019 参考资料：[1] https://www.independent.co.uk/tech/robot-mushroom-biohybrid-robotics-cornell-b2606970.html [2] https://news.ycombinator.com/item?id=41451668
我们还与负责制作Ollie的Robotics X 机器人实验室的技术人员进行了交流。
是否尝试训练机器人的“超脑”呢？
使用杏鲍菇控制机器人运动！康奈尔大学等机构的研究成果
- 有“情感”，会卖萌，还能应对偷袭
- 能够自由切换形态并自我修复
- CNN跟踪软组织运动
（注：图片链接未展示，但上述文字已根据原文重写。）
