当机器人不再依赖逐行编程，而是靠“观察”学会做实验，科研效率的跃升或将迎来新拐点。美国阿贡国家实验室（Argonne National Laboratory）的科学家正在研发一种AI驱动的机器人助手，它能直接从人类研究员身上学习实验流程，并最终协助自动化复杂的科学实验。

这一名为RoSA（Robot Scientific Assistant for Accelerating Experimental Workflows，加速实验工作流的机器人科学助手）的项目，旨在创造出能够与科学家在实际实验室环境中并肩工作，同时适应不断变化的条件和各类实验的机器人。研究人员表示，该项目是美国能源部“起源使命”（Genesis Mission）国家倡议的一部分，该倡议聚焦于利用人工智能、量子计算和超级计算机加速科学发现，目标是在未来十年内将美国的研究生产率翻倍。

与手动编写每一个动作的传统方式不同，阿贡团队计划通过机器人观察科学家做实验来完成训练。研究人员在执行实验室任务时将佩戴传感器，让系统捕捉动作、工作流和决策模式，供机器人随后模仿。阿贡实验室高级计算机科学家尼古拉·费里尔（Nicola Ferrier）表示：“拥有精细运动技能的机器人已经存在，但在真实实验室中安全有效地使用它们仍然极具挑战性。我们的方法是从观察专家科学家的工作中直接学习。”

记录的传感数据将用于开发能够教会机器人如何正确执行科学流程的AI模型。研究人员相信，这种基于学习的方法可以让机器人适应动态多变的实验环境，而无需持续重新编程。费里尔负责该项目的机器人与计算机视觉方向，计算科学家阿尔温德·拉马纳坦（Arvind Ramanathan）则贡献了自主实验室和AI驱动决策系统方面的专长。

据项目团队介绍，该项目还将根据复杂度和精度要求对常见实验室任务进行分类，然后为不同类型的工作匹配最合适的机器人系统。研究人员正在探索使用固定底座机械臂、人形机器人，以及结合移动性和定点精度的混合机器人系统。在进入真实实验室之前，这些系统将首先在虚拟仿真环境中进行测试。费里尔说：“我们的主要目标是强化所需的基础机器人和计算工具，使大规模的自动化机器人系统能够更快、更可靠地完成实验。”

该项目还将支持美国能源部资助的另一项名为OPAL（Orchestrated Platform for Autonomous Laboratories，自主实验室编排平台）的计划，后者专注于创建能够独立适应和学习的自驱动实验室网络。拉马纳坦表示：“在OPAL计划中，灵巧机器人——协调性好、反应敏捷——正被规划用于执行生物实验。通过将AI驱动的决策与先进机器人相结合，我们旨在创建能够加速跨广泛科学学科发现的系统。”

研究人员认为，机器人科学助手最终可处理重复性或危险的实验室工作，同时提升实验速度和一致性。阿贡团队希望在接下来的一年里，将任务效率提升五倍。费里尔总结道：“在未来一年内，我们希望展示这些任务完成效率提升五倍的成果。长远来看，我们设想的机器人科学助手能与现有实验室设备协同工作，让复杂实验更安全、更高效。RoSA是迈向这一未来的关键一步。”