“活机器人”Xenobots迎来2.0版更新
看起来是时候为Xenobots 2.0做好准备了。
据悉，这个研究小组现在已经创造出了一种可以在不需要肌肉细胞来移动的情况下用单细胞自我组装成一个身体、甚至还能显示出可记录记忆能力的生命形式。跟第一代相比，新一代的Xenobot移动速度更快、能够适应不同的环境、使用寿命更长且它们仍能在团队中一起工作并在受损时能够自我修复。这项新研究的结果发表在《Science Robotics》上。
相较于Xenobots 1.0版本，新版本将“自上而下”的构建方式改为了“自下而上”。塔夫茨大学的生物学家们从非洲青蛙非洲爪蟾的胚胎获得干细胞并允许它们自行组装和生长成球状体。几天后的一些细胞分化产生纤毛。这些纤毛给了新球形机器人以“腿”，这使得它们能在一个表面上快速移动。在青蛙或人类身上，纤毛通常会出现在粘膜表面如肺部，一次来帮助排除病原体和其他外来物质。在Xenobot上，它们被重新设计以提供快速移动。
当塔夫茨大学的科学家们创造了物理有机体时，UVM的科学家们正忙于运行计算机模拟，模拟xenobot的不同形状，以观察它们是否会表现出不同的行为，无论是单独还是在群体中。这个团队由计算机科学家和机器人专家Josh Bongard领导，在成千上万的随机环境条件下使用进化算法，利用佛蒙特大学佛蒙特高级计算核心的深绿色超级计算机集群。这些模拟被用来识别xenobot最有能力在粒子场中聚集大量碎片。
“我们知道任务是什么，但对人们来说，成功的设计应该是什么样子并不明显。这就是超级计算机介入的地方，在所有可能的Xenobot群体的空间中搜索以找到工作做得最好的群体，” 计算机科学家和机器人专家Josh Bongard说道，“我们希望Xenobots做有用的工作。现在我们给了它们一些简单的任务，但最终我们的目标是一种新的生活工具，如可以清除海洋中的微塑料或土壤中的污染物。”
事实证明，新的Xenobot在垃圾收集等任务上比去年的模型速度更快、表现更好。它们还可以覆盖大的平面或通过狭窄的毛细血管。这些研究还表明，硅模拟可以在未来优化生物机器人的附加功能进而实现更复杂的行为。Xenobot升级中增加的一个重要功能是记录信息的能力。
机器人的一个核心特征是能够记录记忆并使用这些信息来修改机器人的行动和行为。考虑到这一点，塔夫茨大学的科学家们设计出了具有读写能力的Xenobots来记录一个字节的信息，另外还使用了一种叫做EosFP的荧光报告蛋白，它通常会发出绿色的光。然而当暴露在390nm波长的光下时蛋白质就会发出红光。
青蛙胚胎细胞被注射编码EosFP蛋白的信使RNA，然后干细胞被切除以制造出Xenobots。成熟的Xenobots现在会有一个内置的荧光开关，它可以用来记录390nm左右的蓝光照射。
研究人员测试了记忆功能，他们让10个Xenobot在一个表面上游泳，其中一个点被390nm的光束照亮。两小时后，他们发现三个机器人发出红光。其余的则保持原来的绿色，这有效地记录了机器人的“旅行体验”。
这种分子记忆原理的证明可以在未来得到扩展，它将不仅用于检测和记录光线还可以用于检测放射性污染、化学污染物、药物或疾病状况。对记忆功能的进一步设计可以让机器人记录多种刺激或允许机器人在感受到刺激时释放化合物或改变行为。
Bongard表示：“当我们为机器人引入更多功能时，我们就可以用计算机模拟来设计它们从而让它们具有更复杂的行为并能执行更复杂的任务。我们有可能将它们设计成不仅能报告环境条件，还能修改和修复环境条件。”
塔夫茨大学艾伦发现中心主任、生物学特聘教授Michael Levin则称：“我们正在使用的生物材料有很多特点，我们希望有一天能在机器人中实现--细胞可以充当传感器、运动马达、通信和计算网络及存储信息的记录设备。异种机器人和未来版本的生物机器人可以做到的一件事是它们的金属和塑料替代品难以做到的，那就是随着细胞的生长和成熟构建自己的身体计划，如果细胞受损再进行修复和恢复。愈合是生物体的一种自然特征，它在Xenobot生物学中保留了这一点。”
据了解，新Xenobot非常擅长愈合，其能在受伤后5分钟内缝合厚度只有它们一半的严重全身撕裂伤。所有受伤的机器人最终都能够治愈伤口、恢复形状并像以前一样继续工作。
另外，Levin还补充称，生物机器人的另一个优点是新陈代谢。跟金属和塑料机器人不同，生物机器人的细胞可以吸收和分解化学物质，这就像是一座小型工厂一样能够合成和排泄化学物质和蛋白质。合成生物学的整个领域现在可以在这些多细胞生物中加以利用。
就像初代xenobot一样，升级后的机器人可以依靠胚胎的能量储备存活10天，在没有额外能量来源的情况下运行任务，但如果保存在营养“汤”中它们则可以全速运行好几个月。
在认识到这项技术的巨大前景，塔夫茨大学和佛蒙特大学建立了计算机设计生物研究所(ICDO)，它将在未来几个月正式启动，届时将汇集各大学的资源和外部资源从而在未来创造出具有越来越复杂能力的活机器人。
