编辑 | KX

「机器人有可望将我们日常的科学实验室变成加速科学发现的自动化工厂。」

实验室即将迎来一场全面而彻底的变革。自动化机器人和 AI 技术可以使科学实验更快、更安全、更准确、可重复性更高，从而使科学家能够在更短的时间内开发新分子、材料和化学系统。

近日，北卡罗来纳大学教堂山分校的研究人员在《Science Robotics》杂志上发表了一篇题为「Transforming science labs into automated factories of discovery」的 Viewpoint 文章。

研究人员定义了五个实验室自动化级别，从辅助自动化到全自动化。还介绍了在提高自动化水平和增加实验室内任务的通用性时出现的机器人研究挑战。

论文链接：https://www.science.org/doi/10.1126/scirobotics.adm6991

「如今，新分子、材料和化学系统的开发需要大量的人力，科学家必须设计实验、合成材料、分析结果并重复该过程，直到达到预期的性能。」论文作者、计算机科学系 Lawrence Grossberg 杰出教授 Ron Alterovitz 博士说

这种反复试验的方法既费时又费力，发现速度缓慢。自动化提供了一种解决方案。机器人系统可以连续进行实验而不会让人感到疲劳，从而大大加快了研究速度。机器人不仅能比人类更精确地执行实验步骤，还能通过处理危险物质来降低安全风险。通过自动化日常任务，科学家可以专注于更高层次的研究问题，在医学、能源和可持续性领域更快取得突破。

论文合著者、化学系主任 James Cahoon 博士说，「随着不断发展，我们预计机器人技术和自动化将提高不同仪器和学科的实验速度、精度和可重复性，从而生成可供人工智能系统分析的数据，以指导进一步的实验。」

五个实验室自动化级别

图 1：科学实验室的物理自动化水平。（来源：论文）

研究人员定义了五个实验室自动化级别，从简单的实验室辅助到完全自动化。来说明自动化如何在科学实验室中发展：

1. 辅助自动化 (A1)：在此级别，单个任务（例如液体处理）是自动化的，而人类则负责大部分工作。

2. 部分自动化 (A2)：机器人执行多个连续步骤，由人类负责设置和监督。

3. 条件自动化 (A3)：机器人管理整个实验过程，但当出现意外事件时需要人工干预。

4. 高度自动化 (A4)：机器人独立执行实验，自动设置设备并应对异常情况。

5. 完全自动化 (A5)：在此最后阶段，机器人和人工智能系统完全自主运行，包括自我维护和安全管理。

研究人员定义的自动化级别可用于评估该领域的进展，帮助建立适当的安全协议，并为科学领域和机器人技术的未来研究设定目标。尽管如今较低水平的自动化很常见，但实现高度和完全自动化是一项研究挑战，它需要机器人能够在不同的实验室环境中运行、处理复杂的任务，并与人类和其他自动化系统无缝交互。

五个科学实验室通用性级别

对于支持更广泛流程和领域的科学实验室来说，实现给定的物理自动化水平更具挑战性。开发可以重复用于不同问题和工作流程的更通用的自动化是实验室自动化的一个重要方面，也是机器人可以发挥巨大作用的研究前沿。

要了解特定科学实验室的机器人需求，必须确定实验室所需的物理自动化水平及其通用性。因此，研究人员为科学实验室定义了五个通用性级别，标记为 G1 到 G5，如图 2 所示。

不过，必须强调的是，通用性水平和物理自动化水平是相互独立的。通用性水平是指实验室中可以完成的科学范围，与人与自动化系统之间的工作量比率无关，而物理自动化水平则具体指人与自动化系统在完成实验室任务方面的工作量比率。

图 2：科学实验室通用性水平及其与物理自动化水平的关系。（来源：论文）

研究人员定义的五个实验室通用性级别如下：

1. 单一流程实验室 (G1)：支持特定的实验室流程或非常相关或衍生的流程。

2. 多过程实验室 (G2)：支持各种不同的实验室过程。

3. 单领域实验室 (G3)：支持科学领域内的大多数实验室流程。

4. 多领域实验室 (G4)：支持多个科学领域的广泛实验室流程。

5. 通用实验室 (G5)：支持大多数或所有类型的实验室流程。

在 G5 通用级别，流程和工作流程高度灵活，适用于各种各样的领域。物理自动化级别达到 A5 的 G5 实验室是实验室自动化的巅峰。将实验室自动化的前沿推向全面自动化（A5）的通用实验室（G5）的研究创新将使我们更接近创建自动化的发现工厂。

机器人和 AI 的融合

人工智能在推动自动化超越物理任务方面发挥着关键作用。人工智能可以分析实验产生的大量数据集，识别模式并提出新的化合物或研究方向。将人工智能集成到实验室工作流程中将使实验室能够自动化整个研究周期——从设计实验到合成材料和分析结果。

在人工智能驱动的实验室中，传统的设计-制造-测试-分析 (DMTA) 循环可以完全自动化。人工智能可以确定要进行哪些实验，进行实时调整，并不断改进研究过程。虽然人工智能系统在预测化学反应和优化合成路线等任务中取得了早期成功，但研究人员警告说，必须仔细监控人工智能以避免风险，例如意外产生危险材料。

过渡到自动化实验室带来了重大的技术和后勤挑战。实验室的设置差异很大，从单一流程实验室到大型多室设施不等。开发在不同环境下工作的灵活自动化系统，需要能够跨多个站点运输物品和执行任务的移动机器人。

训练科学家使用先进的自动化系统也同样重要。研究人员不仅需要发展其科学领域的专业知识，还需要了解机器人、数据科学和人工智能的能力，以加速他们的研究。科学家、工程师和计算机科学家合作，对于充分发挥自动化实验室的潜力至关重要。

「机器人和人工智能的融合将彻底改变科学实验室，」论文合著者、Alterovitz 博士计算机器人小组的研究助理 Angelos Angelopoulos 表示。「通过自动化日常任务和加速实验，我们有很大潜力创造一个比以往任何时候都更快、更安全、更可靠的突破环境。」

参考内容：https://techxplore.com/news/2024-10-robotic-automation-ai-scientific-science.html