IU的Brainobot用类器官操控人形机器人，组织始终留在培养箱中

网上疯传的说法称,科学家把一个活体人脑装进了人形机器人里,并将其命名为"Brainobot"。而更为严谨的一手来源描述要窄得多。2026年9月15日,印第安纳大学布卢明顿分校的郭峰(Feng Guo)课题组在bioRxiv上发布了一篇预印本,题为《Brain organoid computing for robotic decision-making》(用于机器人决策的脑类器官计算)。该研究描述了一个3个月大的人类皮层类器官,它放置在MaxOne微电极阵列上,远程为一台商用ROBOTIS Premium人形机器人对摄像头画面进行分类。组织始终留在培养箱中。主机PC将视觉信息编码为电脉冲,读取尖峰放电,再由逻辑回归读出层每5秒在若干个基本运动动作之间做出选择。

该预印本将物体抓取和激光追踪列为概念验证任务。它还报告了一个病毒式传播的摘要中常被忽略的药理学对照:当激酶抑制剂K252a阻断了依赖活动的突触可塑性时,在各训练轮次中准确率一直停留在62%至64%之间;而未经处理的类器官在抓取任务上的准确率则从72%升至94%。这一差距正是该论文最有力的论点,即真正发挥作用的是活体组织本身,而不仅仅是其外围的工程化管线。

基于ROBOTIS Premium的三类分类器

该类器官由H9人胚胎干细胞系培养而成,安装在一块拥有26,400个电极的MaxOne芯片上。同一时间最多可记录1,024个电极。尖峰检测在300 Hz高通滤波后以噪声的5.5倍为阈值进行,并通过SpikeInterface调用Kilosort2进行分拣。刺激采用双极方式,每个脉冲持续500微秒,脉冲间隔100毫秒,电压为100至500 mV,所用电极之间的间距至少为100微米。

摄像头画面(400×300像素)先被降采样为一个小型二值图,再转换为六个电极上的短脉冲序列。类器官在100毫秒窗口内统计的诱发尖峰数,输入到一个基于scikit-learn的逻辑回归读出层,该读出层在一个训练轮次的数据上采用5折交叉验证进行训练。中层和低层运动由机器人的CM-530控制器通过Dynamixel AX-12A舵机和预定义动作基元来执行。ESP32-CAM负责传输视觉画面,蓝牙(BT-410)负责传递指令。类器官并不安装在机器人躯干内。

先抓取"I"和"U",再追逐激光点

在抓取任务中,人形机器人必须用左手抓取字母块"I"、用右手抓取"U",若画面中没有字块则保持静止。预印本中的混淆矩阵显示,在正常条件下准确率很高。河豚毒素(TTX)可阻断神经元放电,它"显著削弱"了抓取和激光追踪两项任务中的准确率。量化分析使用了来自三次独立实验的5个类器官。

激光追踪是一个多步骤循环。每5秒,类器官在左转、右转或直行之间做出选择,直到红外距离传感器使运行停止。在这一任务中同样出现了TTX导致的准确率下降。一个综合演示中,机器人将"I"搬到"U"上,拼成一个IU标志。这属于在常规运动库之上叠加的离散高层分类,而非连续的底层力矩控制。

K252a使学习停滞在62%–64%

学习方案依赖于对同一数据集的反复刺激，使活动依赖的可塑性重塑类器官的连接，然后重新拟合读出层。在一条具有代表性的曲线中，激光追踪准确率在三个训练周期内从72%升至92%，切换后的第一个抓取周期降至86%，随后再次回升。经过三个激光追踪周期后，该训练系统在抓取任务上达到86%，而未经训练的对照组为70%。使用K252a时，准确率稳定在62–64%的区间，功能连接几乎没有变化。

作者在相同的四周期抓取方案下，将Brainobot与全连接网络进行比较，并报告了更优的类器官曲线。样本量较小（n=5），统计方法为学生t检验，摘要中"低能耗"的说法也未得到系统级能耗审计的支持。讨论部分本身承认，培养箱、多电极阵列（MEA）硬件和外部计算仍然体积庞大且耗能较高。

与Cortical Labs的CL1机架无关

X上的热门帖子常将Brainobot与Cortical Labs的CL1生物计算机混为一谈。两者是不同的系统。Cortical Labs与新加坡国立大学医学院及DayOne合作，于2026年8月在新加坡展示了一台包含20个单元的CL1原型机，详见此处；墨尔本则有约120个单元面向付费客户。《海峡时报》称，CL1的月度访问费用为2200美元，每个单元功耗约30瓦，并引述首席执行官Hon Weng Chong关于稀疏数据应用（包括人形机器人）的说法。CL1是一款商业化的湿件计算设备。Brainobot则是一个学术性的闭环演示，使用远程类器官分类器。

这一区别对于理解其他地方如何推销机器人技术栈十分重要。Dream Labs的9000万美元Dream-1 API按小时出售硅基机器人控制服务。Maxinsights的3000万美元家务视频融资则将人类第一视角录像作为训练素材进行销售。消费级产品宣传，如Tuesday Labs的200美元Voxel预订，以及宇树H2-X的续航声明等硬件演示，仍然停留在传统执行器和软件层面。Brainobot并非产品发布，而是一篇预印本，它将机器人的三方决策与活体脉冲发放联系起来，并通过一种可塑性药物使学习曲线完全停止。

预印本页面列出的资助信息包括美国国家科学基金会奖项EFRI2422149，以及致谢部分提到的美国国立卫生研究院奖项U54AG090792和R01GM160423。通讯作者郭峰（Feng Guo）与第一作者蔡宏伟（Hongwei Cai）负责研究设计。利益冲突声明为无。该工作仍为预印本，尚非经同行评审的期刊论文，且未展示更大样本量下的重复实验。

就页面本身而言，可核实的内容有限。类器官位于机器人本体之外。决策每5秒作出一次。在报告的K252a对照组中，未处理的抓取准确率在五个周期内从72%升至94%；K252a组则保持在62–64%。TTX严重损害了任务准确率。跨任务迁移（86%对70%）仅基于五个类器官。系统规模下的能效仍是断言，而非实测结果。

本文仅供参考，不构成投资建议。

封面照片：2011年Maker Faire上的PR2机器人，图片来源：Wikimedia Commons（Timothy Vollmer），CC BY 2.0。仅作示意的人形机器人；并非Brainobot的硬件。