《ACS Synthetic Biology》：OSCAR: A Modular Open-Source Robotic Platform for Biological Laboratories
编辑推荐：
本文介绍了一款专为生物实验室设计的模块化开源机器人平台——OSCAR。它通过整合开源软件、模块化硬件（如集成吸液管和夹爪的机器人臂），并利用创新的运动规划与控制架构（基于ROS、MoveIt、MTC、SODF、DSL），能够自主执行复杂的、多步骤的生物学操作流程（如质粒构建、PCR、凝胶电泳）。该系统致力于突破现有商业系统昂贵、封闭、灵活性不足的局限，为实现通用、可负担的实验室自动化提供了新思路。
引言
生物研究常常涉及复杂、重复且高通量的操作，这些是自动化的理想场景。然而，当前主流的机器人系统通常只擅长执行定义狭窄的任务或标准化的流程，并且往往价格昂贵、灵活性差，还依赖于专有模块或试剂。为了应对这些挑战，研究团队开发了开源协同自动化与机器人（Open-Source Collaborative Automation & Robotics, OSCAR）平台。这是一个灵活、低成本的系统，旨在利用标准的手动操作设备来执行常见的实验室操作。OSCAR平台整合了开源软件和模块化硬件，以最大化其可获取性和经济性。该平台的特点是一个配备双功能末端执行器的机器人臂：一个用于精确液体操作的移液模块，以及一个具有视觉功能的夹爪，用于操纵实验室工具。为了展示该平台的多功能性，研究人员实现了一个代表性的质粒组装工作流，涵盖了从PCR扩增、酶促组装，到转化、涂板、菌落挑取、PCR筛选，以及通过琼脂糖凝胶电泳进行验证的全过程。通过使该系统开源，并与广泛使用的耗材和设备兼容，其目标是普及自动化技术，并推动其在多样化研究环境中的广泛应用。
尽管实验室机器人平台在生命科学领域的应用日益增多，商业系统也支持从紧凑型液体处理仪器到集成多个协调机器人的大规模安装，但大多数平台仍局限于重复性、定义明确的任务，显著的灵活性通常只存在于高端系统中。这导致了尽管在工业和临床环境中应用广泛，但在学术实验室的采纳却相对滞后。高昂的前期投资、对专有试剂和服务合同的依赖，以及学术研究中基于项目资助的短期性，都使得许多学术实验室对自动化望而却步，仍然严重依赖手动操作。向“以人为本的自动化”（以工业5.0框架为例）的转变，正推动机器人技术向更协作、更灵活、更易交互的设计发展。尽管近期取得了一些进展，但实现针对实验室任务的通用机器人操作仍是一个开放的挑战。现有的一些系统，如专注于仪器集成的DIY策略、基于轨迹预定义的模块化平台，或利用大语言模型（Large Language Model, LLM）将自然语言指令转化为可执行程序的机器人助手，在特定方面取得了成功，但也存在诸如灵活性不足、规划非确定性、或对特定硬件依赖等局限性。作为向更广泛采用实验室自动化迈出的一步，本文介绍了OSCAR平台。
结果
平台组件描述
OSCAR平台的核心是一个通用型六自由度UR3机器人臂，它安装在一个1米×1米、带有安装孔的不锈钢光学平台上。机器人臂末端安装了一个力-力矩传感器，传感器上则连接着一个双功能末端执行器。这个执行器集成了一个定制的电子控制微量移液器和一个多功能夹爪。
尽管旨在尽可能复用现有设备和实验耗材，但用OSCAR直接操作标准手动移液器被证明是不切实际的。因此，团队选择设计了一个开源微量移液器，它整合了吉尔森手动微量移液器的机械结构，其活塞由一个封装在3D打印框架内的微步进电机控制。这个移液器头能够精确分配1到200微升的体积，通过使用标准的200微升实验室吸头，实现了移液器吸头的精确笛卡尔定位。在双功能执行器的另一侧是一个多功能夹爪，能够处理尺寸达140毫米、重量达2.5公斤的物体，主要用于移动耗材、板子、打开培养皿，以及与其他实验室设备交互。其功能可通过可抓取的工具（如设计用于模拟人类手指的触笔）进行扩展，方便与按钮和触摸屏设备交互。夹爪旁边是一个英特尔实感D415视觉相机，支持菌落挑取、琼脂糖凝胶检查和PCR机器编程输入验证等功能。
运动规划与控制架构
团队开发了一个软件平台，该平台从实验耗材的数字模型和工作空间的校准地图生成机器人行为，而不是基于设备特定的路径点记录或手动示教。这种基于模型的方法提供了更大的灵活性，因为动作是依据对象及其关系来描述的，而不是绑定在特定的机器人或工作台布局上。其核心是将生物本原操作（如“打开盖子”、“移液”、“涂布”、“按按钮”）桥接到机器人执行，通过可重用的节点组合成完整的实验工作流。该平台采用分层系统架构，处理从协议规范和语义对象建模，到任务协调、运动生成和底层执行的所有方面，使得相同的高级协议逻辑可以部署在不同的工作空间布局和机器人机械臂上。
平台基于机器人操作系统（Robot Operating System, ROS）运行，这是一个开源软件开发框架，支持异构设备（如力-力矩传感器）的无缝集成，并使高级逻辑独立于硬件实现。对于运动生成，平台使用了如MoveIt（用于运动学、碰撞检测和运动规划）和MoveIt任务构造器（MoveIt Task Constructor, MTC）等ROS工具。尽管系统在ROS中运行，但它并不局限于ROS原生工具，外部库（包括新开发的领域特定语言和语义对象描述格式库）可以无缝集成。
协议是使用新开发的、专为机器人实验室自动化定制的领域特定语言编写的。在这种语言中，工作流程被表达为一系列定义明确的领域“动作”（例如，开盖、抓取、插入吸头、吸取、分配/混合、涂布、弹出吸头）。每个“动作”包含易于访问的参数，如目标对象、体积、速度和力设置。领域特定语言为协议编写者提供了一个易于访问的高级接口，旨在促进重用和协议调整，同时为高级用户保留对底层协议逻辑的访问权限。
为了实现对实验耗材精确和/或精细物理交互的操作，该平台依赖于对每件实验耗材的精确描述。为此，团队开发了语义对象描述格式，这是一个通过几何模型和定义的交互点来表示实验室设备的库。创建语义对象描述格式等效物需要记录设备的关键物理特征。一旦物理对象被精确表征，OSCAR就可以自动适应它们在台面上的位置变化。语义对象描述格式还编码了容器几何形状和液面信息，允许机器人估计液体高度并将其用于精确的小体积操作。
任务协调由MTC库处理，它将每个协议划分为小的规划步骤，分别优化它们，验证这些独立规划之间的兼容性，并将它们安排成最终的可执行工作流。每个步骤的规划都使用源自语义对象描述格式对象模型的实验耗材形状和交互点。这个完整的规划过程可以使用RViz进行可视化。任务执行则由一个专用的任务管理器处理，该管理器聚合MTC生成的所有有效解决方案候选，并选择累积关节位移最小的解决方案，以偏好高效的运动。
运动规划采用双模式策略，结合了MTC生成的非接触运动轨迹和基于力的反应式控制用于接触交互。同一个机器人控制器在这两种模式下都使用：在非接触运动中接收预先计算的轨迹，在接触期间则基于实时力感测生成动态轨迹。这些运动规划步骤主要使用MoveIt库执行。这种模块化架构使系统非常适合通过高效链接各种通用操作来稳健地执行生物协议，包括：
- 1.
准确移液（1微升至200微升）。
- 2.
吸头插入和弹出。
- 3.
用夹爪操纵实验耗材（如96孔板、板盖、培养皿），以及操作热循环仪的门。
- 4.
使用触笔附件进行机器交互，包括用于热循环仪编程的触摸屏输入，或与电穿孔仪、凝胶电泳电源等其他机器上的按钮交互。使用专用涂布附件在培养皿上涂布细菌。
- 5.
使用集成相机捕获电泳后的琼脂糖凝胶图像，验证机器输入，并定位培养皿上的菌落。
展示OSCAR的生物操作能力
为了展示OSCAR平台的能力，研究团队执行了一系列三个连续的协议，展示了质粒的组装和验证过程。这个工作流程因其在分子生物学实验室中的广泛应用而被选中，并展示了系统的关键能力：精确的液体处理、与人类设计的仪器（如PCR仪）交互、菌落挑取和琼脂糖凝胶上样。这些步骤可以重新排列以创建各种类似的协议，突显了平台的灵活性。
在协议#1中，机器人使用PCR从模板质粒中扩增两个DNA片段，并通过琼脂糖凝胶电泳验证片段大小。机器人将热循环仪设置为4°C以保持试剂低温，然后使用移液器混合引物、模板和2X PCR预混液以准备反应。为了补偿潜在的位置不确定性，当移液器接近用户定义的管底距离时，控制策略从“位置控制”切换到“力控制”，确保可靠的吸取。然后，OSCAR使用其触笔设置PCR反应程序并等待其完成。扩增完成后，机器人将每个反应的5微升与5微升上样染料混合，并使用该混合物通过水平DNA凝胶电泳系统验证扩增质量。
在协议#2中，机器人使用2X NEBuilder HiFi DNA Assembly预混液将先前扩增的片段组装成单个环状质粒。然后将所得DNA转化到化学感受态大肠杆菌中，并涂布在选择性培养皿上。为了使机器人能够在培养皿上均匀涂布转化的细菌，团队为夹爪设计了一个定制的涂布工具。涂布后，将培养皿手动放入37°C培养箱中过夜培养菌落。
在协议#3中，机器人利用其视觉系统定位先前涂布的培养皿上的菌落，并使用菌落PCR验证质粒的正确组装。为了识别培养皿上的菌落，机器人捕获图像，然后结合过滤和分水岭算法进行处理以检测分离的菌落。一旦定位到菌落，使用移液器工具挑取五个菌落，并重悬在预先准备的PCR预混液中。扩增后，所得DNA按照协议#1所述进行琼脂糖凝胶电泳。
OSCAR平台在不同机器人系统间的可移植性
OSCAR平台设计时考虑了模块化和硬件灵活性，允许与各种实验室仪器和可互换组件交互。即使是因为其低成本和可获取性而被用于物理测试的UR3臂，也可以轻松替换为具有不同功能的其他机械臂。为了展示该框架独立于特定机器人模型的能力，团队成功地使用UR5和Franka Emika Panda机械臂重新规划了所有三个协议，复用了与UR3相同的任务规划流程。总体而言，在不同机器人的所有模拟中，规划时间都非常短，完整协议平均为5秒。由于与UR机器人相比关节位置约束更有限，Panda机器人无法在协议#2中使用的原始位置抓取涂布器。解决此问题需要将此附件的位置移动到离机械臂基座更远的地方，得益于自动运动规划，这是一个微不足道的调整。
讨论
通过OSCAR平台的第一版，团队展示了一个灵活的自动化平台，能够使用标准实验室设备和3D打印部件执行各种常规生物学实验室任务。OSCAR的建造成本约为35,000美元，与配备移液器和夹爪的入门级液体处理机器人（如Opentron Flex）相当。虽然商业系统通常依赖专有耗材以获得最佳性能，但该解决方案被设计为与标准实验室耗材和设备协同工作。实施OSCAR平台的成本仅为高端实验室自动化系统的一小部分。通过利用现有实验室设备，OSCAR平台成为寻求自动化各种操作的学术实验室的一个可负担的切入点。所有组件，包括代码库和外围工具，都是开源的、易于3D打印的，或可从多家供应商处商业获得。虽然最初是为分子生物学应用开发的，但OSCAR的架构并不局限于该领域，其核心功能应可轻松转移到其他实验科学的工作流程中。社区参与将极大地推动该项目，因为协议可以在用户之间共享，任何被表征的设备或开发的开源模块都可以被广泛重用。
该平台集成了多种能力，实现了灵活可靠的机器人实验室自动化。它结合了位置和力控制，使机器人能够更一致地处理接触交互，包括微升级别的精确液体处理。任务执行围绕可重用模板组织，支持快速规划，并使相同的协议结构能够直接应用于不同的机器人平台。OSCAR系统还通过规划和执行三个完整的协议（涉及多种操作，持续运行约10分钟而无需人工干预）展示了长期自主性。
在此坚实的基础上，团队旨在从几个方面进一步改进平台。第一个改进领域是增强用户体验，特别是简化在新环境中的初始设置。虽然训练有素的用户可以轻松执行实验室设备的精确建模，但这一步对经验不足的用户来说可能具有挑战性。通过实施基于计量学的新对象表征流程，可以极大地简化此过程。当前的协议规划策略依赖于用户提供的工作区域内设备定位。这种方法虽然简单易用，但可以通过利用机器人的视觉能力来自动检测和定位新添加的设备来进一步加速。将热循环仪用作通用干式加热-冷却块展示了平台的通用性，但由于其占地面积大，随着时间的推移可能会变得受限。开发常用实验室设备的开源、可电子接口替代品，可以进一步降低成本，扩展平台能力，并消除其当前的一些限制。例如，该平台目前依赖预开启和预填充的试管来储存大体积液体。虽然机器人的精确移液最大限度地减少了死体积，但这种方法需要手动分装，并导致一些酶的损失。这一挑战可以通过表征和集成试管密封装置，或开发自动试管开/闭模块来解决。其他可以显著增强平台的模块包括基于帕尔贴的加热/冷却模块，以及集成磁珠纯化系统以实现基于SPRI的DNA纯化。目前，OSCAR的协议必须用C++编写，这对于没有编程经验的用户来说可能很困难。为了便于非专家创建协议，团队计划将这些C++动作封装在BehaviorTree.CPP框架内，该框架使用易于编辑的XML格式而非源代码。迁移到此框架还将提供Groot2可视化编辑器，允许用户通过在图形界面上排列模块来构建和修改协议，从而降低入门门槛，同时保持现有系统的灵活性。虽然原则上可以在当前界面之上添加大语言模型，将自然语言指令转化为协议步骤，但团队选择使用领域特定语言作为主要协议格式，以确保确定性、可追溯性和可重复性。主要担忧在于，大语言模型生成的程序并非固有的确定性，可能会在动作分解或排序上产生变化，通过幻觉引入非预期的步骤，甚至可能失败，这在实验工作流程中使验证和确认复杂化。然而，将大语言模型与结构化和可验证的领域特定语言集成仍然是未来工作的一个有趣方向。对于需要高笛卡尔精度的操作，如将吸头安装到移液器杆上和执行菌落挑取，需要进行校准。在团队的经验中，通过试错优化实现稳健的校准可能需要几个小时。对于没有经验的用户，这个过程可能特别耗时，并且可能需要大量的试错才能收敛到可接受的校准。随着软件和硬件的逐步改进，未来的一个目标是引入末端执行器的工具更换能力。团队还将平台设计为易于扩展，因为许多操作可能需要比单个机器人臂更高的吞吐量，或比单个机器人臂可及范围更大的工作空间。用于运动规划的MoveIt任务构造器软件还支持多个机器人臂之间的协作，以执行更复杂的任务。
