AI驱动光学机器人技术

《SCIENCE ADVANCES》：AI-driven robotics for optics

　　

光学实验在科学和技术中至关重要，然而其设计、组装和对准仍然主要依赖手动操作，限制了通量、可重复性和可扩展性。自动化这类实验具有挑战性，因为需要严格的精度要求以及典型现实光学实验室环境中设置的多样性。在此，研究人员介绍了一个平台，该平台集成了生成式人工智能（AI）、计算机视觉和精密机器人技术，以自动化自由空间光学实验。该系统将用户定义的目标转化为有效的光学配置，以亚毫米精度组装它们，并使用机器人工具进行微米级精细对准。然后，它执行一系列精确测量，包括光束表征、偏振映射和光谱学。这项工作为可重构光学自动化建立了一个平台，可能实现可编程和自适应的实验工作流程。

**论文解读：AI驱动光学机器人技术实现自由空间光学实验全栈自动化**

**研究背景与问题**

光学实验是科学与技术的基础，广泛应用于天文观测、生物学显微成像、材料科学光谱分析以及原子分子物理等精密测量领域。然而，当前光学实验的设计、组装和对准仍主要依赖人工操作，这严重限制了实验的通量、可重复性和可扩展性。尽管在化学自动化（多步合成与表征）和材料合成（可编程制造）等领域已取得突破，但光学实验的自动化面临独特挑战：自由空间光学系统对可重构性、亚毫米级对准精度、敏感元件的连续调谐以及原位诊断有严苛要求。现有尝试多局限于特定任务（如基于机器学习或经典算法的对准优化），缺乏涵盖设计、实施和操作的统一端到端自主框架。因此，研究人员旨在开发一个集成人工智能（AI）、精密机器人、计算机视觉和光学工程知识的平台，以克服这些瓶颈，加速光学实验工作流，并扩展复杂光学实验的可及性。

**研究内容与结论**

研究人员首次提出了一个AI驱动的机器人平台，用于自由空间光学实验的全栈自动化。该平台整合了生成式AI（用于光学设计）、计算机视觉与精密机器人（用于组装与对准）以及自动化测量能力。研究结果表明，该系统能够将用户定义的目标转化为有效的光学配置，以亚毫米精度组装组件，并实现微米级精细对准，随后执行光束表征、偏振映射、光谱学等精确测量。该平台证明了光学全栈自动化在精度和技术上的可行性，为可重构光学自动化奠定了基础，有望实现可编程和自适应的实验工作流。论文发表在《SCIENCE ADVANCES》。

**关键技术方法**

研究人员采用以下关键技术方法：1）基于参数高效微调（QuanTA）的LLaMA3.1-8B-Instruct模型，通过两阶段训练（结构学习与用户请求理解）生成物理有效的光学布局；2）多模态感知系统，包括立体4K相机（用于ArUco标记粗定位）和机械臂末端LiDAR传感器（用于高分辨率深度扫描），实现亚毫米级抓取精度；3）7自由度机械臂（UFACTORY xArm7）配合定制3D打印组件外壳与磁吸底座，执行拾取-放置操作，并结合视觉反馈误差校正循环（容忍阈值0.5 mm）；4）机器人可部署精细对准工具，集成双电机与Allen键、相机及LED照明，通过迭代反馈实现微米级调整；5）自动化测量流程，包括光束方向跟踪、光束矩阵测量、斯托克斯参数提取、角度分辨光谱和实时空间优化。

**研究结果**

**使用LLM的光学布局设计（Optical setup design using LLMs）**
研究人员通过数据增强生成四个标准光学布局（迈克尔逊干涉仪、马赫-曾德尔干涉仪、Hong-Ou-Mandel干涉仪和4f光学系统）的合成数据集，并微调LLaMA3.1-8B模型。与零样本GPT-5.2、少样本GPT-5.2及链式推理DeepSeek-R1等方法相比，微调模型在用户约束下的预验证准确率最高（约80%），且每次有效布局的令牌使用量和推理时间最低。这表明领域特定微调显著降低了计算成本，能高效生成符合物理约束的布局。

**机器人组装与精细对准（Robotic assembly and fine alignment）**
研究人员利用7自由度机械臂、计算机视觉和LiDAR传感器，通过多模态感知管道实现组件拾取与放置，精度达亚毫米级。随后采用机器人可部署精细对准工具进行微米级调整，以相机或光电探测器反馈为引导。自主组装并精细对准了迈克尔逊干涉仪（产生稳定干涉条纹）和4f光束清洁系统（实现光束轮廓改善）。基于视觉的误差校正循环确保了高可靠性，但灾难性故障的自主恢复尚未实现。

**自动化光学测量（Automated optical measurements）**
研究人员展示了五种自动化测量任务：1）光束方向与束腰跟踪：机械臂移动相机，记录光束质心，通过线性回归计算角度（如x轴角度88.16°±0.05°），并通过相机图像直接测量束腰。2）光束矩阵测量：机械臂放置透镜并平移相机，获取多距离横向强度分布，计算4×4光束矩阵，测得有效光束传播因子M²_eff=1.07±0.03，与商用系统精度相当。3）偏振映射：机械臂组装线性偏振片与相机，旋转四分之一波片（QWP），通过拟合强度随角度变化提取每个像素的斯托克斯参数（S₀, S₁, S₂, S₃），叠加偏振椭圆于强度图像。4）角度分辨光谱：机械臂组装包含衍射光栅和相机的光谱仪，旋转多层光子晶体（Si/SiO₂交替层，含缺陷层形成腔），获取波长和角度分辨的透射光谱。5）实时空间优化：机械臂构建光束扩展器（f₁=60 mm, f₂=125 mm凸透镜），通过自适应梯度下降算法迭代优化第二透镜位置，在约10次迭代内收敛至目标扩展比f₂/f₁=2.08。

**讨论与结论**

研究人员总结指出，该平台通过集成AI、计算机视觉引导的机械臂和模块化对准工具，显著减少了人工干预，开启了光学实验速度、可重复性和远程操作的新模式。基于LLM的布局生成中，领域特定微调优于通用提示方法，表明结构化约束可使模型具备物理设计空间推理能力。机器人系统解决了自由空间光学组件精密放置与对准的瓶颈，自动化测量展示了光束表征、偏振映射、光谱学和优化任务的广泛适用性，可扩展至材料表征、成像和危险环境（如高功率激光、x射线设施）中的远程监测。未来方向包括：端到端重复性系统分析；扩展到三维（3D）几何、异构组件和非结构化环境；引入强化学习算法应对稀疏奖励信号；集成仿真循环框架实现自优化工作流；以及远程操作与云实验室，促进先进光学实验的分布式和民主化访问。

**结论**：研究人员展示了一个AI驱动的机器人平台，能够设计、组装、对准和操作自由空间光学实验，证明了光学中的全栈自动化既准确又在技术上可行。