在生物实验领域，传统自动化工具往往受限于预设程序的执行，难以灵活应对实验过程中的不确定性和复杂性。随着技术的不断迭代，科学家们开始探索将自然语言处理、计算机视觉与机器人技术相结合，尝试实现生物实验的自主设计与执行能力。
中国科学技术大学苏州高等研究院研究团队，成功开发了BioMARS（Biological Multi-Agent Robotic System）系统，该系统通过将大语言模型（LLM）、视觉语言模型（VLM）与模块化机器人深度融合，实现了从理解实验意图到自动完成实验操作的全流程智能化，突破了传统实验自动化在感知与决策层的局限。
研究团队表示，BioMARS并非传统意义上“照章办事”的自动化工具，而是一个真正具备推理能力、感知能力与执行能力的机器人生物学家。
▍BioMARS系统概述
你是否遇到过这样的场景：
○ 翻了整晚文献，第二天还要一管一管配液、传代，精疲力尽；
○ 把复杂实验流程交给传统机器人，却因为一个盖子没打开，全盘报错；
○ 想优化实验参数，但历史数据太杂，根本无从下手……
这些正是实验室日常的“痛点三连”。
而 BioMARS 就是为了解决这些问题而生。通过集成自然语言处理技术、计算机视觉和模块化机器人，实现从理解实验意图到自动完成实验操作的全流程智能化。
BioMARS系统由三个核心组件构成：Biologist Agent、Technician Agent和Inspector Agent。
Biologist Agent代理机制
Biologist Agent：作为系统的“规划者”负责自动检索并理解相关文献，结合实验室资源约束生成实验方案。它利用检索生成框架，通过在线查询获取相关知识，并生成结构化的实验步骤。
Technician Agent代理机制
Technician Agent：作为“执行者”的角色将自然语言描述的实验方案转化为机器人可执行的指令。这一过程中，Technician Agent通过特定的代码生成和检查机制，确保生成的指令既符合逻辑又能在实际硬件上顺利执行。它能够将复杂的实验步骤映射为基本的机器人操作，如添加液体、离心、摇动等，从而简化了机器人的编程工作，使研究人员能够更专注于工作本身。
Inspector Agent代理机制
Inspector Agent：作为“监督者”角色利用计算机视觉技术进行多阶段的感知和错误检测。它通过实时识别操作过程中的偏差，如移液枪未装好、离心机门未关等，并及时反馈给系统。这种多层次的异常检测机制有效提高了实验的可靠性和安全性，防止了因操作失误导致的事故扩大。
▍实验效果：机器人动手，质量更稳、效率更高
在HeLa、Y79、DC2.4等三种细胞系的对比实验中，BioMARS系统展现出了明显优势。实验结果显示，自动化操作在细胞存活率、形态完整度方面与人工操作无明显差异，且重复性更高。
此外，自动化操作还大幅节省了时间，使得每个细胞系传代的人工操作时间从60分钟缩短至5-8分钟。
该成果不仅验证了BioMARS系统在细胞培养实验中的可行性和有效性，还有效提升了实验效率，拥有较高的一致性。在HeLa细胞传代实验中，BioMARS系统能够准确执行洗涤、消化、离心和重悬等步骤，确保了细胞的存活率和形态完整度。
除了执行预设的实验方案外，BioMARS系统还具备强大的生物优化能力。在 iPSC-RPE 细胞分化实验中，它能从已有失败案例中总结经验，自动调整培养基中的生长因子浓度和培养时间等参数，以获得更高的分化效率，使用DeepSeek模型在最终优化指标表现超越 GPT-4o 和传统贝叶斯优化算法。
值得一提的是，BioMARS系统并非盲目试错，而是具备“生物常识”的决策策略——例如控制剪应力、平衡生长因子毒性等。
这得益于系统内置的决策策略，如控制实验条件、平衡生长因子浓度等。
通过结合上下文推理和结构化决策制定，BioMARS系统有效减少了对人工调优的依赖，为复杂生物系统的优化提供了可扩展的解决方案。
因此，BioMARS系统不只是“能做”，而且比人工操作“做得更好、做得更稳，也做得更快”。
▍结语与未来：
在过去，传统生物实验自动化依赖预设程序，机器人仅能执行固定代码，面对实验中的动态变化或突发误差时缺乏调整能力，常因小错误导致流程中断，需人工介入修正。而现BioMARS系统通过自然语言处理、计算机视觉与模块化机器人的结合，实现了从实验意图理解到自动操作的全流程整合。
BioMARS系统的诞生，不仅代表着“自动化实验”的新一代方案，更是一种“可推理的科研助理”。对于高通量细胞培养、标准化建模、药物前筛等生物研究核心流程来说，BioMARS无疑将大幅提升效率、降低人力成本，推动生命科学真正进入AI原生时代，而未来机器人生物学家也将成为科学探索不可或缺的重要力量。
论文链接： https://arxiv.org/pdf/2507.01485
在线Demo：https://github.com/AlexandreQ27/BioMARS
来源：具身智能大讲堂
（文：机器人大讲堂）