[论文解读] RoboCulture: A Robotics Platform for Automated Biological Experimentation

Kevin Angers, Kourosh Darvish+7 more|ArXiv.org|May 20, 2025

Scientific Computing and Data Management被引用 4

一句话总结

RoboCulture 提出了一种成本低、灵活的端到端自主生物学自动化平台，使用7轴机器人在15小时酵母培养过程中进行液体处理、吸头交换和在行为树与计算机视觉的引导下的生长监测。它演示了在96孔板中实现自主移液、吸头交换和基于生长的决策以实现孔位分割的能力。

ABSTRACT

Automating biological experimentation remains challenging due to the need for millimeter-scale precision, long and multi-step experiments, and the dynamic nature of living systems. Current liquid handlers only partially automate workflows, requiring human intervention for plate loading, tip replacement, and calibration. Industrial solutions offer more automation but are costly and lack the flexibility needed in research settings. Meanwhile, research in autonomous robotics has yet to bridge the gap for long-duration, failure-sensitive biological experiments. We introduce RoboCulture, a cost-effective and flexible platform that uses a general-purpose robotic manipulator to automate key biological tasks. RoboCulture performs liquid handling, interacts with lab equipment, and leverages computer vision for real-time decisions using optical density-based growth monitoring. We demonstrate a fully autonomous 15-hour yeast culture experiment where RoboCulture uses vision and force feedback and a modular behavior tree framework to robustly execute, monitor, and manage experiments. Video demonstrations of RoboCulture can be found at https://ac-rad.github.io/roboculture.

研究动机与目标

• 解决在灵活、低-cost平台中以毫米级精度和长时间持续性实现生物学工作流全自动化的挑战。
• 开发一个使用通用机器人进行液体处理、吸头交换和生长监测的端到端自主系统。
• 利用计算机视觉和生长曲线分析，在细胞培养实验中实现实时决策。
• 提供一个模块化的行为树框架，以协调机器人子系统实现稳健的实验执行。
• 开放源代码和CAD模型以便将来适应新任务。

提出的方法

• 将7轴Franka机械臂与RGB-D相机及实验室硬件集成，实现96孔板上的自主操作。
• 使用可移除吸头的Digital Pipette v2及由力反馈引导的自动吸头交换机构。
• 应用基于视觉的液体处理与视觉伺服实现对随机定位孔的精准移液。
• 使用RGB成像进行光密度（optical-density）监测，基于成像追踪相对生长而无需板读数器。
• 将协议表示为模块化行为树，将人类工作流程转化为机器人任务并具备反应性决策能力。
• 开展一个完全自主的15小时酵母培养实验，以演示端到端自动化。

实验结果

研究问题

• RQ1 通用机器人是否能在事先不进行标定的情况下，自治完成端到端液体处理任务并可靠地插入96孔板的移液管？
• RQ2 闭环感知与力引导的吸头交换是否足以实现吸头的鲁棒附着与液体处理的可靠性？
• RQ3 基于视觉的生长监测（RGB成像）是否能为自主演化决策提供可操作的生长曲线？
• RQ4 行为树是否提供灵活、可重复使用的控制，支持长时间、容错的自主生物实验？

主要发现

• Digital Pipette v2 在1、5、10 mL范围内的分装精度高，平均输送体积接近目标且误差远低于ISO 8655-2的限值（例如 10.0 mL：9.9909 mL，ηs = -0.09%，Cv = 0.10%）。
• 对随机定位的96孔板的吸头插入平均成功率为0.990，覆盖六个随机板 placements，平均完美率为0.924。
• 吸头交换在36次循环中显示出100%的附着与移除准确性，平均螺旋搜索时间为9.08 s（SD 5.76 s）。
• RGB基于光密度监测得到的生长曲线与人工操作员使用板读数仪的测量结果 reasonably 匹配，支持自主生长追踪。
• 自主酵母培养在15小时内完成，按阶段将饱和孔分裂为三个子孔，且在初始播种水平（50、30、10 Million cells/mL）下呈现一致的生长轨迹。
• 系统展示了端到端的自主性，使用模块化、可重复使用的行为树协调感知、基于视觉的控制和液体处理。