让AI自主设计并执行生物实验，机器人生物学家开启实验室自动化新时代
仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
将ScienceAI设为星标
第一时间掌握
新鲜的AIforScience资讯
编辑|ScienceAI
在生物研究中，重复性实验如细胞培养、优化参数往往耗时耗力，且受人为误差影响。传统自动化方案（如液体处理机器人）虽能辅助，却缺乏灵活性——面对复杂协议、动态实验条件时，常需人工干预，难以自主应对错误或优化设计。
如何让AI真正“理解”并执行生物实验，成为科研加速的关键瓶颈。
最近，来自中国科学技术大学苏州高等研究院的研究团队提出了BioMARS系统（BiologicalMulti-AgentRoboticSystem），首次将大语言模型（LLMs）与视觉语言模型（VLMs）深度集成到机器人系统中，实现了端到端的生物实验全自动化！
该系统在权威测试中不仅匹配甚至超越人工操作的细胞培养效果，还能自主优化实验参数，大幅提升效率和可重复性。
图1：系统架构与机器人设置
突破在哪？
三大Agent分工协作，像人类研究员一样思考和行动！
BioMARS创新性地采用分层多Agent架构，让AI“分工合作”完成实验：
图2：BiologistAgent架构与评估
1. BiologistAgent（生物学家Agent）
通过检索增强生成（RAG）技术分析文献，自动合成可执行协议。例如，输入“如何传代HeLa细胞”，它能生成详细步骤，并适配实验室约束（如培养皿库存、移液器容量），确保协议直接可执行。
图3：TechnicianAgent架构及协议转换与执行框架的性能
2. TechnicianAgent（技术员Agent）
将自然语言协议转化为机器人伪代码，支持11种基础操作（如移液、离心）。通过“CodeGenerator+CodeChecker”双模块，自动修复逻辑错误（如遗漏隐式步骤），指令匹配准确率96. 4%，远超单模块基准（92. 4%）！
图4：InspectorAgent概览及评估指标
3. InspectorAgent（监察员Agent）
基于视觉Transformer（ViT）和VLM实时监控实验过程，实现分层错误检测：先通过ViT进行初步的快速判断，再用VLM进行语义验证（如“培养皿未盖紧”）。在23类常见错误场景中，检测精确率达95. 7%，双阶段联合检测较单阶段检测误报率降低83%，确保实验稳健性。
实验结果：
细胞培养媲美人工，优化能力远超传统方法！
图5：自动化vs. 人工细胞传代结果比较
细胞传代任务：在HeLa、Y79等细胞系中，BioMARS操作后细胞存活率超92%，与人工操作无显著差异，且变异系数（CV）降低12-18%，证明更高一致性。操作时间从60分钟缩短至5-8分钟，效率提升90%！
图6：iPSC-RPE优化实验结果
自主优化能力：在诱导多能干细胞分化为视网膜色素上皮（iPSC-RPE）的优化任务中，BioMARS调整7个参数（如FGFRi浓度、离心时间），仅用20轮迭代，色素评分达0. 5913，超越贝叶斯优化（0. 3130）和GPT-4o（0. 4344），展现强大推理泛化性！
为什么是变革？
语言驱动+机器人集成，实验室自动化进入“智能时代”！
BioMARS不仅是工具，更是“AI研究员”：它通过自然语言交互（如网页输入“如何传代细胞”）自主执行任务，支持实时人机协作。其模块化后端可扩展集成各类实验室硬件，降低90%人工操作负担，为药物发现、再生医学等提供可扩展解决方案。未来将持续优化异常处理能力，迈向完全自主实验室！
论文地址：https ://arxiv. org/pdf/2507. 01485
在线Demo：https ://github. com/AlexandreQ27/BioMARS
人工智能×[生物神经科学数学物理化学材料]
「ScienceAI」关注人工智能与其他前沿技术及基础科学的交叉研究与融合发展。
欢迎关注标星，并点击右下角点赞和在看。
点击阅读原文，加入专业从业者社区，以获得更多交流合作机会及服务。
