Science Robotics / Research Article

Bioinspired adaptive pupil reflex based on liquid-metal shape-shifters for machine vision

作者：Kun Liang, Rui Wang, Gavin Lyda, Anran Zhang, Wanrong Xie, Yihang Wang, Sicheng Xing, Yizhang Wu, Zhibo Zhang, Yihan Liu, Michael D. Dickey, Bowen Zhu, Wubin Bai · 单位：Department of Applied Physical Sciences, University of North Carolina at Chapel Hill, Chapel Hill, NC 27514, USA, Zhejiang Key Laboratory of 3D Micro/Nano Fabrication and Characterization, Department of Electronic and Information Engineering, School of Engineering, Westlake University, Hangzhou, Zhejiang 310030, China, Department of Computer Science and Engineering, Michigan State University, East Lansing, MI 48824, USA, Department of Chemical and Biomolecular Engineering, North Carolina State University, Raleigh, NC 27606, USA · 来源：Science Robotics · 发布日期：2026-02-11 · DOI：10.1126/scirobotics.adx0715

移动机器人仿生机器人机器人

精读笔记

Problem Setting

[Bioinspired adaptive pupil reflex based on liquid-metal shape-shifters for machine vision]（Science Robotics / 2026）

这篇论文真正处理的是动态强光/非均匀光照下机器视觉前端失效的问题：当图像在传感器端已经过曝、对比度下降或边界被冲掉时，后端识别模型再强也只能做有限补救。作者不是单纯追求更好的 photodetector，也不是做一个更像眼睛的相机，而是试图把“瞳孔反射”作为机器视觉系统的一部分硬件化。

关键矛盾是：机器视觉希望同时获得大视场、高进光量、高动态范围和稳定识别，但大孔径/强进光与过曝控制、景深、边缘质量天然冲突。传统路线要么靠相机曝光控制和算法 HDR，要么靠静态仿生结构；前者增加计算和系统复杂度，后者缺少环境反馈。本文试图把这个矛盾前移到光学入口，用可变孔径做实时物理约束。

Motivation

已有仿生视觉工作大多把“眼睛”理解为几何结构或传感器阵列：半球 retina、compound eye、foveated sensor、多光谱感知等。这些工作提升了视场、分辨率分布或光谱覆盖，但对光照剧烈变化下的闭环适应处理不够。另一方面，已有 artificial reflex arc / artificial pupil reflex 往往证明光电器件能驱动执行器，却没有形成完整的成像—反馈—识别链路，也很少同时解决宽视场和可编程瞳孔形态。

作者的核心观察是：生物视觉的鲁棒性来自两个并行回路——成像回路和非成像光强反馈回路。机器视觉通常只保留成像回路，把反馈交给 ISP 或软件控制。缺的不是又一个 photodetector，而是一个能在图像形成之前改变入射光分布的硬件闭环。

Core Idea

核心想法是把液态金属形变作为视觉前端的“物理可计算单元”：光电探测器测到强光后，不是只输出图像，而是通过液态金属逻辑模块产生光强相关的 spike-like 信号，再驱动液态金属瞳孔收缩，减少入射光。这样，系统形成一个负反馈：光越强，孔径越小，光电流和 spike 频率下降，最后进入较稳定曝光状态。

这改变了建模方式：视觉系统不再是被动采样器加后端分类器，而是一个具有状态的闭环光机电系统。它引入的 inductive bias 是“先用物理孔径约束输入分布，再做识别”。这在过曝场景下直觉上有效，因为过曝导致的信息丢失发生在 sensor readout 之前；如果能在光学入口降低饱和，后端模型面对的是更接近训练分布的图像。

和 prior 的本质区别不在单个器件，而在信息流重组：IFP 区域负责成像，NIFP 区域负责光强反馈；液态金属既承担类神经开关，又承担可重构孔径。这使它比单纯静态动物眼仿生更 generalizable，但这种 generality 目前主要是结构可编程意义上的，不是任务学习意义上的。

Method

1. 半球形人工 retina：解决宽视场和曲面成像几何问题。它的必要性在于，如果系统声称是仿生机器视觉而非单像素反射弧，需要一个能实际成像且视场较宽的前端。核心变化是把阵列从平面投影改为曲面承载，减少宽角成像的不匹配。

2. 光电探测器同时承担 sensing 与 feedback source：In2O3/Y6 提供宽谱响应和光强相关 photocurrent。这里关键不是材料本身多新，而是其输出可直接进入后续类神经/执行链路，使成像器件参与控制，而不是只生成 frame。

3. 液态金属逻辑模块：解决从连续光电流到离散 spike-like 控制信号的转换。液态金属在电场、表面张力梯度和氧化/还原过程下周期性接触/断开电极，形成开关脉冲。它的意义是把机械形变和电路状态耦合在同一物理实体里，降低传统控制电路的抽象层级。

4. 液态金属人工瞳孔：解决强光下前端曝光控制。通过多分支 LM actuator 改变孔径形状和面积，系统能模拟圆形、水平、垂直、W 形、心形等 pupil。真正重要的是孔径面积可闭环调节；动物形状仿生更多是可编程性的展示。

5. 识别端评估：SNN/MNIST 与 YOLO 车辆检测用于证明硬件前处理后识别更稳。这里后端模型不是贡献重点，主要是用来量化物理前处理对下游任务的影响。

Key Insight / Why It Works

最重要的 insight 是：对过曝/眩光问题，最有效的补救位置不是网络，而是光学入口。APR 的增益来自物理域的输入分布整形：缩小孔径降低光通量、提高景深、减少 circle of confusion，从而让后端看到更可分的结构。这是 better inductive bias，而不是 scaling。

本文最可能的核心贡献是液态金属闭环孔径作为“可变形物理 attention / exposure controller”。它不需要学习复杂策略，依赖负反馈即可成立；这也是为什么在强光场景中能看到识别提升。液态金属 spike neuron 的生物类比有一定说服力，但从机器视觉角度看，它更像一个可调频软开关/振荡器；“神经”解释不是识别收益的必要条件。

半球 retina 是必要系统组件，但不是主要增益来源。In2O3/Y6 的 synaptic memory 展示也较边缘：PPC 可以模拟短/长期记忆，但本文下游 APR 识别提升并不依赖复杂记忆机制。多动物瞳孔形状的 ray tracing 很有趣，但目前更像 morphology programmability，而不是已经证明的 task-adaptive computation。

需要警惕的是，MNIST 上从过曝噪声恢复的提升很可能部分来自人为定义的 preprocessing 和合成噪声设定；这不是强证据证明系统在真实复杂照明下泛化。车辆检测 demo 也更像 proof-of-concept。增益来源总体清楚是前端调光，但具体有多少来自 LM APR、多少来自后处理、多少来自曝光模拟设置，文中未充分说明。

Relation To Prior Work

这篇工作位于三条路线的交叉处：曲面/半球仿生相机，光电突触/神经形态视觉，人工反射弧/软执行器。和 Rogers/Song/DH Kim 系列仿生相机相比，它的新增点不是更高分辨率或更复杂光学，而是闭环 pupil reflex。和 Gong 等 artificial visual nerve / pupil reflex 相比，它把反射弧接到了一个宽视场成像系统和下游识别任务上，并用液态金属实现可编程孔径。和 cuttlefish/feline eye inspired vision 相比，它不只是静态光学 filter 或固定瞳孔形态，而是动态可变形。

看似新的部分中，“动物瞳孔形状改善成像特性”本身不是新思想，已有视觉生态学和仿生相机工作讲得很多；“液态金属作开关/逻辑/执行器”也有成熟基础。实质创新是把这些东西组织成一个 photoelectric feedback loop，并让同一类 LM 机制同时承担 neural-like switching 与 pupil actuation。

因此它更像系统级组合创新，而不是单一材料或算法突破。它的价值在于证明一条方向：机器视觉前端可以通过软物质可重构结构获得类生物的自适应，而不只是依赖 CMOS + ISP + neural network。

Dataset / Evaluation

评估覆盖了三类 claim：宽视场成像、强光 APR 调节、下游识别改善。器件与闭环实验基本支持“系统能工作”；ray tracing 支持不同 pupil shape 对视场方向性和景深的影响；MNIST/SNN 和车辆检测支持“APR preprocessing 能提升过曝输入的识别质量”。

但 evaluation 对核心应用 claim 的支撑仍偏弱。MNIST 加 150% Gaussian noise 是一个高度受控的 overexposure proxy，不等价于真实 sensor saturation、lens flare、局部眩光、motion blur、HDR 场景。YOLO 车辆检测用的是视频帧和模拟/处理后的视觉结果，展示性强于统计性；没有看到大规模真实驾驶数据、跨天气/跨夜昼/逆光 benchmark，也没有和现代 HDR camera、auto-exposure、event camera、ISP pipeline 做系统级对比。

真机部分证明了 APR 闭环，但不是完整高帧率真实场景部署。多动物瞳孔的功能主要由仿真验证，真实任务收益文中未充分说明。

Limitation

第一，速度是硬伤。作者承认总处理约 0.5 s，远慢于自动驾驶/机器人避障中的实时视觉需求。液态金属形变速度可通过尺度和通道优化提升，但这会牵涉表面张力、电化学稳定性、孔径调制幅度和制造公差，不能简单假设 scaling 后仍保持性能。

第二，系统可靠性上限不清。EGaIn 在 NaOH 中依赖氧化层生成/溶解、气泡、电极润湿和电化学界面状态。长时间循环、封装泄漏、蒸发、污染、温度变化、震动下的行为都可能决定实际可用性。1000 s / 1000 cycles 级别不足以说明部署稳定性。

第三，所谓“神经形态”成分有概念包装风险。Spike current 的频率编码确实类神经，但没有证明这种编码相较简单模拟电压控制有系统优势。它可能主要是为了仿生一致性，而不是性能必要条件。

第四，多形状瞳孔的泛化还没有被证明。不同动物 pupil shape 的生态功能很复杂，取决于眼位、视网膜、生活行为和任务需求。本文把形状映射到 ray-tracing 成像差异是合理的第一步，但距离证明“可编程瞳孔能 task-adaptively 提升机器视觉”还很远。

第五，增益归因不完全干净。APR、denoising、模拟曝光、后端模型训练、数据分布之间的贡献没有充分消融。当前最稳妥的结论只是：物理缩孔能改善某些过曝/高光输入；不能推出它已经优于成熟计算摄影或车载视觉管线。

Takeaway

  • 1. 最值得记住的是信息流设计：把非成像光强反馈从软件曝光控制移到硬件前端，使视觉系统在成像之前主动改变输入分布。
  • 2. 液态金属的真正价值不是“像神经”，而是同一材料平台能同时做开关、可变形执行器和可编程孔径，这为软机器人视觉前端提供了新的物理计算基元。
  • 3. 这篇工作推动的是 adaptive optics + neuromorphic sensing + soft actuation 的系统融合，而不是某个单点器件指标。
  • 未来如果要真正有影响，需要证明在真实动态场景中相较 HDR/AE/event camera 的延迟、能耗和鲁棒性优势。

一句话总结

这篇论文把仿生眼从静态成像结构推进到液态金属驱动的闭环自适应孔径系统，真正贡献是用物理前端负反馈改善强光机器视觉，而非单纯提出一个新的神经形态器件。