做过自由空间光路的人，大多经历过这样的过程：放好镜片，看光斑，拧一点镜架，再看；不对，再退回来。

真正麻烦的地方从来不只是“把镜片放到某个坐标”，而是机械位置正确，并不等于光学状态正确。光束有没有穿过镜片中心、两束光有没有重合、谐振腔有没有起振，最后都要靠真实的光学信号判断。

MIT最近展示的一套机器人光学实验室，开始尝试把这套依赖经验的过程变成闭环自动化：从散放的光学元件开始，机器人完成识别、抓取、放置、对准、优化，最后搭出一套能够正常工作的桌面激光系统。

【图1：MIT机器人光学实验平台实物图】

二、机械坐标只是初值，真正的基准是光

MIT没有假定激光一定沿着理论坐标传播。机器人先拿着光束检测相机，在多个位置测量实际光斑，再通过直线拟合建立真实的激光传播轴。

元件放下以后，相机继续测量光斑偏差。如果透镜位置不对，机器人会先主动移动一个小距离，观察光斑移动多少，由系统响应计算下一次修正量，再继续测量。这实际上就是一个“测量—调整—再测量”的闭环。

角度对准也类似。系统观察主光束和腔内反射形成的第二束光，通过调节镜架，让两个光斑逐渐重合。这里使用了贝叶斯优化来决定下一次镜架应该怎么调。在10组不同初始状态下，这一过程都完成了两束光重合，平均约5.5次迭代。

实验开始时，10个光学元件被随机放在光学平台上。机器人通过顶部相机、末端相机以及元件上的定位标记识别位置，再把反射镜、透镜、滤光片、相机和Nd:YAG晶体等组件逐步放入光路。

MIT公开报道显示，机器人最终自主完成约50个动作，在30分钟内搭出了能够起振的激光谐振腔。

但如果只是“机械臂搬镜片”，这件事并不新鲜。真正困难的是：机械臂存在定位误差，元件装进镜架也有装配误差，光轴与机械基准更不会天然重合。论文指出，几十到几百微米的位置变化或不到1°的角度变化，就可能让光学系统无法工作。

【图2：论文Fig.3——机器人自动搭建激光腔的完整流程】

MIT没有假定激光一定沿着理论坐标传播。机器人先拿着光束检测相机，在多个位置测量实际光斑，再通过直线拟合建立真实的激光传播轴。

【图3：论文Fig.2——位置闭环与两束光角度对准】

为了使用常规光学镜架，研究团队专门做了一个无线控制的精细调整工具。它可以卡在镜架的调节旋钮上，由电机直接转动旋钮。

这一步很关键。机器人负责大范围抓取和摆放，精细执行器负责小角度调节，而相机负责判断调完以后光学状态到底有没有变好。

在激光已经起振以后，系统还会根据输出强度和光束质量继续优化。机器人先扫描晶体角度寻找能够起振的区域，再自动调节腔镜，使高阶横模逐渐接近基模高斯光束。

【图4：论文Fig.4——从高阶模式到基模的自动优化】

如果把这项工作简单说成“AI自己搭光路”，其实并不准确。

这套2026年的系统核心是机器视觉、机器人控制、光学反馈和数值优化。其中贝叶斯优化具有机器学习属性，但大量关键步骤仍然是直线拟合、闭环控制和基于物理反馈的迭代计算，并没有让大语言模型实时判断镜架该怎么拧。

论文甚至把“未来引入智能体AI或学习型策略”列为后续方向。这也说明，自动化并不等于AI。对精密光学来说，一个可靠、可测量、可收敛的闭环，往往比单纯加入复杂模型更重要。

研究人员还故意把已经工作的系统弄乱。

第一组实验中，透镜被移动了厘米量级。系统识别出位置变化后重新抓取、放回并自动重调，10次实验全部恢复激光，平均用时约2.83分钟。

第二组实验更激进：四个腔镜调节旋钮被随机转动30°到60°，激光完全消失。系统重新运行优化，10次中成功恢复9次，平均约3.05分钟。

【图5：论文Fig.5——光路受到扰动后的自动恢复】

这意味着未来的自动化光学系统可能不仅负责“第一次调好”，还能够持续监控温漂、振动或意外碰撞造成的状态变化，并主动把系统重新拉回可工作区域。

目前还不能说机器人已经能够独立完成科研。这个实验里，光学系统的布局和目标仍然由人提供，机器人解决的是执行、装调、优化和恢复。

不过同一团队在9月又进一步展示了可编程云光学实验室：真实光学平台可以通过统一软件接口远程操作、保存实验状态、运行脚本并执行闭环优化。方向已经很清楚——光学实验正在从“人工搭建的一次性装置”，逐渐变成一种可编程、可恢复的实验系统。

真正值得关注的，并不是机械臂学会了搬镜片，而是过去大量依赖工程师经验的操作，正在被拆成可测量的状态、明确的误差和可以自动执行的调整动作。

自动曝光、自动对焦、自动找像、自动对准、自恢复，最终可能不再是几个孤立功能，而是组成一种新的光学仪器：它不只负责测量，还能判断自己当前是否处在正确的测量状态，并主动把自己调回去。