智源研究院提出了 BAAIWorm 天寶 -- 一個全新的、基于數據驅動的生物智能模擬系統，首次實現秀麗線蟲神經系統、身體與環境的閉環仿真。BAAIWorm 天寶通過構建線蟲的精細神經系統、身體和環境模型，為探索大腦與行為之間的神經機制提供重要研究平臺。

2024 年 12 月 16 日，智源研究院理事長黃鐵軍和生命模擬研究中心馬雷等共同關于 BAAIWorm 天寶的重要進展在國際著名科學期刊《自然?計算科學》（Nature Computational Science）上發表，并于 12 月 21 日被選為期刊封面故事。

BAAIWorm 天寶的重要創新之處在于其不僅關注神經系統的建模，還將身體與環境納入考量，形成一個閉環系統，通過模擬線蟲的行為，探索神經結構如何影響智能行為。這一工作不僅為研究生物智能提供了新的平臺，也為具身智能理論的進一步發展和人工智能領域的應用奠定了基礎。

倫敦大學學院 Padraig Gleeson（OpenWorm 團隊，本文審稿人之一）評價 BAAIWorm：“這是一項了不起的成果，它將秀麗線蟲的生理學和解剖學信息整合進了一個計算模型。在不同層面呈現了諸多進展，而且各項成果相互融合，構成了一幅條理清晰的圖景。我認為，這是一項我們在秀麗線蟲建模和理解‘腦 - 身體 - 環境’交互方面的重要進展。”

《自然?計算科學》資深編輯 Ananya Rastogi 指出：“這項工作讓我眼前一亮。動態的機體與環境相互作用以及精細的模擬相結合，使得在閉環系統中研究大腦活動如何影響行為成為可能。”

這一成果的另一審稿人表示：“這項研究為我們從整體上理解神經系統建立了新的研究范式。傳統的神經科學研究往往側重于分離和理解神經系統或大腦的特定方面。然而，通過綜合這些細節全面理解整個生物體仍然是一項挑戰。這項研究引入了一種很有前景的方法：嘗試構建一個完整的生物體模擬。”

• Nature 文章鏈接：
  https://www.nature.com/articles/s43588-024-00738-w
• Research Briefing 鏈接：
  https://www.nature.com/articles/s43588-024-00740-2
• BAAIWorm GitHub 地址：
  https://github.com/Jessie940611/BAAIWorm

一、BAAIWorm 天寶對于具身智能研究的意義

近年來，隨著神經科學和人工智能技術的深度交叉融合，研究者們越來越多地嘗試通過構建生物體模型來理解神經系統與行為之間的關系，并推動具身智能的研究。國際上的個別研究機構在這一領域取得了顯著進展。

2022 年，瑞士洛桑聯邦理工學院（EPFL）發布了 NeuroMechFly，一個基于果蠅的神經 - 機械耦合模型，用以研究神經系統如何驅動行為，相關成果發表于《Nature Methods》[1]。

2024 年，EPFL 進一步發布了 NeuroMechFly v2，對該模型進行了優化，進一步提高了神經 - 身體交互的功能性 [2]。

與此同時，DeepMind 也在推動生物智能模擬方面邁出了重要步伐，2020 年初步發布了 Virtual Rodent，該模型通過模擬嚙齒動物的大腦與身體運動，推動了對生物智能的理解。2024 年，DeepMind 在《Nature》上發布了 Virtual Rodent 的更新版，進一步提升了該模型在神經網絡和行為模擬方面的能力 [3]。

生物智能無疑是人工智能研究的源頭。BAAIWorm 天寶通過高精度還原和模擬生物智能，為理解和探索生物啟發的具身智能的核心機制提供了重要的實驗平臺。

通過將大腦、身體和環境的互動整合到一個閉環系統中，BAAIWorm 天寶展示了神經系統如何通過與身體及環境的協同作用，產生復雜而高效的行為。這一研究不僅加深了對生物智能的理解，也為開發具有類似感知與運動能力的人工具身智能系統提供了新的視角。

二、BAAIWorm 天寶介紹

在秀麗隱桿線蟲中，運動、覓食等行為是由其神經回路、肌肉生物力學和實時環境反饋之間的協調互動驅動的。然而，傳統的模型往往將神經系統或身體環境孤立開來，未能捕捉到支撐復雜行為的整體 “大腦 - 身體 - 環境” 交互。在生物物理學上精確模擬這種復雜性仍然是一個挑戰，這也突顯了構建完整的閉環模型的必要性，以連接神經網絡、生物力學和環境反饋。

智源研究院生命模擬研究中心旨在開發這樣一個閉環的生物物理精細模型（“生命模型”），以精確模擬生物體在神經、生物力學和環境互動中的復雜行為。團隊采用可擴展的多層次方法，包括多艙室神經元模型，通過細致模擬神經網絡中間隙連接、突觸和神經元的活動，生成了生理上準確的神經動態。在這項研究中，團隊著手開發一個開源模型 ——BAAIWorm，用于在閉環系統中模擬秀麗隱桿線蟲的體現行為。

BAAIWorm（一個集成腦 - 身體 - 環境的模型）作為一個開源模塊系統，為研究線蟲行為的神經控制機制提供了一個多功能平臺。BAAIWorm 基于實驗數據，由兩個子模型組成：一個是生物物理層面上精細的神經網絡模型，模擬秀麗隱桿線蟲的神經系統；另一個是根據線蟲解剖學構建的身體模型，并被一個可計算的簡化 3D 流體環境所包圍（見圖 1）。

神經網絡模型中的每個神經元都被表示為一個多艙室模型，模擬神經元的結構和功能部分（如胞體、神經突），以精確復現秀麗隱桿線蟲神經元的電生理特性以及基于實驗數據的精細突觸和間隙連接結構。

身體模型則結合了 96 個肌肉細胞，這些肌肉細胞基于秀麗隱桿線蟲的解剖學，在四個象限中建模，以實現計算對稱性。表面級的力模擬了推力和阻力，優化了計算效率，同時反映了生物體在流體環境中的互動特性。

系統也簡化模擬了環境中的連續感官輸入（如食物濃度梯度）。這些輸入會動態影響神經計算，進而驅動肌肉收縮，形成一個閉環反饋系統，形成協調的運動軌跡，能夠與真實線蟲行為類比（見圖 1）。

圖片

圖 1：BAAIWorm 天寶是一個具身秀麗隱桿線蟲仿真平臺。BAAIWorm 天寶將一個生物物理層面非常精細的神經網絡模型與一個生物力學身體和三維環境整合在一個閉環系統中，進行感官刺激和肌肉信號的交互。神經網絡模型包含了具有精細結構的神經元模型及突觸和間隙連接，通過迭代優化模型參數（如連接權重，連接極性等），逼近真實秀麗隱桿線蟲的神經動力學特性。身體模型由 3,341 個四面體（作為身體結構的基本建模元素）和 96 個肌肉組成，與三維環境互動，實現實時的運動仿真。

三、BAAIWorm 天寶亮點

1. 世界最高精度線蟲神經網絡模型

研究團隊基于線蟲神經元的真實生理特性，構建了一個生物物理層面上的高精度神經網絡模型。神經網絡模型中的每個神經元都被表示為一個多艙室模型，模擬神經元的結構和功能部分（如胞體、神經突），以精確復現秀麗隱桿線蟲神經元的電生理特性以及基于實驗數據的精細突觸和間隙連接結構。該模型是目前已知首個同時在神經元層面和神經網絡層面都具有真實動力學特性的，基于多艙室建模的高精度秀麗隱桿線蟲神經網絡模型。

圖片

2. 身體環境模型

該模型符合生物線蟲解剖特性，可精準穩定的追蹤和度量三維軟體運動。相比于 OpenWorm，在仿真性能和環境尺度等指標上取得了數量級的提升。

圖片

3. 高精度神經系統模型與身體環境模型的閉環仿真

BAAIWorm 天寶首次建立了線蟲神經網絡模型與身體環境模型的閉環交互，模擬線蟲通過之字形運動接近食物的行為。環境中的食物濃度刺激感覺神經元，運動神經元驅動肌肉收縮，生成協調的運動軌跡。在這一過程中，研究人員可以通過模擬的方法，實時觀察線蟲的軌跡、神經活動以及肌肉信號。

圖片

通過 BAAIWorm 天寶，可同時觀察線蟲運動情況與神經網絡每個細節的動態情況。

四、BAAIWorm 天寶基于 OpenWorm 的新進展

OpenWorm 是一個開創性的開放科學項目，致力于通過建模秀麗線蟲（C. elegans）推進計算生物學的發展。智源研究團隊在研究中使用了 OpenWorm 提供的諸多寶貴工具和數據，如細胞模型形態、突觸動態及 3D 線蟲體信息。基于 OpenWorm，BAAIWorm 天寶在多個關鍵方面實現了顯著的進展，推動了這一領域的進一步發展：

1. 增強版神經網絡模型

OpenWorm 提供了許多有價值的神經系統建模工具和標準，如 ChannelWorm 和 c302。然而，BAAIWorm 天寶在以下幾個方面進行了顯著創新：

a) 單神經元建模：c302 提供了多艙室的神經模型，且所有神經元的參數均統一。然而，BAAIWorm 天寶通過調整五種單神經元模型，使其更精確地擬合電生理數據，確保模型能夠準確反映真實的神經動力學。

b) 連接精細程度：在 c302 的多艙室神經模型中，神經元的連接位于胞體上，而 BAAIWorm 天寶則在神經元的神經突（neurite）上建立連接，極大提升了神經元連接的解剖學準確性。

c) 訓練：c302 生成的多艙室神經網絡模型并沒有經過訓練，而 BAAIWorm 天寶的神經網絡模型則經過了嚴格的訓練，以匹配功能圖譜，從而更好地捕捉到復雜且真實的神經動力學。

2. 增強版生物體與環境建模

Sibernetic 是 OpenWorm 項目中用于模擬 C. elegans 物理體動態的物理模擬器。盡管 Sibernetic 的粒子模型在某些任務（如壓力計算）上有一定優勢，BAAIWorm 天寶的生物體與環境模型在多個方面表現出色：

a) 生物體建模效率：BAAIWorm 天寶的體表數據是基于 Sibernetic 的體表數據進行轉換的，但四面體線蟲體模型相比 Sibernetic 的粒子模型，元素數量大幅減少，極大提高了性能，同時保持了解剖學的真實性。

b) 3D 環境：借助簡化的流體動力學，BAAIWorm 天寶的 3D 仿真場景的規模相比 Sibernetic 提高了兩個數量級，從而能夠模擬更加復雜和大范圍的環境。

c) 仿真：BAAIWorm 天寶采用了投影動力學（projective dynamics）作為形變求解器，相比 Sibernetic 顯著縮短了每個迭代步驟的仿真時間。同時，投影動力學在使用較大時間步長時也表現出了較高的穩定性，這使得仿真能夠更高效地運行。

d) 可視化：BAAIWorm 天寶采用了實時網格渲染和 GPU 光線追蹤技術，不僅帶來了更佳的視覺效果，還在保證高性能的前提下，提升了仿真場景的真實感和互動性。

3. 閉環互動

OpenWorm 將 c302 神經網絡和 Sibernetic 的生物體模型聯合實現了兩者的交互，但這種交互是開放式的，缺乏環境對于神經系統的反饋。而這一感覺反饋對生物體在環境中生存來說至關重要，BAAIWorm 天寶通過引入感官反饋，實現了神經網絡與生物體模型的閉環互動。這一重要創新能夠更全面地理解線蟲如何與其環境進行互動、處理感官信息并執行協調的運動。

五、未來展望

智源研究院的生命模擬研究中心通過 BAAIWorm 天寶展示了數字生命體建模的潛力，為進一步理解神經控制機制和智能行為的生成機制提供了全新工具。這一成果基于創新的閉環建模思想，將大腦、身體與環境作為整體進行整合，為構建其他數字生命體積累了寶貴經驗。

當前人工通用智能（AGI）研究主要沿三條路徑展開：數據驅動的人工神經網絡（ANN）模型，如 OpenAI 的 GPT 系列；基于 ANN 的強化學習，如 DeepMind 的 DQN；基于 “結構決定功能” 原則的類腦方法，例如脈沖神經網絡（SNN）。

智源研究院積極探索第三條路徑，通過類腦建模探索神經網絡結構如何驅動智能行為。這一方向不僅致力于研究生物智能，還旨在為通用人工智能的實現提供新思路。在這一路徑中，生命模擬研究中心開發的天演平臺（eVolution）提供了強大的建模和優化能力。該平臺通過整合詳實的生物數據和微調模型參數，實現模型的 “電子進化”（electronic-evolution），在通往 AGI 的探索中開辟了獨特路徑。

除了 BAAIWorm 天寶，智源研究院還在開發 OpenComplex（一個開源蛋白質或 RNA 建模平臺）和 BAAIHeart（亞細胞層級的高精度心臟建模）。

通過在生命的多個尺度領域研究的協同發展，智源研究院正推動生物智能與人工智能交叉研究的前沿探索，以實現對智能本質的深刻理解和應用。