香港中文大学张立教授《Nature Machine Intelligence》:深度学习实现微纳机器人集群的自主环境适应性巡航

微纳机器人可以携带药物进入人体，针对性地到达位于狭窄腔道或常规方法难以达到部位的病灶进行治疗。但是单个微纳机器人的容量和功能有限，有效的药物递送及治疗需要同时控制数千至数百万微纳机器人成群进入人体执行任务。然而，体内复杂多变的环境大大增加了手动控制集群的难度和失误机会，甚至出现集群巡航失败的情况。

鉴于此，香港中文大学机械与自动化工程系张立教授团队与计算机科学与工程系窦琪教授团队合作，利用深度学习、图像处理和控制技术，研制了一套人工智能微纳机器人操控系统。它通过显微镜和X光荧光镜等成像工具作为微纳机器人的“眼睛”，使集群可以实时地根据周围环境自主改变自己的运动和分布，实现在复杂环境下的完全自主智能巡航。这项研究为微纳机器人集群带来了计算智能，近期以“Autonomous environment-adaptive microrobot swarm navigation enabledby deep learning-based real-time distribution planning”为题发表在Nature人工智能子刊“自然-机器智能” (Nature Machine Intelligence) 上。

研究团队。左起：姜佳林博士生，杨立冬博士，张立教授，窦琪教授，高晓杰博士。

在此项工作中，为了提供一个提高微纳机器人集群巡航自主性的统一范式，研究团队定义了5个级别的自主程度（由0级至4级；0级代表手动控制，4级代表完全自主），并列出每个自主等级需要的系统要求。这个范式可以作为以后微纳机器人针对不同环境自动化研究的基础。

微纳机器人集群巡航自主性等级的定义。a自主性等级的描述和图示。b每个自主等级对应的系统要求

微纳机器人集群在复杂环境中的自主适应性巡航需要集群可以实时地根据环境改变自己的分布。团队通过深度学习赋予了集群这个关键能力，使其可以自主地做出最优的分布决策。研制的系统以磁性纳米粒子集群为例进行了可行性验证，实现了在变直径管道环境中向目标区域的自主递送以及对微米级货物的自主运送。

使用第3自主等级实现的在变直径管道环境中的a目标区域自主递送和b 微米级货物运送。

为了验证人工智能系统在人体环境中的有效性，团队进一步在人体胎盘中的复杂血管网环境中进行研究。由于此种环境无法进行可见光反馈，团队采用X光荧光镜作为反馈实现了对于微纳机器人集群的可靠跟踪。实验结果也证明了提出的深度学习算法仍然可以正确地引导微纳机器人集群在胎盘血管中的适应性巡航。

张立教授表示：“蜜蜂、鱼类等自然界生物有着非凡的集群智能。它们可以根据实际环境共同地改变集群形态，以便穿越狭窄弯曲的通道，避开障碍物，甚至对敌人展开攻击。虽然微纳机器人本体暂时无法装备大脑，但是我们可以透过人工智能控制系统，赋予微纳机器人集群自主巡航能力，令它们可以全自动、自主地在人体内执行任务，减少失误机会。”

--荐号--

--帮测科技--

论文链接：

https://www.nature.com/articles/s42256-022-00482-8

来源：高分子科学前沿

声明：仅代表作者个人观点，作者水平有限，如有不科学之处，请在下方留言指正！