机器学习Machine learning (ML)，通过增强感知能力、适应性、决策能力等，彻底改变了机器人技术，使机器人工作在超出传统方法能力的复杂场景中。然而，将机器人缩小到微米和纳米尺度，却带来了新的挑战。例如，微纳机器人的驱动和运动的复杂性，使传统的建模方法，无法实现，而控制和导航系统，因强烈的环境干扰而变得复杂，体内跟踪遇到了大量的噪声干扰。最近，机器学习ML也证明为解决这些复杂问题，提供了一条很有前景的路径。
近日，香港理工大学Lidong Yang，香港中文大学Li Zhang等，在Nature Machine Intelligence上发表综述文章，讨论了机器学习ML，如何推进微纳机器人的许多关键方面，即设计、驱动、运动、规划、跟踪和导航。从这些基础进步中受益的应用，都将是该领域的潜在受益者，包括显微操作、靶向递送和治疗、生物传感、诊断等。
这篇综述的目的是为读者提供可访问的和全面的调查，以快速了解在微纳米机器人的机器学习ML方面，最近的研究成就。还讨论了这一新兴研究方向的潜在问题和前景。
Machine learning for micro- and nanorobots.
图1:微纳米机器人的复杂性，需要机器学习Machine learning，ML来处理或提供更好的解决方案。
图2: 概述机器学习ML可以为微纳米机器人做什么。
图3: 用于微/纳米机器人设计传统和基于ML范例。
文献链接
Yang, L., Jiang, J., Ji, F. et al. Machine learning for micro- and nanorobots. Nat Mach Intell (2024).
https://doi.org/10.1038/s42256-024-00859-x
https://www.nature.com/articles/s42256-024-00859-x
本文译自Nature。
来源：今日新材料
声明：仅代表译者观点，如有不科学之处，请在下方留言指正！
