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.![](http://mmbiz.qpic.cn/sz_mmbiz_png/P28psrUEadPw4icAFibDaO3doYov1Y29a4RrIw7yul9Rvo13Tzlg7emuudicmCibHdFKKsnhjR4xKdHnxBraVibbLqQ/640?wx_fmt=png&from=appmsg)
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。![](http://mmbiz.qpic.cn/sz_mmbiz_png/P28psrUEadPw4icAFibDaO3doYov1Y29a416RjIer7SSstGu0YRfr0s9WicsuL4j3GDXdMpGp1eWNwI0s14c1BdVA/640?wx_fmt=png&from=appmsg)
图2: 概述机器学习ML可以为微纳米机器人做什么。![](http://mmbiz.qpic.cn/sz_mmbiz_png/P28psrUEadPw4icAFibDaO3doYov1Y29a4nQzrNXwFSwAQ3ICmk1kSfOucb9Iicw4asHD45KZgONicianrld523Vozw/640?wx_fmt=png&from=appmsg)
图3: 用于微/纳米机器人设计传统和基于ML范例。![](http://mmbiz.qpic.cn/sz_mmbiz_png/P28psrUEadPw4icAFibDaO3doYov1Y29a4dFziaQZEqa80kFpfTYOUx1N8ia7oPYSroK1QyP6uhCIncLMlkuJqmiaXQ/640?wx_fmt=png&from=appmsg)
![](http://mmbiz.qpic.cn/sz_mmbiz_png/P28psrUEadPw4icAFibDaO3doYov1Y29a4icLIwM9MFiayY8jBSxYUGicBr7ZkaAC81N9eun4yLWDRDyWr2atQTwOXg/640?wx_fmt=png&from=appmsg)
![](http://mmbiz.qpic.cn/sz_mmbiz_png/P28psrUEadPw4icAFibDaO3doYov1Y29a4cxDt0RckpiaBx6wWwzlmoFPicBz62YBibKmKE1SWCLl2QOCNhDmOicDFdA/640?wx_fmt=png&from=appmsg)
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!