การควบคุมการเคลื่อนที่ของหุ่นยนต์ไมโครด้วยการเรียนรู้แบบเสริมกำลังเพื่อการนำทางที่รวดเร็วและแม่นยำในทางการแพทย์

เทคโนโลยีหุ่นยนต์ไมโคร และนาโนมีแนวโน้มที่จะสามารถนำมาใช้ในการประยุกต์ทางการแพทย์ชีวภาพ (เช่น การส่งยาที่มีความแม่นยำ และตรงเป้าหมาย รวมถึงการบำบัดรักษาแบบรุกรานน้อย) อย่างไรก็ตาม หุ่นยนต์ไมโครที่สามารถทำงานได้อย่างอิสระเต็มรูปแบบยังคงเป็นความท้าทายในสภาวะที่ไม่แน่นอน โดยเฉพาะอย่างยิ่งในระบบชีวภาพที่ประกอบด้วยการเปลี่ยนแปลงอย่างรวดเร็วของพลศาสตร์ของไหล อุปสรรคที่หลากหลาย และสภาพแวดล้อมที่ไม่เอื้ออำนวย ในงานวิจัยนี้ การเรียนรู้แบบเสริมแรง (Reinforcement learning, RL) ได้ถูกนำมาประยุกต์ใช้ร่วมกับระบบการกระตุ้นด้วยแม่เหล็กไฟฟ้า (EMAS) เพื่อเปลี่ยนกลยุทธ์การควบคุมแบบดั้งเดิม (เช่น การติดตามเส้นทาง PID) ให้เป็นการกำหนดทิศทาง และการตัดสินใจด้วยตนเองของหุ่นยนต์ไมโครเพื่อให้สามารถทำงานได้อย่างอิสระสมบูรณ์ หนวดเสมือนจริงได้ถูกเสริมเข้าไปรอบลำตัวของหุ่นยนต์ไมโครเพื่อทำหน้าที่เป็นเซ็นเซอร์ในการรับรู้อุปสรรค และการเปลี่ยนแปลงเชิงพลวัต ส่งผลให้เกิดการตัดสินใจด้วยตนเองในการรับมือกับสภาพแวดล้อมแบบเรียลไทม์โดยไม่จำเป็นต้องมีการสร้างแผนที่ล่วงหน้า เนื่องจากนโยบายการเรียนรู้ดำเนินการผ่านการสุ่มโดเมนเพื่อเพิ่มการปรับตัวต่อความไม่แน่นอนให้สูงสุด การทดลองได้ดำเนินการในรูปแบบแปดระดับ ซึ่งอุปสรรค และสภาพแวดล้อมเชิงพลวัตได้ถูกเสริมด้วยเทคโนโลยีเสมือนจริง และจัดโครงสร้างขึ้นเพื่อทดสอบสติปัญญาของหุ่นยนต์ไมโครภายใต้การมองเห็นของระบบ EMAS หุ่นยนต์ไมโครได้รับมอบหมายให้เข้าถึงเป้าหมายที่ตั้งอยู่ห่างจากตำแหน่งเริ่มต้นด้วยตนเองอย่างอิสระ และแสดงให้เห็นถึงความสามารถในการหลีกเลี่ยง และมีปฏิสัมพันธ์กับอุปสรรคที่เป็นอันตรายระหว่างการเดินทาง พร้อมทั้งประมวลผลเส้นทางที่เป็นไปได้ในเวลาเดียวกัน ผลการศึกษาแสดงให้เห็นถึงศักยภาพอย่างมีนัยสำคัญของหุ่นยนต์ไมโครในการรับมือกับสภาวะที่ไม่เหมาะสมสำหรับการประยุกต์ใช้ทางการแพทย์ชีวภาพ ตัวอย่างเช่น การหลีกเลี่ยงการถูกจับกุมโดยตัวแทนของระบบภูมิคุ้มกัน (เช่น แมคโครฟาจ นิวโทรฟิล) หรือภยันตรายอื่น ๆ เพื่อการบำบัดรักษาแบบเจาะจงเป้าหมายอย่างปลอดภัยในระหว่างการเดินทางผ่านพื้นที่จำกัด