觀點
張立、楊立冬:機器學習算法 使微納機械人更「聰明」
![](https://mainpao.com/wp-content/uploads/2023/04/1to1.png)
【明報文章】微納機械人在臨牀應用中有龐大潛力。人類的大腦是承載智慧的器官;同樣地,若能夠賦予微納機械人「智慧」,將能令它在醫療應用上開闢新領域。我們合作開展了探索在微納領域實現「具身智能」(註1)的綜述工作。將微納機械人作為末端的執行器和感知器,結合控制系統中的機器學習算法,向機械人賦予智能,這個革命性的創新科技將徹底改變我們的診斷和治療方式。該工作已發表在期刊Nature Machine Intelligence上。
微納機械人經過數十年發展,已展現出其在生物醫療領域的不可替代地位。然而,如何實現兼具自適應能力、智能化和自主化的微納機械人控制,尤其是在實際生理環境中執行醫療任務,依舊是一項嚴峻挑戰。
在微納米尺度環境中,機械人的運動會受到大量擾動和不確定性的影響,包括機械人之間的相互作用、布朗運動(註2)、熱力學擾動,及機械人本身難以建模的動態特性等。這些複雜多變且難以量化的擾動,往往限制了傳統控制方法的效果。
生物體裏精確控制機械人
同時,在動態的生理環境中,存在着成分複雜的生物流體、生物組織的蠕動,以及分佈複雜的腔體血管結構,這些因素都會對微納機械人執行任務帶來困難。針對這些問題,機器學習算法可能是一個可行的解決方案。
我們從驅動、運動控制、規劃、追蹤、導航等角度,歸納了機器學習算法在微納機械人領域的貢獻。與使用大量試錯法和反覆運算的傳統設計方法不同,機器學習可以通過訓練建立機械人參數與功能的對應關係,簡化微納機械人的設計優化流程。
在運動控制方面,微納機械人本身及其控制系統的模型,都存在着較大的不確定性和非線性,意味着通過傳統計算方法難以得到滿意的控制效果。利用神經網絡強大的學習和擬合能力,可以在節省大量計算資源的同時優化控制輸入,實現精確控制。
在生物體內執行醫療任務時,控制者需要實時獲取微納機械人的位置及姿態信息。採用深度學習的圖像處理方法,可以從雜訊多、訊噪比低的醫療圖像中取得所需信息。此外,生物體環境中存在多種動態干擾,如何實現穩定的避障及抗干擾靶向導航,也是關鍵所在。機器學習算法可以直接為機械人在複雜環境中提供控制信號,在不需要依循特定模型的情况下,亦可更穩健地導航。
可提供新微創靶向治療方向
微納機械人相比於傳統機械人系統的最大優勢,在於其微小尺度,使其在狹小複雜環境中有着更強的靈活性。而機器學習等智能算法,可以幫助微納機械人解決諸如控制及定位追蹤等挑戰。
因此,未來對於需要微創及靶向治療,例如靶向藥物遞送、定點溶解血栓或栓塞等的病人,機器學習輔助下的微納機械人,可以向他們提供新的治療方向。筆者此前合作研究的基於深度學習算法的微納集群自動導航的工作,也已發表於Nature Machine Intelligence期刊(註3)。
我們認為,將機器學習算法整合到微納機器人之中,是一個充滿前景的前沿研究領域。智能化微納機械人的發展,可望為人類帶來更健康、更長壽的未來。
註1:「具身智能」是有物理載體的智能體(智能機械人)在一些交互中,通過感知、控制和自主學習來積累知識及技能,形成智能並影響物理世界的能力。
註2:「布朗運動」指懸浮在流體中的微小粒子或顆粒,無休止地做出的無規則運動。
註3:文章網址www.nature.com/articles/s42256-022-00482-8
(綜述論文全文:www.nature.com/articles/s42256-024-00859-x)
作者張立是香港中文大學機械與自動化工程學系教授,楊立冬是香港理工大學工業及系統工程學系助理教授
(本網發表的時事文章若提出批評,旨在指出相關制度、政策或措施存在錯誤或缺點,目的是促使矯正或消除這些錯誤或缺點,循合法途徑予以改善,絕無意圖煽動他人對政府或其他社群產生憎恨、不滿或敵意)
[張立、楊立冬]
![](https://news.mainpao.com/wp-content/uploads/2024/05/bet365.ooo_.png)