ETH突破性AI技术：微型机器人血管导航成功率高达90%

苏黎世联邦理工学院（ETH）近日在微型机器人自主导航领域取得突破性进展。该校研究团队通过融合强化学习与超声驱动技术，成功开发出能在动态血管环境中实现90%导航成功率的AI控制系统。这项成果于7月2日公开发表，标志着医疗微型机器人技术迈入新阶段。

该系统的核心在于采用基于模型的强化学习（MBRL）策略，使微型机器人仅依靠超声波即可实时完成逆流导航。实验数据显示，在从分支通道过渡到陌生血管环境时，系统经过40万次训练即可达到90%成功率；面对更复杂的环境，模型在310万至400万步训练后仍能维持同等精度。研究人员特别指出，机器人通过差异化调节逆流功率与顺流功率，有效利用血管壁面低阻力区域实现精准控制。

值得注意的是，该系统展现出显著的泛化能力。在模拟测试中，仅需1小时微调就能使新环境下的导航精度达到90%，初始泛化成功率同样维持在90%水平。这种性能得益于模型对各类通道动态特征的精确捕捉，以及微机器人-血管壁面相互作用力的智能调控。

团队负责人表示，该技术为单细胞研究、微型动物模型实验及靶向给药提供了全新工具。目前研究重点已转向三维控制系统开发，并探索AI驱动的环境自适应变形能力。这项突破不仅验证了超声驱动微型机器人在生物医学应用的可行性，也为未来智能微纳机器人系统的设计提供了重要范式。