.png){kind=icon}
返回
Minute-scale training for microrobot navigation
.png){kind=icon}
PRE
AI
DOI：10.1038/s42256-026-01305-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
微机器人具有应用于各种场景的巨大潜力，其中目标导航是一项基本要求。深度强化学习 recently emerged as a powerful paradigm for fully autonomous microrobot navigation. 然而，当前基于深度强化学习的方法对学习效率与效果关注有限，模型训练需要数小时至数天。这阻碍了快速实际部署和参数优化。为解决这些挑战，我们提出了一种学习框架，可在数分钟内训练出有效的微机器人导航策略。在所提出的框架中，我们开发了一个完全矢量化模拟器，包含超过10,000个人工血管环境，通过并行化动力学、基于射线投射的视觉特征提取和可行性检查（跨数千环境），实现约190,000次状态转移每秒。为实现快速训练的有效性，我们提出了任务塑形-正则化奖励框架。该框架加速收敛，提高最终性能，减少动作变化至少33.7%，增加障碍物清除率至少2.1%（在所有评估场景中）。结果表明，所提出的框架将训练时间缩短至10分钟以内，同时支持跨不同微机器人类型和导航场景的零样本部署。总体而言，该框架可显著缩短设计周期并加速自主微机器人的部署。矢量化模拟器和结构化奖励框架使微机器人导航策略能在数分钟内训练完成，并在不同机器人和环境中无需重新训练即可转移。
期刊
IF:
23.9
论文数:
1.3K
被引数:
1.5W
机构
引用论文
3D Navigation Control of Untethered Magnetic Microrobot in Centimeter-Scale Workspace Based on Field-of-View Tracking Scheme基于视场跟踪方案的厘米级工作空间无缆磁微机器人三维导航控制
PREAI
分享收藏Reduced rotational flows enable the translation of surface-rolling microrobots in confined spaces.png)
NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏
Automated Microrobotic Manipulation Using Reconfigurable Magnetic Microswarms使用可重构磁性微群的自动微机器人操纵
PREAI
分享收藏
查看更多内容