文章核心观点 - 浙江大学研究团队提出了一种名为STTRL-DVO的全新强化学习框架，旨在解决微纳尺度下微型机器人自主导航的两大底层技术瓶颈：缺乏高效的观测表征和缺乏有效提取时空特征的神经网络[1] - 该框架通过构建“虚拟雷达”观测表征和引入具备时空建模能力的Transformer架构，赋予微型机器人预测性避障与动态追踪能力，使其能在极其混乱拥挤的动态环境中实现高鲁棒性的自主导航[1] - 研究成果已在机器人领域顶级期刊《IEEE Transactions on Robotics》上发表[1] 技术原理与创新 - 研究团队设计了“虚拟雷达”观测机制，利用全局视觉捕捉几何位置和轮廓，并将其转化为以机器人为中心的雷达扫描射线，从而剥离高维度冗余特征，将环境信息降维成精简数据[4] - 开发了时空Transformer强化学习算法，使机器人能够处理长达数个时间步的历史雷达扫描序列，具备“时空记忆”以捕捉障碍物运动轨迹并预判未来，实现预测性避障[7] - 提出了创新性的确定性速度障碍奖励模块，通过解析几何算法直接计算绝对无碰撞且指向目标的“最优确定性方向”，其计算速度比传统方法快了13.45倍，并显著提升了强化学习策略的收敛速度和质量[9][10] 仿真与实验验证 - 在仿真阶段采用了“课程学习”策略，先让机器人在动态障碍物中追踪静态目标，再让目标跑起来，有效防止算法崩溃并加速了强化学习策略的收敛[14] - 在仿真器中精准标定真实物理参数并注入各类感知噪声，使机器人在虚拟世界提前适应真实世界的复杂扰动，为实现零样本部署打下基础[14] - 在真实环境测试中，该算法的追踪成功率高达89.8%，超越了现有的最优基线算法7.4%[16] - 在活体生物实验中，算法面对游动速度快且不可预测的斑马鱼幼体以及身体柔软、游动时形变巨大的涡虫，无需任何真实数据微调，即展现出极强的鲁棒性，成功在活体生物间穿梭并抵达动态目标终点[16][17] 应用前景与意义 - 该研究证明通过“关键信息表征+时空融合提取+先验引导”的底层逻辑，微型机器人完全有能力在高度混乱、不可预知的生物流体环境中实现高鲁棒性的“自动驾驶”[18] - 这项技术为未来微型机器人在生物育种、单细胞操控及靶向递送等前沿生命科学应用扫清了导航层面的障碍[19] - 该研究也为光控、声控等其他所有多模态微尺度控制系统提供了一套启发性的通用智能导航范式[19]