华南理工大学喻婷婷团队AISY：基于深度强化学习与路径规划协同的微型机器人自适应自主控制

背景：微型机器人在生物医学和环境修复领域应用潜力巨大，但在复杂动态微环境（如人体血管）中实现精确控制是技术瓶颈。传统方法依赖精确物理建模，微观尺度下难以实现。研究目的：为解决深度强化学习在物理系统中训练效率低、成本高的问题，华南理工大学喻婷婷团队提出一种结合监督学习、无模型深度强化学习和A*路径规划的数据驱动自适应自主控制框架，旨在提升磁性微型机器人在动态环境中的导航能力。结论：该框架通过监督人工神经网络模拟环境，大幅减少物理训练时间和数据需求；集成A*全局路径规划与TQC局部控制，在模拟毛细血管等复杂场景中实现100%导航成功率，轨迹偏差降低30.69%，任务速度提升23.43%，为微型机器人的智能自主控制及医疗应用奠定技术基础。