論文の概要: Reinforcement Learning Enables Autonomous Microrobot Navigation and Intervention in Simulated Blood Capillaries
- arxiv url: http://arxiv.org/abs/2606.26154v1
- Date: Tue, 23 Jun 2026 12:21:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.01354
- Title: Reinforcement Learning Enables Autonomous Microrobot Navigation and Intervention in Simulated Blood Capillaries
- Title（参考訳）: 血液キャピラリーの自律的マイクロロボットナビゲーションと介入を可能にする強化学習
- Authors: Jannik Drotleff, Samuel Tovey, Paul Hohenberger, Christoph Lohrmann, Julian Hoßbach, Konstantin Nikolaou, Christian Holm,
- Abstract要約: 血液毛細血管ネットワークの物理的基盤シミュレーションを開発した。
我々は、深層強化学習エージェントをケモタキシーでナビゲートするように訓練する。
これらの結果は、複雑な環境下での自律的な微生物的介入戦略を開発するためのフレームワークとしてRLを確立している。
- 参考スコア（独自算出の注目度）: 0.903934726553365
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous microrobots navigating biological vasculature could enable targeted drug delivery and thrombolysis, yet training control policies for realistic environments remains an open challenge. Prior reinforcement learning (RL) studies of microrobotic navigation have been limited to idealized geometries that omit complex hydrodynamic flow fields, confined branching structures, and dense cellular obstacles found in vivo. Here, we develop a physically grounded simulation of a blood capillary network, incorporating realistic hydrodynamic flow fields, explicit red blood cell dynamics, and anatomically derived branching geometry, and train deep RL agents to navigate it via chemotaxis. We systematically map the physical limits of navigation across robot size and swimming speed, revealing a forbidden regime where Brownian motion and flow overcome propulsion. Successful agents independently discover multiple universal strategy types, including run-and-rotate and energy-efficient search-and-sit policies, regardless of robot parameters. Without retraining, these agents perform targeted blocking and unblocking of capillary flow, restoring throughput to healthy baseline levels. These results establish RL as a viable framework for developing autonomous microrobotic intervention strategies in complex biological environments.
- Abstract（参考訳）: 生体血管をナビゲートする自律型マイクロロボットは、目標とする薬物の送達と血栓溶解を可能にするが、現実的な環境に対するコントロールポリシーの訓練は、依然としてオープンな課題である。
マイクロロボティックナビゲーションの事前強化学習(RL)研究は、複雑な流体流動場、閉じ込められた分岐構造、in vivoで発見された密集した細胞障害を省略する理想的な測地に限られている。
そこで本研究では, 現実的な流動場, 明示的な赤血球動態, 解剖学的に派生した分岐幾何学を取り入れ, 深部RLエージェントをケモタキシーにより誘導し, 深部RLエージェントを訓練する, 血液キャピラリーネットワークの物理場シミュレーションを開発した。
ロボットの大きさと水泳速度にまたがるナビゲーションの物理的な限界を体系的にマッピングし、ブラウン運動とフローが推進を克服する禁制体制を明らかにした。
成功したエージェントは、ロボットパラメータに関係なく、ラン・アンド・ローテートとエネルギー効率の高い探索・送信ポリシーを含む、複数の普遍的な戦略タイプを独立して発見する。
再トレーニングなしでは、これらのエージェントはキャピラリーフローのターゲットブロッキングとアンブロッキングを行い、スループットを健全なベースラインレベルに回復させる。
これらの結果は、複雑な環境下での自律的な微生物的介入戦略を開発するためのフレームワークとしてRLを確立している。
関連論文リスト
- Micro-Swarm Locomotion Optimization in Dynamic Flow using Multi-Objective Multi-Agent Reinforcement Learning [2.0223202343873226]
生理的、現実的で、時間に依存した流体環境における微小ロボティックな群れの調整は、未解決の課題である。
本稿では,多目的多エージェント強化学習フレームワークであるComputational Fluid Dynamicsを提案する。
16個の磁気駆動型マイクロロボットが脈動性動脈を走行し、上流の進行、エネルギー保存、動きの滑らかさを同時に最適化する。
論文 参考訳（メタデータ） (2026-05-24T12:04:29Z) - Sim-to-Real Transfer for Muscle-Actuated Robots via Generalized Actuator Networks [53.12548325396181]
柔らかい筋肉のアクティベーションと組み合わせたテンドンドライブは、より速く、より安全なロボットを可能にする。
この複雑なアクチュエータのニューラルネットワークモデルを学習するsim-to-realパイプラインを提案する。
我々は,完全にシミュレーションで訓練された,正確なゴール獲得とダイナミック・ボール・イン・カップ・ポリシーの展開に成功した。
論文 参考訳（メタデータ） (2026-04-10T16:52:54Z) - Toward AI Autonomous Navigation for Mechanical Thrombectomy using Hierarchical Modular Multi-agent Reinforcement Learning (HM-MARL) [57.65363326406228]
In vitroにおける自律型2デバイスナビゲーションのための階層型モジュールマルチエージェント強化学習フレームワークを提案する。
HM-MARLは、大腿動脈から内頸動脈(ICA)へのガイドカテーテルとガイドワイヤを自律的にナビゲートするために開発された。
モジュール型マルチエージェントアプローチは、複雑なナビゲーションタスクを特別なサブタスクに分解するために用いられ、それぞれがソフトアクター・クライブRLを用いて訓練された。
In vitroでは、両方のHM-MARLモデルが大腿動脈から右総頸動脈への100%の治験に成功し、右ICAへの80%は失敗に終わった。
論文 参考訳（メタデータ） (2026-02-20T23:50:35Z) - Scalable Spatio-Temporal SE(3) Diffusion for Long-Horizon Protein Dynamics [51.85385061275941]
分子動力学(MD)シミュレーションは、タンパク質動力学研究のゴールドスタンダードのままである。
近年の生成モデルではシミュレーションの加速が期待できるが、長軸生成に苦慮している。
物理的に可塑性なタンパク質軌道をマイクロスケールの時間スケールで生成する拡張拡散モデルSTAR-MDを提案する。
論文 参考訳（メタデータ） (2026-02-02T14:13:28Z) - Towards Autonomous Navigation in Endovascular Interventions [0.7100795934780609]
この論文は、複雑な血管環境における自律的なガイドワイヤナビゲーションのための統合AI駆動フレームワークを提示している。
高忠実でリアルタイムなシミュレーションプラットフォームであるCathSimは、強化学習に基づくカテーテルナビゲーションのために導入された。
Expert Navigation Networkは、自律的なツールコントロールのための視覚的、運動的、強制的なフィードバックを融合させるポリシーである。
論文 参考訳（メタデータ） (2025-12-19T21:38:52Z) - Optimal navigation of magnetic artificial microswimmers in blood capillaries with deep reinforcement learning [1.3225694028747141]
外部磁場によって推進される網膜毛細血管における人工細菌鞭毛(ABF)の数値シミュレーションを行った。
シミュレーションは、個々の赤血球の力学とABFとの流体力学的相互作用を予測する検証された血液モデルに基づいている。
そこで本研究では,ABFを低次モデルと細粒度血液シミュレーションの両方において,確実に所定の目標に導出する方針を示す。
論文 参考訳（メタデータ） (2024-03-29T17:01:09Z) - Distilling Reinforcement Learning Policies for Interpretable Robot Locomotion: Gradient Boosting Machines and Symbolic Regression [53.33734159983431]
本稿では, ニューラルRLポリシをより解釈可能な形式に蒸留する新しい手法を提案する。
我々は、RLを用いて専門家のニューラルネットワークポリシーを訓練し、(i)GBM、(ii)EBM、(iii)シンボリックポリシーに蒸留する。
論文 参考訳（メタデータ） (2024-03-21T11:54:45Z) - fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文 参考訳（メタデータ） (2022-10-23T15:11:37Z) - Chemotaxis of sea urchin sperm cells through deep reinforcement learning [0.0]
本研究では, ウニ精子のモデルが, ケモアトレラント濃度場において, 自己学習型遊走運動をいかに行うかを検討する。
我々は,人工ニューラルネットワークを用いて意思決定エージェントとして機能し,精子の効率的な操作戦略の発見を容易にする。
以上の結果から,ウニ精子の遊走過程に関する知見が得られ,微生物の知能的操作のためのガイダンスも用意された。
論文 参考訳（メタデータ） (2022-08-02T06:04:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。