日前，北京大學(xué)智能學(xué)院可視計算與學(xué)習(xí)實驗室陳寶權(quán)教授團隊與蘇黎世聯(lián)邦理工學(xué)院健康科技系轉(zhuǎn)化醫(yī)學(xué)研究所Simone Schürle-Finke教授團隊展開合作，首次使用物理模擬技術(shù)輔助可編程磁性微米級機器人的制造。

相關(guān)研究論文《Programming Structural and Magnetic Anisotropy for Tailored Interaction and Control of Soft Microrobots》發(fā)表在Nature子刊《Communications Engineering》上[1]，并作為編輯精選獲得了為期一個月的首頁推薦。

研究成果獲得Nature Communications Engineering首頁推薦

20世紀60年代，科幻片《神奇旅程》（Fantastic Voyage）第一次用影像向人們描繪了「微型醫(yī)生」的場景：利用微縮科技進入人體內(nèi)部修復(fù)受損的細胞。

半個多世紀過去，這一由美國著名物理學(xué)家Richard Feynman所提出的大膽設(shè)想正在一步步走向現(xiàn)實。

或許在不遠的將來，使用微型機器人監(jiān)測人體健康情況、及時識別與消融腫瘤等病灶將成為人們習(xí)以為常的醫(yī)療手段。

為了實現(xiàn)信息時代這一重要技術(shù)突破，由Schürle等生命科學(xué)工作者和陳寶權(quán)等智能計算科學(xué)專家組成交叉研究團隊，正在不懈探索、穩(wěn)步推進。

由于人體內(nèi)部環(huán)境的復(fù)雜精密，微型機器人在生物醫(yī)藥領(lǐng)域的應(yīng)用長期以來受到廣泛的重視。

為了適應(yīng)血管環(huán)境、進行生物傳感以及藥物輸送等精細化作業(yè)，除尺寸必須限于微米級別外，機器人還必須具備形態(tài)多樣、可無接觸控制等特點。

由此，21世紀以來，設(shè)計制造在磁、光、聲等信號的刺激下能作出反應(yīng)的微型軟體機器人成為了科學(xué)家們關(guān)注的焦點。

在各種微機器人的驅(qū)動方式中，磁驅(qū)動方法由于其可穿透性和對生命體無害性而備受青睞。

然而，受制于各向同性的結(jié)構(gòu)特征，既有的磁性微型機器人存在運動模式單一且缺乏交互的問題，從而極大地限縮了應(yīng)用價值。

對此，陳寶權(quán)和Schürle的團隊提出了一種在物理模擬引導(dǎo)下的通用策略以改進大規(guī)模磁微機器人的制備：利用特定磁場中的光聚合，使機器人的結(jié)構(gòu)呈現(xiàn)各向異性，從而微機器人集群能夠隨著外加磁場方向和強度的改變而作出精確的反饋、產(chǎn)生豐富的行為。

圖片

物理模擬指導(dǎo)磁性微型機器人制備概念圖。所得微機器人具有不同的表面形狀（雙合、橢球、球，見左側(cè)）和不同的磁化構(gòu)型（單鏈、多鏈、多盤，見右側(cè)）

磁各向異性微機器人的仿真、制備與分析

為了探究結(jié)構(gòu)和磁各向異性對混合微機器人群體行為的影響，北京大學(xué)研究者運用格子玻爾茲曼方法以及磁偶極相互作用模型，對微機器人的流體動力學(xué)和磁化過程進行模擬。

• 格子玻爾茲曼方法作為一種高效計算流體動力學(xué)的手段，可處理涉及復(fù)雜邊界條件和流固耦合的問題；
• 磁偶極相互作用模型則致力于描述微機器人間的磁性相互作用，并考慮了微機器人相互磁化的動態(tài)影響。

借助這兩種模型，研究團隊得以深入探討不同結(jié)構(gòu)和磁性各向異性對微機器人群體運動和組裝的影響，并實現(xiàn)對群體運動的有效控制。

圖片

不同磁化構(gòu)型（多鏈、多盤）的機器人對比。左列給出其各向同性階數(shù)，右側(cè)給出一對機器人系統(tǒng)周圍的磁感線分布

圖片

綠色為雙合結(jié)構(gòu)機器人，紫色為單球形結(jié)構(gòu)機器人，此處展示二者組成的系統(tǒng)的流體動力學(xué)模擬結(jié)果

既往的大規(guī)模制備方法僅能產(chǎn)生磁各向同性的微機器人，難以兼顧高通量、高精度及高可控性，限制了其運動與集群行為的控制。

蘇黎世聯(lián)邦理工學(xué)院研究者采用液滴微流控技術(shù)和光聚合方法，結(jié)合外部磁場引導(dǎo)，能夠制備出具備可編程結(jié)構(gòu)和磁性各向異性的機器人：

• 首先，將含有磁性納米顆粒（MNPs）和聚乙二醇二丙烯酸酯（PEGDA）的水相與含有表面活性劑的油相通過流動聚焦形成液滴，其大小和形狀可通過流速和通道結(jié)構(gòu)調(diào)控。
• 隨后，將液滴置于不同類型的磁場中，使得 MNPs 在液滴內(nèi)部形成鏈狀、盤狀、束狀等不同結(jié)構(gòu)，從而賦予液滴磁性各向異性。
• 最終，通過紫外光引發(fā)聚合反應(yīng)，將液滴中的 PEGDA 交聯(lián)成水凝膠，固定 MNPs 結(jié)構(gòu)，得到具備結(jié)構(gòu)與磁性各向異性的機器人。

該制備方法高效、可擴展且靈活，能夠?qū)崿F(xiàn)對微機器人多維度的調(diào)控，為其在生物醫(yī)學(xué)領(lǐng)域的應(yīng)用提供了新的可能性。

圖片

第一行給出了純球形磁化微機器人集群的可變晶體結(jié)構(gòu)，時間序列疊加描繪了多盤磁化構(gòu)型的運動模式；第二行給出了混合形狀微機器人集群系統(tǒng)的相分離過程，雙合形態(tài)的微機器人由于其特殊性質(zhì)逐漸與中心區(qū)域分離

前述雙合—球形微機器人系統(tǒng)的顯微實驗視頻

具身智能體的高逼真物理仿真與制造

作為一種具身智能體，微型機器人以對環(huán)境的感知與反饋為主要特征。陳寶權(quán)教授指出，透過物理模擬，研究人員能夠提前「預(yù)見」和評估所設(shè)計機器人的可能運動模式和能力。

近年來，陳寶權(quán)教授團隊持續(xù)將目光投射到具身智能體的物理仿真上，其中尤以對磁相關(guān)現(xiàn)象的物理模擬與可視化為典型代表，在這方面獲得了國際上廣泛的關(guān)注和合作。

自2020年已來，已有五篇相關(guān)論文問世，除前述Nature子刊文章外，均錄用至計算機圖形學(xué)頂刊ACM Transactions on Graphics，并在頂會ACM SIGGRAPH/SIGGRAPH Asia上宣讀。

首先，團隊研究磁鐵、磁泥、磁流體等磁性物質(zhì)在磁場作用下運動的正向解算。綜合運用水平集法、物質(zhì)點法、邊界元法，陳寶權(quán)團隊研發(fā)了多種可以快速、準(zhǔn)確地模擬動態(tài)磁現(xiàn)象的數(shù)值算法。

其中，水平集法從第一性原理出發(fā)，精準(zhǔn)還原了磁流體的Resensweig不穩(wěn)定性現(xiàn)象[2]，并能通過引入邊界積分方程獲得兩個數(shù)量級的解算速度提升[3]；基于牛頓迭代與物質(zhì)點法的磁性材料模擬能夠在正確處理碰撞和接觸的同時，將磁化模型從線性拓展到非線性[4]。

算法模擬結(jié)果：磁流體在旋轉(zhuǎn)的勻強磁場作用下運動，形成規(guī)律的尖峰結(jié)構(gòu)

算法模擬結(jié)果：頂端放有沖浪板小人的磁泥受到非線性磁化，逐漸吞沒磁鐵

除了對磁性物質(zhì)運動的正向模擬外，陳寶權(quán)團隊的工作也涉及相關(guān)運動的控制和優(yōu)化。

例如，通過設(shè)計帶有硬磁性磁滯回線的薄殼軟體機器人并運用伴隨方法不斷梯度下降，團隊成功在計算機中復(fù)現(xiàn)了麻省理工學(xué)院的磁性機器人真實實驗結(jié)果，并驗證了滿足該近似條件的機器人所具有的各種形態(tài)運動（如爬坡、越障、彈跳等）的能力[5]。

這種基于所謂「時空優(yōu)化」的技術(shù)路線，成為輔助設(shè)計與制備小微機器人的基石。

借助硬磁性薄殼軟體模型，在虛擬環(huán)境中成功復(fù)現(xiàn)麻省理工學(xué)院機器人實驗結(jié)果

微型機器人在兩種不同虛擬地形上的爬坡測試，右上與右下角給出了外加磁場的方向變化

使用時空優(yōu)化技術(shù)指導(dǎo)章魚形機器人穿越不同邊界的垂直管道

使用時空優(yōu)化技術(shù)指導(dǎo)章魚機器人穿越復(fù)雜地形。右上角給出了均勻外磁場的強度

在先前的工作中，物理模擬技術(shù)被用于定性和定量地分析不同內(nèi)部結(jié)構(gòu)的磁性微機器人的動力學(xué)特性，但用于輔助微機器人的實際制造尚屬首次。

「但是，實現(xiàn)磁性微型機器人的產(chǎn)業(yè)化仍有一段路程要走」，陳寶權(quán)坦言。

要在實驗室環(huán)境中找到適應(yīng)規(guī)?；a(chǎn)、具有高可控性和多行為模態(tài)的機器人構(gòu)型，必須繼續(xù)提升測試和迭代的效率。

因此，使用物理模擬技術(shù)搭建虛擬實驗平臺進行設(shè)計與優(yōu)化迭代至關(guān)重要。

「只有打破學(xué)科壁壘，將圖形學(xué)物理模擬計算與生命科學(xué)等其他學(xué)科進行深度交叉合作，才能指數(shù)級地壓縮研發(fā)時間，實現(xiàn)仿真與制造一體化設(shè)計」，陳寶權(quán)強調(diào)。

參考資料：

[1] Yimo Yan, Chao Song, Zaiyi Shen, Yuechen Zhu, Xingyu Ni, Bin Wang, Michael G. Christiansen, Stavros Stavrakis, Juho S. Lintuvuori, Baoquan Chen, Andrew deMello, Simone Schuerle. Programming Structural and Magnetic Anisotropy for Tailored Interaction and Control of Soft Microrobots. Communications Engineering. 3, Article 7. Januarry 2024.

[2] Xingyu Ni, Bo Zhu, Bin Wang, Baoquan Chen. A Level-Set Method for Magnetic Substance Simulation. ACM Transactions on Graphics (TOG). 39, 4, Article 29. August 2020.

[3] Xingyu Ni, Ruicheng Wang, Bin Wang, Baoquan Chen. An Induce-on-Boundary Magnetostatic Solver for Grid-Based Ferrofluids. ACM Transactions on Graphics (TOG). 43, 4, Article 56. July 2024.

[4] Yuchen Sun, Xingyu Ni, Bo Zhu, Bin Wang, Baoquan Chen. A Material Point Method for Nonlinearly Magnetized Materials. ACM Transactions on Graphics (TOG). 40, 6, Article 205. December 2021.

[5] Xuwen Chen, Xingyu Ni, Bo Zhu, Bin Wang, Baoquan Chen. Simulation and Optimization of Magnetoelastic Thin Shells. ACM Transactions on Graphics (TOG). 41, 4, Article 61. July 2022.