集群机器人学是机器人学中的一个重要分支，尤其在执行复杂任务和跨越障碍时，多台机器人协作往往能够完成单个机器人无法完成的工作。

近年来，微纳尺度的集群机器人学逐渐成为研究热点。由于单个微纳机器人的体积较小，其运输药物和治疗疾病的能力有限，因此，通常需要成千上万甚至更多的微纳机器人协同工作，才能有效地将药物运送到特定的身体部位。

然而，这种协同控制需要操作者具备深厚的理论知识和丰富的实践经验，否则很容易导致控制失败。特别是人体内的复杂环境，使得手动控制变得更为困难，容易造成控制失败。

微纳机器人集群在非结构化环境中实现自主巡航，以达到目标位置并执行任务的需求日益迫切。

受此驱动，香港中文大学的张立教授团队与窦琪教授团队合作，开发了一套基于人工智能的控制系统，旨在实现微纳机器人集群的自主巡航。

该系统结合了深度学习、图像处理和集群自动控制等多种关键技术，能够适应不同规模的微纳机器人集群，并支持多种成像方式作为反馈机制，如显微镜、X光荧光镜和超声波探头。这套系统使微纳机器人集群能够在不断变化的工作环境中实时调整自身分布和运动，从而在非结构化环境中实现智能化的自主巡航。这一研究成果已发表在《自然-机器智能》杂志上。

此外，研究团队还提出了一个微纳机器人集群巡航自主性的分级标准，从手动控制到完全自主控制共分为五个级别。这一标准不仅有助于评估现有技术，也为未来的研发提供了指导方向。

研究团队还开发了一个基于深度学习的系统框架，以增强微纳机器人集群在复杂环境中的最优分布决策能力。通过大量的模仿学习和深度神经网络的训练，系统能够实时响应环境变化，做出最佳的集群分布决策，并自动导航至目标区域。

为了验证这套系统的有效性，研究团队在多种非结构化环境中进行了测试，包括开放空间、障碍物环境、变直径和变曲率管道环境以及动态障碍物环境等。实验结果表明，高自主级别的微纳机器人集群在自主递送目标区域和运输微米级货物方面表现出色。

为了进一步验证这套系统在人体内部环境中的应用潜力，研究团队在X光荧光镜成像条件下，对纳米粒子集群在人体胎盘环境中的巡航进行了研究。尽管胎盘环境复杂多变，实验依然证明了这套系统的有效性，微纳机器人集群能够自主调整分布，顺利巡航至目标区域。

未来的研究将致力于扩展该系统架构的应用范围，包括将其应用于不同类型的微纳机器人集群和各种体内环境，以及在医学成像引导下实现体内环境中的自主巡航，还有多个微纳机器人集群的同时自主巡航。