日前，北京大學智能學院可視計算與學習實驗室陳寶權教授團隊與蘇黎世聯邦理工學院健康科技系轉化醫學研究所Simone Schürle-Finke教授團隊展開合作，首次使用物理模擬技術輔助可編程磁性微米級機器人的制造。

相關研究論文《Programming Structural and Magnetic Anisotropy for Tailored Interaction and Control of Soft Microrobots》發表在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「微型醫生」的場景：利用微縮科技進入人體內部修復受損的細胞。

半個多世紀過去，這一由美國著名物理學家Richard Feynman所提出的大膽設想正在一步步走向現實。

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

為了實現信息時代這一重要技術突破，由Schürle等生命科學工作者和陳寶權等智能計算科學專家組成交叉研究團隊，正在不懈探索、穩步推進。

由于人體內部環境的復雜精密，微型機器人在生物醫藥領域的應用長期以來受到廣泛的重視。

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

由此，21世紀以來，設計制造在磁、光、聲等信號的刺激下能作出反應的微型軟體機器人成為了科學家們關注的焦點。

在各種微機器人的驅動方式中，磁驅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構特征，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用價值。

對此，陳寶權和Schürle的團隊提出了一種在物理模擬引導下的通用策略以改進大規模磁微機器人的制備：利用特定磁場中的光聚合，使機器人的結構呈現各向異性，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、產生豐富的行為。

圖片

物理模擬指導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）和不同的磁化構型（單鏈、多鏈、多盤，見右側）

磁各向異性微機器人的仿真、制備與分析

為了探究結構和磁各向異性對混合微機器人群體行為的影響，北京大學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的手段，可處理涉及復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影響。

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

圖片

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

圖片

綠色為雙合結構機器人，紫色為單球形結構機器人，此處展示二者組成的系統的流體動力學模擬結果

既往的大規模制備方法僅能產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。

蘇黎世聯邦理工學院研究者采用液滴微流控技術和光聚合方法，結合外部磁場引導，能夠制備出具備可編程結構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構調控。
• 隨后，將液滴置于不同類型的磁場中，使得 MNPs 在液滴內部形成鏈狀、盤狀、束狀等不同結構，從而賦予液滴磁性各向異性。
• 最終，通過紫外光引發聚合反應，將液滴中的 PEGDA 交聯成水凝膠，固定 MNPs 結構，得到具備結構與磁性各向異性的機器人。

該制備方法高效、可擴展且靈活，能夠實現對微機器人多維度的調控，為其在生物醫學領域的應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構，時間序列疊加描繪了多盤磁化構型的運動模式；第二行給出了混合形狀微機器人集群系統的相分離過程，雙合形態的微機器人由于其特殊性質逐漸與中心區域分離

前述雙合—球形微機器人系統的顯微實驗視頻

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，微型機器人以對環境的感知與反饋為主要特征。陳寶權教授指出，透過物理模擬，研究人員能夠提前「預見」和評估所設計機器人的可能運動模式和能力。

近年來，陳寶權教授團隊持續將目光投射到具身智能體的物理仿真上，其中尤以對磁相關現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注和合作。

自2020年已來，已有五篇相關論文問世，除前述Nature子刊文章外，均錄用至計算機圖形學頂刊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、磁流體等磁性物質在磁場作用下運動的正向解算。綜合運用水平集法、物質點法、邊界元法，陳寶權團隊研發了多種可以快速、準確地模擬動態磁現象的數值算法。

其中，水平集法從第一性原理出發，精準還原了磁流體的Resensweig不穩定性現象[2]，并能通過引入邊界積分方程獲得兩個數量級的解算速度提升[3]；基于牛頓迭代與物質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]。

算法模擬結果：磁流體在旋轉的勻強磁場作用下運動，形成規律的尖峰結構

算法模擬結果：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

除了對磁性物質運動的正向模擬外，陳寶權團隊的工作也涉及相關運動的控制和優化。

例如，通過設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現了麻省理工學院的磁性機器人真實實驗結果，并驗證了滿足該近似條件的機器人所具有的各種形態運動（如爬坡、越障、彈跳等）的能力[5]。

這種基于所謂「時空優化」的技術路線，成為輔助設計與制備小微機器人的基石。

借助硬磁性薄殼軟體模型，在虛擬環境中成功復現麻省理工學院機器人實驗結果

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

使用時空優化技術指導章魚形機器人穿越不同邊界的垂直管道

使用時空優化技術指導章魚機器人穿越復雜地形。右上角給出了均勻外磁場的強度

在先前的工作中，物理模擬技術被用于定性和定量地分析不同內部結構的磁性微機器人的動力學特性，但用于輔助微機器人的實際制造尚屬首次。

「但是，實現磁性微型機器人的產業化仍有一段路程要走」，陳寶權坦言。

要在實驗室環境中找到適應規模化生產、具有高可控性和多行為模態的機器人構型，必須繼續提升測試和迭代的效率。

因此，使用物理模擬技術搭建虛擬實驗平臺進行設計與優化迭代至關重要。

「只有打破學科壁壘，將圖形學物理模擬計算與生命科學等其他學科進行深度交叉合作，才能指數級地壓縮研發時間，實現仿真與制造一體化設計」，陳寶權強調。

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.