Neue Wege für autonome medizinische Mikroroboter

Das Forschungsteam unter der Leitung von Frank Cichos von der Gruppe für Molekulare Nanophotonik am Peter-Debye-Institut für Physik der Weichen Materie der Universität Leipzig nutzte Reinforcement Learning, einen Ansatz des maschinellen Lernens, um Mikroschwimmer zu steuern, die durch komplexe Strömungsfelder navigierten. Die mikroskopisch kleinen Partikel lernten mithilfe von Algorithmen erfolgreiche Navigationsstrategien, obwohl sie keine direkten sensorischen Informationen über Strömungen hatten, die ihrer Bewegung entgegenwirkten. Da jede Bewegung der Teilchen die Signatur der Strömung bereits in sich trug, dienten deren Körper selbst als Sensor und somit als Datengrundlage für den Algorithmus.

Professor Cichos betont die übergeordnete Bedeutung: „Diese Arbeit schlägt eine Brücke zwischen biologischer Inspiration und praktischer Umsetzung. Bewegliche Mikroorganismen haben sich über Millionen von Jahren hinweg entwickelt, um ihre physische Beschaffenheit für die Navigation zu nutzen. Wir zeigen nun, dass maschinelles Lernen ähnliche Strategien in synthetischen Systemen innerhalb experimentell realisierbarer Zeiträume entdecken kann.“

Die Forschenden kombinieren mit Goldnanopartikeln beschichtete Melaminpartikel – synthetische Mikroschwimmer mit einem Radius von etwa einem Mikrometer – mit Echtzeit-Optikkontrolle und Algorithmen für maschinelles Lernen. Die Partikel werden durch asymmetrische Lasererwärmung angetrieben. Während der Trainingsphasen lernen die Partikel, trotz hydrodynamischer Störungen, die durch laserinduzierte Strömungen verursacht werden, ihre Zielorte zu erreichen.

Mehr zu Mikroschwimmern

26.05.2025 • Nachricht • Forschung

Gezielt schwimmen ohne Hirn

20.03.2025 • Nachricht • Industrie & Technologie

Magnetische Mikroalgen werden zu Robotern

05.11.2024 • Nachricht • Forschung

Eine Fernsteuerung für Mikroschwimmer

13.09.2024 • Nachricht • Forschung

Schwärmen für Mikroschwimmer

Christina Kurzthaler • 5/2025 • Seite 42

Strategische Bewegung

Benno Liebchen und Hartmut Löwen • 1/2022 • Seite 31

Selbstgetriebene Teilchen

„Die Experimente selbst waren ziemlich anspruchsvoll“, bemerkt Diptabrata Paul, wissenschaftlicher Mitarbeiter am Peter-Debye-Institut. „Wir mussten eine stabile Echtzeitsteuerung erreichen und gleichzeitig den Lernalgorithmus trainieren – im Wesentlichen haben wir den Mikroschwimmern während der Navigation beigebracht, wie sie sich verhalten müssen. Die Partikel sind Strömungen ausgesetzt, die bis zu viermal stärker sind als ihre eigene Antriebsgeschwindigkeit, dennoch lernen sie innerhalb von etwa fünfzig Trainingseinheiten, erfolgreich zu navigieren.“

Der entscheidende Erkenntnisgewinn liegt in „verkörperter Intelligenz“ – dem Prinzip, dass physikalische Strukturen und Wechselwirkungen mit der Umgebung als Rechenressourcen für die Algorithmen dienen können. Anstatt sich auf miniaturisierte Sensoren und Prozessoren zu verlassen, werden die Bewegungsdynamiken der Mikroschwimmer selbst zu Informationsprozessoren.

„Dies unterscheidet sich grundlegend von unserer üblichen Vorstellung von Roboterdesign“, erklärt Paul. „Anstatt zu versuchen, alles explizit über Sensoren zu erfassen und dann Reaktionen zu berechnen, wird die physikalische Wechselwirkung zwischen dem Körper und seiner Umgebung genutzt, um die benötigten Informationen zu erhalten. Der Lernalgorithmus entdeckt, wie diese verkörperten Informationen gelesen und darauf reagiert werden kann.“

Die Arbeit hat bedeutende Auswirkungen auf Anwendungen, bei denen eine explizite Sensorik unpraktisch oder unmöglich ist. „Denken Sie an die gezielte Verabreichung von Medikamenten im menschlichen Körper“, schlägt Nico Scherf vom Max-Planck-Institut für Kognitions- und Neurowissenschaften vor. „Herkömmliche Ansätze basieren auf vorprogrammierten Reaktionen oder externer Steuerung, aber physiologische Strömungen sind komplex und unvorhersehbar. Mikroroboter, die aus ihrer eigenen Dynamik lernen, könnten sich möglicherweise autonom im Körper bewegen.“ Die Forschung eröffnet zudem auch neue Wege für die Schwarmrobotik: Mehrere Mikroroboter könnten kollektive verkörperte Intelligenz offenbaren.

„Wir stehen wirklich erst am Anfang der Erforschung dessen, was möglich ist, wenn wir die physische Verkörperung als rechnerische Ressource betrachten“, fasst Paul zusammen. „Diese Arbeit demonstriert das Prinzip experimentell. Die nächste Herausforderung besteht darin, diese Ideen auf komplexere Umgebungen und Aufgaben zu übertragen.“ [U Leipzig / dre]