使用具有微型尺寸和在低雷诺数液体中游泳能力的磁性微型机器人在靶向治疗中很有前景，因为这些机器人可以在狭窄的环境中灵活移动。然而，由于所需复杂轨迹的非线性和多样性的影响，在不频繁调整控制器的情况下保证微型机器人的跟踪精度是一个挑战。

近日，深圳先进技术研究院徐胜、徐添田等人带领的研究团队开发了一种基于广义学习系统(BLS)的新方法，可以实现微型机器人精确灵活的轨迹跟踪。

该研究于11月1日发表在IEEETransactionsonCyber​​netics上。

与传统的深度学习方法相比，BLS结构灵活简单，可以达到令人满意的精度。

研究团队利用BLS开发了一种基于学习的微型机器人伺服控制算法，并将Lyapunov理论与复杂的学习方法相结合，推导出控制器参数的约束条件。

他们还开发了一种基于BLS的控制器训练算法，该算法使用多个所需的跟踪轨迹作为演示，并通过训练算法获得控制器参数。

根据仿真和实验结果，这种基于BLS的方法训练速度很快，只需要6秒左右。

训练后的基于BLS的控制器可以更准确地跟踪不同形状和速度的轨迹，并且由于其泛化能力强，不需要重新调整参数。此外，由于采用了BLS方法，当需要新的演示时，可以灵活调整节点的数量。