生体血管系を自律的にナビゲートするマイクロロボットは、標的化薬物送達や血栓溶解治療への応用が期待されている。しかし、現実的な環境で制御ポリシーを訓練することは未解決の課題である。これまでのマイクロロボットナビゲーションに関する強化学習（RL）研究は、生体内に見られる複雑な流体力学的流れ場、狭窄した分岐構造、密集した細胞障害物を省略した理想化された幾何形状に限定されていた。
この空白を埋めるため、Jannik Drotleff氏ら7名の研究チームは、血液毛細血管ネットワークの物理的に根拠のあるシミュレーションを開発した。このシミュレーションは、現実的な流体力学的流れ場、明示的な赤血球動態、解剖学的に導出された分岐形状を組み込んでいる。研究チームはこの環境で、走化性（化学濃度勾配に沿った運動）によってナビゲートする深層強化学習エージェントを訓練した。
研究は、ロボットのサイズと遊泳速度にわたるナビゲーションの物理的限界を系統的にマッピングし、ブラウン運動と流れが推進力を克服する「禁制領域」を明らかにした。この発見は、マイクロロボットの設計パラメータに明確な境界を定めるものである。
興味深いことに、成功したエージェントはロボットのパラメータに関係なく、「ラン・アンド・ローテート」やエネルギー効率の良い「サーチ・アンド・シット」ポリシーなど、複数の普遍的な戦略タイプを独立に発見した。これは普遍的なナビゲーション原理の存在を示唆している。さらに重要なことに、これらのエージェントは再訓練なしで、毛細血管流の標的化遮断と再開を実行し、血流を健康なベースラインレベルに回復させた。
この論文はarXiv（2606.26154）に掲載され、12ページ、4図からなる。ロボティクス（cs.RO）に分類され、機械学習（cs.LG）および生物物理学（physics.bio-ph）にも関連する。著者らは、これらの結果が複雑な生物環境における自律マイクロロボット介入戦略を開発するための実行可能なフレームワークとして強化学習を確立すると結論付けている。この研究は、将来の生体血管内での精密医療介入に向けた重要なシミュレーション基盤と戦略検証を提供するものである。