在微型机器人设计中，物理、生物、计算和人类智能分别提供不同的能力，它们的整合构成了跨域智能的基础。
| 智能域 | 角色 | 主要机制 | 关键挑战 | 代表性任务 |
|---|---|---|---|---|
| 物理智能 (PI) | 材料和结构驱动的自主性 | 1.刺激响应材料（如水凝胶、液晶）、磁弹软复合物；2.仿生几何形状（如螺旋结构） | 选择性低、多功能集成困难 | pH/靶向药物递送、血管内导航 |
| 生物智能 (BI) | 集成活细胞/生物体以实现致动、感知和适应性 | 诱导多能干细胞、嗜中性粒细胞、大肠杆菌、血小板等构成生物杂化机器人 | 生物差异性大、寿命短、体内可控性差 | 肿瘤归巢靶向治疗、基于趋化性的货物运输 |
| 计算智能 (CI) | 通过算法实现感知、学习与控制 | 卷积神经网络感知、强化/模仿学习导航、数字孪生模拟与优化 | 板载算力有限、数据稀缺、医疗安全性要求高 | 图像深度/位姿估计、闭环导航 |
| 人类智能 (HI) | 提供高层认知指导和专家监督 | 远程操控、触觉反馈、AR/VR界面、共享控制 | 延时与界面设计限制、三维场景中态势感知不足 | VR引导血管导航、远程微操作 |
注：表格内容基于论文 Table 1 中对各智能域的总结。
定义与意义：物理智能将感知、致动、控制、记忆、逻辑和适应能力直接编码到微型机器人的物理实体（材料和结构）中，而不依赖于中央数字大脑或外部控制器。
机制示例：水凝胶微机器人在酸性肿瘤微环境下释放药物；热触发无绳微夹在体温下闭合完成组织活检；磁弹软复合材料在磁场驱动下实现形变与运动；螺旋结构提高黏性介质中的推进效率。
挑战与展望：目前PI的功能选择性有限，难以在有限体积内集成多功能。未来亟需开发多响应可降解材料、可重构结构和计算优化设计。
定义与意义：生物智能通过引入活体细胞或微生物，使机器人具备生物固有的驱动、感知和适应能力。
机制示例：诱导多能干细胞驱动的微机器人可利用肿瘤归巢能力递送纳米药物；嗜中性粒细胞载体利用趋化性进行目标运输；大肠杆菌驱动机器人可在低氧区域导航；血小板基系统通过受体介导黏附进行靶向定位。
挑战与展望：BI系统受生物体内环境和个体差异影响大，寿命短，难以长时间稳定运行。未来将通过基因工程和合成生物学程序化控制细胞行为，并结合闭环感知提升可靠性。
定义与意义：计算智能提供算法驱动的感知、学习和控制，使微型机器人能够在动态环境中进行感知、规划和决策。
机制示例：卷积神经网络用于图像感知，强化学习和模仿学习用于导航与策略学习，数字孪生用于虚实结合的模拟和控制。
挑战与展望：受制于尺寸限制，板载计算资源稀缺；真实数据有限，医疗安全性需求高。未来需要开发高效模型、数据驱动与物理约束融合的方法，以及保证临床安全的验证机制。
定义与意义：人类智能通过专家指导和认知介入，补充系统中的知识空缺，在不确定环境下保障安全。
机制示例：远程操控和触觉反馈使医生能够精细操纵微机器人；AR/VR界面为操作提供直观的沉浸式体验；共享控制框架结合机器自主决策与人类指令。
挑战与展望：界面延迟、三维感知不足限制了操作精度。未来需发展实时成像、人体工学界面和智能助手算法，提高人机协作效率。