微装配——基础、应用及最新进展

安禹建 ,  何秉泽 ,  马卓晨 ,  郭遥 ,  杨广中

Engineering ›› 2025, Vol. 48 ›› Issue (5) : 341 -366.

PDF (12422KB)
Engineering ›› 2025, Vol. 48 ›› Issue (5) : 341 -366. DOI: 10.1016/j.eng.2024.09.024
研究论文

微装配——基础、应用及最新进展

作者信息 +

Microassembly: A Review on Fundamentals, Applications and Recent Developments

Author information +
文章历史 +
PDF (12719K)

摘要

近年来，微装配平台因其在开发适用于广泛应用场景的微系统与微器件方面展现了巨大潜力，受到学界广泛关注。尽管微装配技术潜力巨大，但现有工作仍局限于实验室研究环境。本文系统性综述了微装配技术的基础原理、核心方法及应用领域。文中详细探讨了基于磁场、光场、声场和机械系统的操控技术，并介绍了依赖机器视觉与力反馈的控制系统，同时分析了微装配技术在微结构制造、微机电操作及生物医学工程领域的最新应用。最后，本文总结了该领域尚未满足的技术需求与新兴发展趋势，并探讨了在微机器人等技术推动下，这一快速发展的研究领域中涌现的新研究方向。

Abstract

Microassembly platforms have attracted significant attention recently because of their potential for developing microsystems and devices for a wide range of applications. Despite their considerable potential, existing techniques are mainly used in laboratory research settings. This review provides an overview of the fundamentals, techniques, and applications of microassemblies. Manipulation techniques based on magnetic, optical, acoustic fields, and mechanical systems are discussed, and control systems that rely on machine vision and force feedback are introduced. Additionally, recent applications of microassemblies in microstructure fabrication, microelectromechanical operation, and biomedical engineering are examined. This review also highlights unmet technical demands and emerging trends, as well as new research opportunities in this expanding field of research driven by allied technologies such as microrobotics.

关键词

微装配 / 微机器人 / 微纳系统 / 微电子系统 / 操作与控制

Key words

Microassembly / Microrobotics / Micro/nano-systems / Microelectromechanical systems / Manipulation and control

引用本文

引用格式 ▾
安禹建,何秉泽,马卓晨,郭遥,杨广中. 微装配——基础、应用及最新进展[J]. 工程（英文）, 2025, 48(5): 341-366 DOI:10.1016/j.eng.2024.09.024

登录浏览全文

4963

注册一个新账户 忘记密码

1 引言

近年来，将宏观量产器件微型化至微/纳米尺度的研究备受关注。这一技术不仅推动了新型微系统的发展，还扩展了其应用场景，包括微植入、靶向递送及组织工程等复杂任务。传统微系统制造方法通常需在同一基底上实现电子器件、微机电系统（micro-electro-mechanical systems, MEMS）及光电子器件的异质集成。这些组件通过三维打印、光刻等微制造工艺制备，能够并行生产数百万个组件。当前的集成策略主要依赖“拾取-放置”方法，即通过表面力操控组件，并利用精确定位技术实现释放。为提升这类微器件性能，通常需按照预设制造顺序在微尺度下集成具有不同材料属性与几何结构的功能组件。

然而，简单地将宏观器件缩小至微/纳米尺度往往不能达到理想效果，主因是缩放效应会改变不同物理力的相对作用强度。例如，在微操作中起核心作用的附着力主要源于表面张力、范德华力和静电力[1‒2]。具体而言，当组件尺寸小于1 mm时，物体间的附着力会显著大于重力。这种小尺度下的附着效应成为微型器件制造面临的主要挑战之一。更准确地说，随着目标物体尺寸减小，其表面积与体积比增大，导致缩放效应愈发显著，最终使表面力取代体积力占据主导地位。在微观尺度下，主导作用力与宏观尺度下呈现相反规律：重力和惯性力可忽略，而范德华力、毛细力等微作用力则起决定性作用。已有研究表明，微/纳米机器人对环境参数高度敏感，而且不同介质中的主导作用力存在明显差异（仅范德华力在各类介质中普遍存在）[3]。因此，微装配或者微操作流程的设计必须充分考虑这些因素，以消除环境因素干扰——这对实际应用提出了严峻挑战。

静电力Fel与带电组件之间的库仑力相关[1]。为简化分析，以带电物体（如球体）与电介质平面为例，二者之间的作用力[2]可通过以下方式估算：

Fel=π4ϵ0⋅ϵ-ϵ0ϵ+ϵ0⋅d2⋅σ2

式中，ϵ0和ϵ分别为空气和该平面的介电常数；σ为表面电荷密度；d为物体的直径。范德华力Fvdw是由电子瞬时运动引起的分子间作用力。对于直径为d的物体与距离为z的平面之间的范德华力，其近似表达式如下[2,4]：

Fvdw=H⋅d12⋅z2,z≪d

式中，H为哈梅克常数（Hamaker constant）。最后一种且最重要的附着力类型是毛细力（Fcap），它源于两个物体之间的薄液膜，而该液膜由空气湿度形成。对于靠近平面的亲水性物体，其毛细力关系可通过以下方式确定：

Fcap=π⋅d⋅γ

式中，d为亲水性物体的直径；γ为表面张力。这些附着力均属于表面力，因此其大小与接触面积成正比[1,5]。

已有研究初步揭示了不同类型附着力的大小与距离之间的关系[5‒6]。图1展示了不同距离下作用力的关系差异，主要表现为在微/纳米尺度下，重力的主导作用被取代。此外，当尺度持续减小至无法用肉眼观察时，需借助光学显微镜或电子显微镜才能实现观测。尽管这些微小物体的个体操控难度增加，但其集群价值却显著提升。上述尺度效应的物理原理决定了微/纳米尺度器件的开发需采用与宏观尺度不同的策略。直观而言，宏观场景中克服障碍的常规方法，在微/纳米领域反而成为技术瓶颈。近年来，针对简单形状磁性微机器人运动模式单一的问题，研究者通过多聚体设计提出了解决方案。例如，Yu等[7]将制备的镍-二氧化硅双材料微球集成为三聚体结构，通过翻滚运动实现了跨越阶梯障碍物的能力，且该结构可根据任务与环境需求进行重构。

微装配技术通过借助机械微操作系统或外场（如磁场、光场、声场），为批量制造具有预设结构的微器件提供了切实可行的方法。近年来，光刻、电铸与模塑（Lithographie, Galvanoformung und Abformung, LIGA）技术取得了新进展，使得制造具有复杂几何形状与多功能材料属性的微尺度组件成为可能。这些通过装配工艺形成的器件主要通过非共价相互作用实现操控，并能响应温度、压力、流速等环境刺激。在生物医学领域，具有生物相容性和可降解性的微机器人已被应用于微植入、微创手术及细胞级探测等场景。Li等[8]开发的一种静脉注射用磁性尖刺球形微机器人，便是仿生结构的典型应用案例。该研究团队受缓步动物（如水熊虫）的启发，为球形机器人设计了密集抓取结构，并采用红细胞膜进行表面修饰，从而解决了血管内附着、主动滞留以及抗血流影响等问题。这类微生物仿生研究正日益受到关注，在微/纳米机器人研究领域尤为突出——因为自然界为微/纳米机器人的设计提供了极为理想的灵感来源。类似地，Zhang等[9]以变形虫为灵感，利用交变磁场赋予磁性液滴运动与变形能力。可运动的磁性液滴不存在刚性结构，能够相对轻松地完成穿越狭窄通道的任务，同时还可执行吞噬、运输及释放特定微物体等操作。这种磁性液滴机器人在体内运动与药物递送方面展现出良好前景。考虑到尺寸、柔韧性及材料方面的限制，实际微系统中面临的新挑战（包括外场的产生、传感及控制策略等）亟待解决。如图2所示，本文重点阐述了微制造、外场类型及微装配控制策略的最新研究进展，主要聚焦三个方面：基础原理与技术方法、信息传感与控制策略、实际应用场景。最后探讨了新型微装配技术在创新微结构设计与生物医学应用中的发展前景。

2 基础知识和技术

在微/纳米尺度下，实现驱动供能的常用策略包括利用磁场、光场和声场。这些策略能够对纳米颗粒、微机器人、细胞等不同结构单元进行操控、驱动与排布。研究人员已根据不同的应用场景，设计出具有特定特性与适配功能的驱动方式。

2.1 磁场

由于磁场驱动法具有响应速度快、可远程控制的优势，其为一维至三维微装配提供了可行途径。近年来的研究进展表明，通过对外部磁场的操控，微装配技术已能够构建复杂的微尺度结构与微机器人。

2.1.1 磁场诱导纳米粒子组装

磁场诱导装配（magnetic field-induced assembly, MFIA）可在磁场作用下实现磁性颗粒的一维、二维或三维有序排列。该过程指的是颗粒在磁场内自发、自主地完成排布，而非通过人工移动目标物所诱导的装配。

已有研究通过电磁装置或永磁体施加强度均匀的磁场，实现了磁场诱导装配。磁性颗粒会沿外部磁场方向排列，进而引发颗粒聚集。在不同强度的均匀磁场作用下，可形成磁性颗粒的一维线性结构或链状结构[10‒11]。在体内应用方面，研究人员探究了MFIA在血液、玻璃体等生物流体中的实施情况[12]。研究表明，流体的黏度、离子强度及微观结构对MFIA过程具有重要影响。

为提升一维MFIA的性能，Tan等[13]研究了MFIA形成的结构长度、厚度及排列均匀性对磁场参数的影响。此外，MFIA作为一种微加工方法，可将多种功能组件集成到单一器件中。Wen等[14]在磁性玻碳电极表面通过MFIA技术，制备出结构可控的肌酐检测组件。在文献[15]中，研究人员利用MFIA将Fe2P纳米颗粒集成到纳米管内，所得纳米管的储能容量显著提升，且适用温度范围更广。

除一维操控外，MFIA近年来还展现出优异的二维平面加工能力。Park等[16]通过MFIA装配出具有规则排列六边形网络阵列的器件，该器件可用于制备纳米级薄膜。Mohapatra等[17]针对不同材料开展了类似研究，并通过利用晶格内的相互作用进一步优化了器件的稳定性。三维MFIA技术有助于构建复杂空间结构并实现预期功能。Jeong等[18]利用磁性等离子体，通过三维MFIA技术制备出由银纳米颗粒构成的螺旋磁通量结构。施加磁场后，该螺旋磁通量的手性可在毫秒级时间内实现切换。

MFIA的核心是通过颗粒在磁场作用下的集体运动，构建从一维到三维的有序几何结构。在器件制备过程中，MFIA并非用于控制单个颗粒的运动，而是助力制备具有简单线性和链状几何形态的器件。尽管装配过程并非完全自发，但参与构建的每个组件均处于可控状态。

2.1.2 具有任意几何形状和功能的磁性组件

尽管磁场诱导装配能够实现不同维度下的多种结构构型，但由于设计规则尚不明确，构建具有任意结构的器件仍面临重大挑战。理想情况下，器件应能在不同环境中以可编程方式实现重构、驱动与推进，而这在很大程度上取决于磁性单元及其磁化强度之间的协同作用。综合考虑上述因素，MFIA技术能够实现磁性器件的可控、选择性对接与装配，从而构建出具有预期微观图案或力学结构的器件。通过操控MFIA所用的微结构单元，为从微器件向微机器人的发展奠定了基础。因此，本节将深入探讨磁性单元及其在不同磁场下的磁化特性。

磁性单元在磁场中所受的力与力矩可通过以下公式计算[19]：

FP=∇mP⋅BP

式中，F(P)为磁力；m(P)为颗粒团簇的感应磁偶极矩；B(P)为P点处的磁场强度。

T(P)=mP×BP

式中，T(P)为磁力矩。

为实现规划化装配，必须在磁场作用下精准控制磁性装配体的位置与姿态，Xia等[20]的研究便证明了这一点。研究团队通过径向磁悬浮技术[图3（a）]对磁性单元进行精准驱动，这一技术成为所有具有各向异性磁响应的单元实现可控装配的基础。

要使磁性单元在磁场下产生各向异性响应，需对其进行预先编程。Dong和Sitti [21]的研究显示，经编程的单元对磁势能分布会产生特定响应[图3（b）]，这种响应可使磁性单元按需运动。基于此，这些磁性单元能进一步组装成微机器人群体，用于药物递送等应用场景。此外，在利用统一的磁性微组件构建复杂结构的过程中，加工阶段的临时锚定至关重要。临时锚定的微组件可抵御后续磁场变化的影响，直至所有微组件均到达目标位置并完成连接后才会解除锚定。为此，Hu等[22]采用双光子聚合技术，通过在微组件与基底之间锚定牺牲层，制备出临时聚乙二醇二丙烯酸酯水凝胶，从而避免了非预期磁场效应的干扰。将该锚定结构浸泡在去离子水中即可实现解除。此外，改变材料后，可采用类似技术在微组件上打印装配环或悬臂梁，为微装配提供更多灵活性。另有研究则结合复杂结构固有的几何约束与作为机械锁的黏合剂，开发出一种可编程结构[23] [图3（c）]。Gu等[24]针对可编程器件引入四极子模块，利用四极子结构降低相邻单元间的相互影响[图3（d）]。结合单元对磁场的定向响应，单个单元的尺寸与磁化强度也可实现调控，因此这些模块能够组装成预设的二维几何结构。

除了组装具有预设图案的器件外，还可对制备出的结构进一步功能化，以适配特定应用需求。Yang等[25]利用不同长度的磁响应微组件进行装配，得到了具有可重构结构的微结构。

这些微组件可形成多种几何形态，且随着磁场逐渐消散，它们能轻松解耦。这种结构重组的灵活性使其能够适应并克服不同的环境限制。为将可编程磁性装配技术拓展至具有预设取向与结构的生物材料领域，Tasoglu等[26]利用生物材料中自由基的顺磁性，赋予不同任意形态的磁性装配体预设的取向与结构[图3（e）]。由此形成的结构可消除磁性，且用于磁性装配的材料不再局限于金属磁性材料。

磁性装配领域的研究已取得重大进展，这些研究通过精准操控磁性单元构建可编程微器件，提出了创新性的结构设计并优化了控制方法。磁性器件的应用为微机器人技术的发展奠定了基础：当这些单元具备闭环控制功能（如应用于药物递送场景）时，它们便不再只是微图案化组件，而可归为微机器人范畴。

2.1.3 带有磁性微型机器人的微组件

施加外部磁场不仅能将不同组件转化为可编程器件，还可将其转变为磁驱动微机器人[27‒31]。本节将综述组装型微机器人的磁驱动与导航技术。这类微机器人主要分为两类：①用于机器人辅助装配的磁驱动微机器人；②作为载体或递送器的泳动式组装磁性微机器人。

磁控微机器人已被应用于多种微装配任务中。经组装得到的块状、球形及片状磁性掺杂器件，可辅助机器人推动不同单元，进而实现微组件的装配。Barbot等[32]通过控制一组结构简单的片状微机器人与磁体的距离，使其能在液体表面托举薄膜[图4（a）]。Alapan等[33]则采用球形辅助微机器人，诱导更大尺寸的非磁性组件完成装配。这类微机器人因结构简单，可适用于多种场景。以Tasoglu等[34]和Johnson等[35]的研究为代表，团队开发出具有立方体几何形态的磁性微机器人，该机器人可在流体环境与固体表面移动，携带非磁性组件完成二维与三维图案的装配[34‒35]。Yang等[36]设计了由壳聚糖与海藻酸盐构成的磁性微机器人，能够实现精准且稳定的抓取与运输。在外部磁场作用下，磁性微机器人可实现可控的二维与三维运动，这一特性推动了其在装配领域的应用。Hsu等[37]将力传感与计算机视觉相结合，开发出低滞后、高柔顺性的微机器人。Yao等[38]则利用磁性微机器人的流体动力学特性与毛细相互作用，在液-液界面实现对单元的控制。不过，这类微机器人的应用目前仍局限于特定形状单元的装配。

另一类微装配策略是利用微抓手抓取并运输不同单元。与通过推动单元辅助装配的磁性微机器人相比，磁性微抓手具备抓取能力，可实现更精密的三维装配。Ji等[39]采用数字光处理3D打印技术，以磁性与非磁性树脂为单元，设计出磁性微抓手。在近期研究中[40‒41]，研究人员利用磁场驱动无束缚微抓手在狭窄腔体内移动至目标位置，并通过热响应收缩致动器实现微抓手的抓取功能。尽管该技术尚未应用于临床场景，但在体内细胞提取等领域具有潜在应用价值[图4（b）]。

在强度均匀的旋转磁场作用下，组装型磁性微机器人可通过与不同流体及基底的相互作用实现可控推进。例如，Han等[42]提出的磁性微立方体机器人，在磁场作用下能组装成可控链状结构，用于运输活细胞或作为微型搅拌器[图4（c）]。与人工器件不同[43]，生物混合微机器人（如基于细胞的微机器人）可通过在生物模板上沉积磁性组件来制备[44]。Feng等[45]开发了一种基于巨噬细胞的磁控机器人，该机器人在磁牵引作用下可在三维空间内移动，并能递送靶向药物以杀伤癌细胞。趋磁细菌及其衍生物也已成功应用于结构构建与靶向药物递送领域。Gong等[46]诱导基于细胞的磁性微机器人形成链状组装体，包括二聚体、三聚体和四聚体[图4（d）]。基于细胞的微机器人具备良好的机动性，可实现多种运动模式；这类球形微机器人还能对光等不同环境因素产生响应，从而完成药物递送任务。

本节所讨论的泳动式磁性微机器人在非磁性组件装配、靶向药物递送等多个领域具有应用潜力。

2.2 光场

由于光场具有非接触、生物相容性好的特性，其可对不同尺寸、不同材料属性的物体进行三维操控，因此成为微装配领域极具潜力的技术平台[47]。与磁场装配相比，光镊等光场技术能够实现多材料三维结构的装配，相较于单一材料设计，这种多材料装配可进一步提升器件性能[48]。目前，构建多材料器件的方法多以直接操控法与组合法为主。

光场可直接用于操控三维多组件可动装配体。早在2001年，研究人员便通过在光固化聚合物中沿指定路径扫描超短脉冲近红外激光束，直接加工出复杂装配体[49]。光热驱动微马达是这类装配中的核心器件[50‒51]：设计后的微马达具备优异的光热转换能力，可通过在介质中产生温度梯度驱动自身运动——温度梯度会引发流体动力学流动，进而使微马达产生自发的热泳运动。而这类微马达的协同集群行为，本质上属于光热泳集群运动。

Melzer和McLeod [48]利用光镊实现了大量微米级球形单元的高精度三维装配[图5（a）]。Liang等[52]和Mou等[53]则报道了以微颗粒为单元的光驱动装配研究[图5（b）]：借助颗粒间的相互作用及光场下的非平衡相互作用，这些颗粒可组装成多种集群结构[54]。此外，Tong等[55]的研究证实，氮化碳/聚吡咯纳米颗粒（PPyNP）基颗粒在水中可通过光诱导实现运动，其行为与具有趋光性的微生物相似。

光镊不仅能以单个颗粒为单元进行操控，还可将多个颗粒组装成定制化微结构阵列。借助全息光束技术，光镊可以利用光捕获力在结构化光场中同时操控多个颗粒。经过多年发展，光镊技术已日趋成熟。早在20年前的相关研究中，就有大量文献直接利用光镊捕获微物体或构建微结构[56‒57]。此外，研究者还积极探索将光镊与其他工具结合以提升功能。例如，通过结合电微尖端[58]或采用化学方法[59]，可克服光镊光捕获力难以牢固固定组件方面的不足。近年来，光镊的跨学科融合研究仍在不断深化。例如，Ghosh等[60]将微气泡与光镊结合，通过对柔性金属氧酸盐施加光热作用，原位生成氧化物与聚合物，最终实现预设图案的精准装配。类似地，Tang等[61]提出一种紫外线诱导交联策略，先在近红外光镊捕获二氧化硅微球，再通过紫外线交联将装配体进行固定。

光镊凭借其非接触特性与优异的生物相容性，在微纳操控领域得到广泛应用，尤其适用于生物样本的精确操纵与装配。相关研究主要聚焦于细胞的定向排列与结合[62]，同时也涉及聚苯乙烯微球等工业材料的精密组装[63]。此外，光镊也可以与微流控技术进一步结合，实现高效细胞分选与包裹[64‒65]。

近年来，研究人员致力于突破光镊技术自身的固有局限。Pradhan等[66]探究了光镊在气-液界面处对不同材料的1 µm胶体颗粒的捕获差异，揭示了自组装结构的尺寸与形态受表面张力和表面电荷状态调控的机制。Zou等[67]利用光镊引导颗粒沿指定轨迹做圆周运动，成功生成可调控的微型涡旋。这种微型涡旋可视为一种微型马达，通过调节系统参数精确控制内部物体的运动方向与速度[图5（c）]，为无接触式细胞驱动技术在生物医学领域的应用提供了新思路。针对光镊工作范围受限的问题，Tanaka等[68]将胶体颗粒包裹在热响应性离子液体与水的混合液滴中，通过液滴收缩效应实现了照射区域外颗粒的主动富集[图5（d）]。此外，Shan等[69]利用共振技术大幅提升光镊的光捕获力，为低折射率纳米物体的稳定捕获提供了有效解决方案。光镊技术的独特优势在于能够将多样化的微纳物体作为基本单元进行灵活操控。这一特性使其有望突破实验室规模的限制，向产业化应用迈进。

2.3 声场

声场是另一类广泛应用的非接触式微装配技术。研究表明，声场不仅能实现目标物体的运输，还可以利用树脂颗粒、固体颗粒乃至活细胞实现复杂的二维/三维图案装配。这种能力在机械生物学等领域展现出重要的应用价值[70‒72]。

超声波作为一种多功能外场，能够通过能量传递驱动微颗粒自组装成功能器件，这一过程被称为超声定向自组装（directed self-assembly, DSA）。当施加声场时，传播型表面声波会在介质中产生两种作用力：初级辐射力与次级辐射力。其中，次级辐射力在调控颗粒间相互作用中起主导作用，是形成有序组装结构的关键机制[73‒75] [图6（a）]。基于这一原理，研究者开发了多种超声DSA策略，用于在二维或三维空间内精确排布具有特定几何特征的微纳颗粒。例如，Tang和Huang [76]实现了声场下的颗粒装配。为达成这一目标，研究团队构建了无反射汇聚声波场，使声波向中心汇聚，从而沿声场节点操控颗粒。Greenhall等[77]探究了流体中颗粒行为与超声场参数的关联，并通过优化参数实现了碳纳米颗粒的二维与三维排列[78]。

此外，为提升超声DSA的精度，Prisbrey等[79]定量分析了用户需求设计与最终装配器件之间的误差。具体而言，对碳纳米纤维等大长径比颗粒的装配误差，是影响超声DSA实际应用的关键因素[80]。为实现碳纤维的三维定向自组装，Prisbrey等[81]还研究了大长径比颗粒在超声DSA过程中的动力学特性。研究证实，要在声场下实现大长径比颗粒的定向排列，至少需要两个不同的声波传播方向；且随着独特声波传播方向数量的增加，定向误差会逐渐减小。类似地，Feng等[82]利用声场悬浮微机器人，并将其作为工具实现了对卵母细胞的高精度三维单细胞操控。超声DSA技术的发展还拓展了适用于三维打印的材料范围——通过将均匀排列的颗粒整合到材料基质中即可实现这一目标。例如，Wadsworth等[83]将碳纳米纤维掺入光聚合物树脂中，制备出用于三维打印的导电复合材料，并评估了超声频率、打印速度等参数（这些参数取决于产品性能）的影响。Greenhall和Raeymaekers [84]及Niendorf和Raeymaekers [85‒86]则利用超声DSA血管造影技术，将导电纤维引入光聚合物基质中，用作三维打印材料[图6（b）]，同时明确了材料导电性与制备过程中各参数的关联。所有这些与三维打印相关的研究，均可用于绝缘导线的制造。

与磁场、光场类似，声场也可用于操控微观颗粒/颗粒集群。基于图像的视觉反馈是实现闭环控制的高效直观策略。例如，Wei等[87]提出基于图像信息对单个微球的直线运动进行闭环控制：其声学微机器人接口的响应时间小于1.1 s，定位精度达2.5 µm，并具备反向回调功能以解决位置超调问题[87]。此外，在另一项研究中，Lu等[88]发现速度响应与工作频率和电压相关。基于这一速度可调系统，研究人员建立了颗粒/癌细胞运动与打字/旋律之间的可控关联——癌细胞可沿指定旋律轨迹运输，其位置由音符确定。这一设计实现了兼具精准控制（误差< 20 µm）的趣味人机交互。另外，Schrage等[89]开发的超声驱动集群微机器人也具有重要意义：其提出的推进策略结合了初级辐射力与次级辐射力，前者引导前进，后者实现微集群的汇聚。人工智能与深度学习技术也被用于推动微机器人及其控制策略的发展。例如，由于在实际实验环境中建立直接驱动模型存在挑战且易受非线性干扰，研究人员利用大量实验运动预测数据开展强化学习，最终取得了理想的控制效果。

除构建压力节点外，超声场还可用于空气与水环境中的微抓手[90]。与磁场、光场不同，基于声驱动的微抓手对系统设计要求简单，且体积小巧。基于这一优势，Mohanty等[91]开发了一种声驱动微抓手“SonoTweezer”，可在流体环境中捕获并操控亚毫米级颗粒[图6（c）]：仅需50 V的换能器电压，即可产生300 kPa的压力以驱动该微抓手。已有多项研究探索利用超声技术实现细胞操控。Durrer等[92]采用玻璃毛细管与压电换能器制造了一种传感器，并将其作为末端执行器集成到机械臂前端，构建出声流体机器人系统。在液体环境中，声波可诱导产生涡旋，该涡旋可用于液体泵送、颗粒捕获、液滴融合等场景。例如，Yang等[93]搭建了一个超声平台，可在二维平面内实现细胞的平移、旋转、定向与悬浮；Luo和Wu [94]则利用超声波诱导微机器人内捕获的微气泡振动，从而实现对微机器人的驱动与控制。综上，尽管超声定向自组装技术最初是为特定应用场景开发，但只要进一步优化其抗干扰能力，未来必将拥有更广阔的应用前景。

2.4 机械夹持器

除上述外场驱动策略外，已有多项研究探索致力于利用基于电动位移平台或机械臂的机械抓手实现微装配。相较于外场驱动方式，大多数机械抓手无需目标物体具备磁性、折射率差异等特定材料属性即可对其进行操控。然而，除功能性末端执行器外，机械夹持器的其他部件体积通常较大，且需要开放的操作环境。本节将详细分析适用于商业化应用的主流产品参数及相关技术。

大多数微机械抓手采用“镊子式”设计，模拟人手的操作方式[95]。例如，Lyu等[96]设计了一款镊子式微抓手，用于抓取和操控物体[图7（a）]：通过操控镊子的开合实现对目标的夹持。这种方法虽结构简单，但灵活性不足。数十年来，通过外部机械组件提升自由度（DoF）一直是成熟的技术思路[97]，而集成多个夹具与末端执行器的系统，可具备更出色的功能性与灵活性。

在驱动方式方面，压电驱动与电热驱动是常用且成熟的策略。Das等[98‒99]的代表性研究中，常采用基于三级位移放大机构的基础结构：对压电致动器的输入信号进行放大后，可获得优异的实验性能——带宽达1044 Hz、稳态误差为±2.158 nm [99]及放大率达23.96、运动分辨率为±4 nm [98]。这类高性能抓手不仅瞬态响应迅速，还能保持较高的位移精度。Shi等[100]也采用了经典的三级放大结构，实现了31.88的放大比与高达1.993 N的抓取力[图7（b）]。Si等[101‒102]开发的三指电热抓手是电热驱动的典型案例[图7（c）]：电流产生的焦耳热作用于梁式致动器的聚酰亚胺薄膜后，受热的薄膜会带动金属发生形变，进而实现驱动。该抓手能够抓取并移动微球、斑马鱼胚胎等精密物体，充分证明了其实用性。Ramya团队开发的电热驱动“冷热臂微抓手”，通过消除冷臂的寄生电阻，将热效率提升至原来的三倍[103]。这一改进不仅降低了功耗，还能更安全地操控微物体与生物颗粒。

研究人员通过聚焦机械微抓手的自动化装配，不断提升其装配精度。该技术主要依托视觉反馈或力反馈实现实时反馈控制。Chen等[104]和Beyeler等[105]开发了一系列集成力传感器的微抓手，能够以高灵敏度抓取微观目标，并成功克服附着力以实现目标释放。他们提出了首款可实现纳牛级力控制的微抓手，这对后续相关研究具有重要意义。Ma等[106]则利用带有力传感器的微抓手实现了自动化装配，但该研究中的装配操作局限于预设系统内。为拓展微抓手的应用范围，Komati等[107]提出了两种互补的自动化装配技术：装配过程基于实体计算机辅助设计（CAD）模型，并结合力与位置的混合控制，整个装配可在1 s内完成。近年来，间接力传感策略也逐步发展起来。例如，Fantoni等[108]通过视觉系统观察从抓手头部延伸出的指针位移，间接计算抓取力。尽管已对视觉系统进行校准以消除检测误差，但硬件老化等因素引发的系统误差仍不容忽视。这类间接反馈策略虽提供了新思路，但仍需进一步探索优化。

新研究朝着更全面、更具针对性的方向拓展。例如，Aravind等[109]针对大表面积薄型物体开发了专用抓手：其四对相邻夹持结构可提供300 µm厚的位移间隙，且能很好地适配潮湿环境。De Pasquale采用激光加工增材制造技术制备了MEMS微抓手，该抓手采用驱动臂与抓取臂分离的结构，有效避免了电热、漏电等危险因素可能对细胞造成的损伤[110]。此外，抓手头部优化设计还兼顾了实际应用需求与机械结构合理性，极具实用价值。

总体而言，基于机械抓手构建的微装配系统，因与宏观操作系统相连，不仅可集成多种类型的信息反馈，还能实现精确控制；同时，其结构设计模拟人手，操作方式更符合人类操作习惯。其技术特征与典型应用如表1 [10‒46,95‒110]和表2 [47‒86,90‒94,111‒113]所示。

2.5 微操作系统

在高精度微装配过程中，精密定位平台用于产生精确且可控的线位移与角位移。随着微装配领域的不断发展，对这类平台的需求日益增长，不仅要求其具备更大的运动范围、更高的定位精度与灵敏度，还需拥有更优异的动态特性和抗干扰能力。此外，精密定位平台必须具备多自由度（degree of freedoms, DoFs），以实现更广阔的工作空间。精密定位平台大致可分为串联平台与并联平台两类。

串联式微运动定位平台的优势在于结构简单、易于控制且运动范围广。然而，由于串联驱动机构会产生误差累积，其精度往往较低。以德国Kleindiek公司的MM3E微操作器为例，该操作器具备3个平移自由度和1个旋转自由度，最小运动分辨率可达0.5 nm，且四个轴均配备位置编码器以实现闭环控制，能够确保运动的精确性与可控性。凭借极高的分辨率，该产品在纳米操控、透射电子显微镜样品制备及纳米探测等领域有着广泛应用。德国attocube公司的ANSxyz50纳米定位台拥有x、y、z三个方向的自由度，由三个单自由度平台串联构成，分辨率可达到亚纳米级别。加拿大Toronto Nano Instrumentation公司的LifeForce纳米操控系统可通过扫描电子显微镜（scanning electron microscope, SEM）实现自动化操作，最多可搭载四个微操作器，每个操作器均具备x、y、z三个方向的自由度，其开环分辨率可达纳米级，漂移率低至0.35 nm·min-1。

并联式微运动定位平台通过两个或多个平行运动链分支，将动平台与定平台连接成一个或多个闭环结构，如今在各类微装配任务中应用愈发广泛。这类并联平台具有刚度重量比高、承载能力强、结构紧凑的特点。由于驱动机构采用并联布局，不存在驱动误差累积的问题，因此能显著提升输出精度。不过，并联式微运动定位平台的主要缺陷在于：各自由度运动调节之间存在耦合效应，导致控制模型更为复杂；此外，其运动空间有限，难以满足大行程、广范围空间运动的需求。例如，McClintock等[114]研究的milliDelta机器人，采用微机电系统技术制造印刷电路板，由三个独立控制的压电弯曲致动器驱动。在7.01 mm3的工作空间内，该机器人的定位精度可达约5 µm，且能跟踪频率高达75 Hz的周期性轨迹。同时，研究证实，milliDelta机器人能够在小型物体的快速拾取或放置过程中执行复杂轨迹，还可在外科手术或装配操作中实现震颤补偿。Leveziel等[115]提出了一种微型抓取机器人MiGriBot，这是一款小型化并联机器人，配备可配置平台和柔性关节，专门为微尺度拾取-放置操作设计。该机器人的可配置平台集成了一个内部自由度，通过位于机器人基座的压电弯曲致动器驱动微型镊子，有效降低了自身惯性。柔性关节的引入不仅便于机构微型化，还能减少摩擦。凭借这些优势，MiGriBot对微米级物体的拾取-放置操作可达每秒10个循环，定位精度为1 µm。多款商用并联精密定位平台已在微装配领域展现出实用性能（详见表3）。例如，德国Physik Instrumente公司基于Stewart结构的Hexapods六足定位平台，具备6个自由度，最小运动分辨率为80 nm，最大末端负载可达5 kg，在涉及大质量末端执行器或被操控物体的微装配过程中表现出色。同样，德国SmarAct公司的SmarPod精密定位平台也具备6个自由度，最小运动分辨率精细至1 nm，特别适用于对精度要求极高的微装配与微操控过程[116]。

除上述纯串联与纯并联结构外，美国AlioIndustries公司的Hybrid-Hexapod定位平台是一款采用串并联混合结构的6自由度工作平台。在该结构中，同一平面内的两个平移自由度被分离设计，从而解决了并联结构中平移自由度行程较小的局限，能够满足部分应用场景对大行程的特殊需求。其工作空间尺寸为60 mm × 450 mm × 62 mm（分别对应x、y、z轴），绕z轴的旋转角度可达360°。

2.6 其他技术

除前文所述外场驱动和机械夹持技术外，微装配领域还存在多种特色技术路线。Sariola等[111‒112]报道了利用液滴辅助机械操纵器实现的装配技术：将液滴置于两个待装配表面，通过毛细力实现表面附着与装配导向。由于液滴可辅助自动校准，该方法适用的装配单元范围较广，同时降低了对高精度机械操纵器的要求，能够实现物体旋转，并装配成层级结构甚至悬臂结构。除静电力相互作用外，Ge等[113]提出了一种基于气泡的微装配策略：通过激光照射非晶硅表面产生光热效应，进而生成气泡；调节激光强度可控制气泡的大小与位置，这些气泡能驱动细胞的运动与排列。气泡机器人的工作原理与磁控机器人推动其他物体的原理类似，但液滴辅助装配策略对应用对象与环境均有严格要求，因此本文仅对这些技术概念进行介绍，不展开全面探讨。

利用化学反应实现微装配具有操作简单、产量高的优势。Yin等[117]将胶体颗粒在1-丁醇水溶液中排列成模拟口腔细胞的形态，并通过一步自组装过程制备出一组包覆二氧化硅壳层过氧化氢酶的微机器人。尽管这种一步自组装方法效率较高，但产物的形态与尺寸可能存在差异，为高精度装配任务带来挑战。不过，单次制备的高产量有利于规模化生产，必要时可集成特定过滤器对产物进行筛选。Kang等[118]采用一步自组装策略，利用乙酸锌水溶液与过氧化氢酶溶液制备出十二面体自驱动纳米机器人。这类可生物降解的纳米机器人在体内递送领域展现出良好前景。

电黏附技术是一种成熟且高效的微操控策略，仅需最少程度的表面改性，且能避免刚性夹具或光学方法带来的机械损伤与热损伤，这使其在易碎物体操控方面具备显著优势。Kim等[119]开发的基于稀疏介质涂层碳纳米管的干黏附策略便是典型案例。这种松散的黏附界面可通过调节电压实现“断开”与“接通”状态的切换：断开状态下，通过减小有效接触面积实现低黏附性。这种可调节的无损接触夹具，适用于精密敏感元件的装配。后续研究通过优化该结构设计，实现了对宏观物体的黏附，其黏附开关比（接通/断开）达到700，展现出良好的实际应用潜力[120]。研究人员将优化后的介质涂层碳纳米管黏附技术，与被动式干黏附策略及静电卡盘进行对比，证实其性能优于传统方法。类似地，Wei等[121]采用特殊有机聚合物薄膜，开发出一款适用于宏观场景的低功耗电黏附平台。该平台具有轻量化、扁平化的结构优势，易于集成到机械手等其他系统中。

3 信息传感与控制策略

本节主要聚焦微装配的不同驱动方式，然而实现精密微装配还需要建立高效的信息感知与控制系统。本节将介绍微装配系统中常用的传感与控制策略。

随着装配单元的微型化与结构复杂化，对控制的精度、鲁棒性与实时性要求不断提高。在利用磁场诱导装配或超声定向自组装实现微颗粒二维线性排列或三维空间排列时，控制过程主要通过调节施加磁场/声场的强度、角度、数量及类型来触发颗粒聚集，重点关注颗粒集群的集体行为，而非单个颗粒的姿态与位置。由于这类颗粒集群控制无需在装配过程中对特定单个颗粒进行导航，因此本节主要讨论对较大尺寸单个颗粒或功能性微机器人的精准控制，不涉及集群颗粒的集体运动。

3.1 信息感知

微装配系统通过多种信息感知手段来感知环境，这对于实现精确控制至关重要。其中，最常用且技术最成熟的两种方式是：基于计算机视觉的图像采集技术，以及基于力反馈的接触检测技术。

3.1.1 基于视觉的信息感知

基于视觉的控制系统是一种多功能的环境感知策略，可收集重要的反馈信息，在感知目标物体的位置和形态方面尤为关键。图1展示了从宏观到微/纳米尺度下，物体常用的观测方法。

手动微操作与微装配可通过肉眼完成，但要实现微/纳米尺度的自动化装配，通常需要专用视觉信息的辅助。因此，视觉在手动操作、人机协作及全自动微装配过程中均起着至关重要的作用。前文提及的多数研究均以视觉反馈为基础：要么利用采集到的视觉信息实现微装配系统的自动化，要么至少通过相机或物镜对装配过程进行监测与监督。

常见的视觉系统由数字相机或带光学镜头的光学显微镜组成。通过专用的目标检测或跟踪模型，可确定多个目标间的相对位姿，或单个目标的位姿。若需获取多自由度信息，会部署多台相机与显微镜，从不同视角采集数据。例如，Zhang等[122]采用4台相机采集图像信息，对尺寸差异超过10倍的两个装配物体进行位姿配准，并通过局部形变检测方法确定插入深度。该研究取得了优异的实验结果：姿态对准控制误差小于±0.3°，位置对准控制误差与插入深度控制误差均小于±5 µm，对于数百微米尺寸的物体装配而言，这一精度表现十分出色。Wang等[123]利用显微视觉断层成像图重建微零件的深度信息。该研究通过提取一系列图像中聚焦值最大的像素位置，获取了微零件表面的深度信息与三维形貌。对于需严格估计单个目标位姿的任务，利用可作为“真值”基准的CAD模型对实时图像进行配准，是一种成熟且常用的方法。例如，在Xie等[124]搭建的双目显微操作系统中，研究人员通过点、线特征混合检测，并借助CAD模型的先验知识确定特征点的几何位置，实现了零件姿态的确认。

Wei等[125]提出的半自动人机交互微装配任务操作系统，是一个具有代表性的综合案例。该系统配备可实现9个自由度运动的双操纵器，以及3台不同视角的显微相机，既能提供视觉反馈，也能为装配物体的定位提供逆运动学支持。在装配任务开始前，操作员会将采集到的视觉信息与CAD模型进行对比——这种预质量检测可避免在缺陷产品上浪费资源。整个装配过程为视觉伺服辅助的半自动模式：尽管视觉伺服能自动完成定位任务，但部分连接操作仍需人工完成。这是一个典型的微装配半自动操作系统范例：它可接管位移控制等烦琐的高精度任务，而操作员只需处理依赖经验的环节。Zhang等[126]开发的自动对焦相机，在诸多微装配任务中具有实际意义。

为保证闭环控制性能（如小跟踪误差、有界控制量），研究人员设计了神经网络控制系统。搭载该系统的装配设备需通过人机协作运行（即排除纯手动微操作场景）。近年来，随着深度学习算法的普及，深度神经网络在微装配领域的应用日益广泛，其在视觉输入的微目标识别、分割、检测与跟踪方面展现出优异能力。例如，Bolya等[127]采用YOLACT实例分割算法，实现了微装配过程中目标的自动识别。该系统在微装配检测与识别的速度和精度间取得平衡，识别率达到90% [128]。Li等[129]通过优化YOLOv4网络，提出了一种新的小目标检测算法，既提升了网络检测的计算速度，也提高了小目标识别的精度。此外，快轴准直透镜的装配对高功率二极管激光系统至关重要。Khachikyan等[130]通过训练多个卷积神经网络，开发了一种无需闭环控制的主动放置方法，大幅缩短了主动装配的耗时。

总体而言，视觉与深度神经网络的结合，在减少人工操作的同时，能维持微装配的精度与效率。目前基于深度神经网络的研究，已尝试解决涉及多目标的新型装配任务，但针对复杂装配过程的技术突破，仍需进一步探索。

3.1.2 基于力的信息感知

装配过程中操作力的检测与控制至关重要。这不仅能保护易碎材料（尤其是生物材料），还能提高操作效率，为自动化装配提供便利[131]。为具备基础功能的组件配备集成式力传感器，是一种直观且有效的策略。例如，Wei和Xu [132]将一款商用压阻式应变片力传感器集成到机器人细胞显微注射仪中，该传感器的力检测分辨率可达0.65 mN。这种设计对提高注射成功率、保障术后细胞存活率具有重要意义[132] [图8（a）]。Gursky等[133]基于SU-8材料开发的可更换头部微抓手，也采用了类似策略。在集成基于光学可读形变的力传感器后，该微抓手能够在液体环境中安全操控细胞。研究人员通过图像采样进行灵敏度测量，得到了(3.337 ± 0.088) µm·mN-1的稳定结果。

除使用独立力传感器外，为功能组件本身设计力传感结构的难度较大，却也日益受到关注。Power等[134]开发的光纤尖端三维柔性夹持器，是一项具有突破性的研究成果。该夹持器尺寸仅为100 µm，通过双光子聚合技术一步制成[图8（b）]。其中，四块由弹簧连接的等距聚合物板充当光学干涉力传感器：夹持器形变会导致聚合物板发生相对位移，进而引起反射光的变化，而这种光信号变化通过精心设计的神经网络可与夹持力建立关联。这款被动驱动式夹持器在生物与非生物样本实验中均取得了优异效果。Xu等[135]开发的自适应两指微抓手，其力信息反馈通过检测功能抓手自身的形变实现。该抓手的手指由刚性节点与柔性结构组合而成，形变程度与受力大小呈良好的线性关系。尽管手指两端的力感知误差仅为8%，但手指中部的感知误差可低至3%。Xie等[136]开发的微抓手，集成了双力信息传感结构[图8（c）]，夹持力分辨率可达38 pN，抓取力分辨率可达182 pN。研究中采用由激光器与位置敏感探测器构成的微悬臂腕力传感器来测量控制力：该传感器通过悬臂的形变实现力检测，同时利用电磁线圈调节悬臂后端磁珠的磁矩方向，从而精确控制夹持力。如此高的分辨率，为微尺度操控与表征领域提供了重要的潜在应用价值。

3.2 控制策略

在前几节中，我们讨论了微装配过程中所使用的驱动技术与传感技术，并强调了控制策略在整个流程中的关键作用。微机器人的运动模式、制备材料及结构各不相同，这使得它们的控制模型也存在显著差异。与宏观尺度的闭环控制不同，微装配过程中的物体或机器人更容易受到外部环境的影响（如液体或气体的干扰、振动）以及系统不确定性的影响。因此，研究先进的控制策略对于确保这些物体在微/纳米尺度下运动时具备稳定性能至关重要。

3.2.1 线性控制

比例-积分-微分（PID）控制器应用广泛，其无需系统具备精确的控制模型，控制参数易整定且响应速度快，适用于多种控制场景，在微机器人控制领域同样如此。Chung等[137]采用基于视觉的PID控制器，对磁控微抓手的装配操作进行控制。通过调节梯度磁场，他们实现了微抓手在液体中的精确三维悬浮，定位精度约为200 µm [137]。Li等[138]实现了微机器人在斑马鱼体内的高精度闭环导航。Yang等[139]利用超声引导视觉伺服，将磁导线自动输送至目标区域。Sun等[140]提出了一种基于微气泡活动与超声场驱动的PID控制模式，可实现药物穿越血脑屏障递送。Wei等[141]通过光声成像技术，将负载治疗性细胞的微机器人精确引导至血管与组织内。

3.2.2 非线性控制

由于尺寸效应，微机器人本质上具有强非线性与不确定性。未建模动态特性[142‒144]、外部流体力[145‒146]以及微装配系统的不精确性[147]，都会影响微机器人的稳定控制。PID控制器等传统线性控制器难以完成部分高精度要求的任务，因此需进一步探索先进的非线性控制策略。为使微机器人在未知血流速度分布的情况下，仍能适应血液的非牛顿特性与环境干扰，Meng等[146]提出一种融合滑模控制、反步控制与干扰补偿的导航控制器。同时，他们设计高增益扩张状态观测器，用于估计并抑制模型参数不确定性与环境干扰。另一方面，Arcese等[148]采用自适应反步控制方法，为非线性模型构建李雅普诺夫稳定控制律，并将该方法与高增益观测器结合，重构控制器所需的未测速度信息。Ma等[149]提出一种基于输入-状态稳定性的鲁棒控制器，同时为该控制器配备非线性高增益观测器以估计微机器人速度，最终实现三维控制，位置误差约为8.5 µm，速度误差约为0.6 µm·s-1。Liu等[150]开发一种基于代理的滑模控制方法，在Frenet-Serret框架下，基于误差模型设计稳定控制器。该方法使磁驱动螺旋微泳体的三维运动精度达到亚微米级别。

3.2.3 最优控制

目前也有研究通过最优控制来提高微机器人的精度。最优控制指系统能以最小成本，实现对微机器人运动、姿态或任务执行过程的优化。Yang等[151]提出一种由模糊逻辑修正器与模型预测控制器组成的双环混合控制器，该方法可实现广义干扰估计与补偿，这种混合策略能使微机器人实现精确轨迹跟踪与灵活运动调整。Xu等[152]采用线性二次调节器控制螺旋微泳体的游动方向与轨迹。此外，他们的研究还集成了一个通过反向传播算法训练的径向基函数网络，用于补偿因重力干扰与边界效应引发的角度误差。Zhang等[153]提出一种最小方差控制器，用于稳定磁驱动微珠并控制其布朗运动。Belharet等[154]开发出一种广义预测控制器，该控制器在低雷诺数液体环境中跟踪微胶囊运动时，展现出足够的鲁棒性。它能有效应对阻力、黏度等非线性模型的不确定性，以及心脏收缩脉动流等外部扰动，还有轨迹跟踪测量中的噪声问题。

4 实际应用

在本节中，我们将探讨微装配技术在几个不同应用场景下的最新进展，包括微结构构建、微机电系统装配以及生物工程领域。

4.1 微结构构建

微装配的主要目标是构建用于微器件的复杂微结构。为实现这一目标，研究人员已通过磁场诱导装配、超声定向自组装等技术，利用颗粒与微结构单元装配出多种不同的微结构。最终装配体可形成不同几何形态，包括二维或三维结构、简单线条、阵列以及复杂的手性螺旋结构等[155‒157]。当前微装配研究主要聚焦于微型化、高精度、自动化以及在生物环境中的应用，且在二维/三维结构微装配领域已取得技术突破。结构构建的实例包括：利用磁可调四极模块实现磁诱导可编程二维装配[24]，以及通过光镊实现自组装凸点与环状结构[56]。这两项研究均通过对外部场的特定操控，解决了利用构建单元组装复杂结构的难题。例如，研究人员通过光镊对直径4.86 µm的二氧化硅球进行定向装配，构建出三维微颗粒晶体；同时，光镊还可结合双光子聚合技术，将这些微颗粒排列成特定图案[158] [图9（a）]。除可编程几何形态外，通过微装配技术构建结构，还能使用具有多样成分特征的复杂功能材料。例如，研究人员已通过编码磁诱导微装配，实现了具有可调结构、形态与化学特征的复杂材料的构建[34]。这种策略可在任意微流控环境中实现远程二维与三维操控，有望为组织工程构建体的微结构进行编码。为制备生物相容性好且具备柔性的结构，Barbot等[32]展示了一种利用磁控微机器人在液-液界面处对易碎软水凝胶结构进行微装配的方法。这类微机器人辅助方法展现出巨大应用潜力，包括在体内制备医用结构、实现不同材料的三维装配，以及在微流控系统中构建生物结构等。

此外，研究人员还利用光固化材料的超声定向自组装技术构建了绝缘导线。这类应用的核心流程包括：通过超声定向自组装使导电纤维在光聚合物基体中定向排列，随后进行光固化处理，最终制备出具有导电能力的复合材料[86]。这些光固化材料可用于绝缘导线的三维打印。通过改变碳微纤维的特性以及超声场的形态与强度，能够对组装结构的性能（如这类导电复合材料的导电性与强度）进行定量控制[85]。这些研究为开发满足特定需求的定制化材料提供了助力。未来，通过直接成型三维打印技术在基体内部实现复杂结构设计具有广阔前景，尤其是若能在打印过程中逐层执行定向自组装操作，将进一步拓展其应用空间[84]。

4.2 MEMS操作

近年来，对功能性微机电系统器件（包括微型致动器、传感器及光学器件）的装配需求日益增长。精度、效率与自动化是MEMS器件装配过程中的关键要求。MEMS装配任务中的目标物体，相比微结构构建任务中的物体，尺寸更大、重量更重且刚度更高。考虑到上述特性，机械微抓手是MEMS装配的最优选择。为提高精度与效率，研究人员采用了电信号闭环控制系统。这种多自由度宏机械平台能够满足灵活的多方向、多角度操作需求：宏控制系统通过管理力反馈与视觉反馈的传输，实现装配自动化的整体调控；此外，宏平台提供的夹持力足以支撑装配任务中的多种操作，如夹持、移动、拉动及插入等。

为装配结构复杂的微机电系统器件，微装配技术中还整合了额外的技术手段。在多种技术中，微砌工艺被用于制造可回收组件，如梳齿结构与悬浮柔性梁。微砌工艺的应用实例之一，是装配由两个梳齿结构（顶部与底部）、两个间隔件及两个金焊盘组成的MEMS器件。最终制成的MEMS器件在传感与驱动方面表现出优异性能：在10 Hz的采样频率下，位移传感分辨率可达0.17 µm，力传感分辨率可达6.63 µN [159]。Das等[160]报道了一种利用6自由度半自动系统，将单个2.5D MEMS组件装配成生物微机器人器件的研究。装配完成的微型生物微机器人，其xyz工作台上的精度达到(0.5 ± 0.2) µN [图9（b）]。

此外，由于微机电系统对位移精度与系统稳定性要求极高，相关研究大多倾向于采用成熟的商用微操作系统，如上文第2.5节所述。其中，IMINA（瑞士Imina Technologies公司）商用微动机器人采用独特的压电驱动机构，具有高分辨率（x、y方向分辨率为0.02 nm，z方向分辨率为0.1 nm）与小尺寸（20.5 mm × 22 mm × 12.5 mm）的特点，适用场景广泛，非常适合MEMS相关工作。该机器人可用于器件集成，为扫描电子显微镜（SEM）、聚焦离子束、双束系统提供原位纳米探测与电失效分析解决方案，也可直接集成到光学显微镜中。功能层面，凭借其高精度与优异稳定性，该机器人可用于测量最小技术节点半导体器件的电学特性、定位接触层与金属线中的缺陷、开展失效分析、提升半导体芯片可靠性，还能分离单个颗粒、执行装配操作或制备用于后续研究的样品。Nieminen等[161]利用SEM观察MEMS的面内运动，他们将IMINA机器人作为末端执行器搭载探针并置于SEM内，进行电检测信号传输。类似地，在Mosberg等[162]关于位置可控图案化纳米线生长的研究中，IMINA机器人被用于搭载探针，作为与纳米线精确接触的载体。在这些研究中，高精度显微机器人系统的核心任务是搭载功能末端并实现位移操控。尽管其功能看似简单，却是不可或缺的关键环节。

尽管微装配技术近年来取得了诸多进展，但仍有亟待克服的挑战。自动化对于MEMS装配任务的精度与效率而言至关重要。此外，由于MEMS装配目标的尺寸较大，结构固定问题始终存在。这使得在基于图像的自动化装配系统中，视觉技术的应用成为必要。在评估夹持紧固程度方面，力灵敏度对力信号的反馈控制起着关键作用，因此先进的力传感器技术是极具应用前景的发展方向。

4.3 生物医学应用

微装配在生物医学应用中具有巨大潜力[163‒164]。组织工程通过特定细胞与有机材料的排列来构建人工功能性组织替代物，而在现有各类技术中，微装配技术备受关注。该技术通过组装微模块化生物实体来构建三维组织，是一种稳定且可扩展性强的方法[165‒170] [图9（c）]。本节将概述利用微装配技术构建的典型工程化组织，包括细胞片层、血管及其他三维组织。

在生物研究与临床医学中，将特定细胞按需求排列成特定结构具有重要意义。研究人员通过光镊实现细胞悬浮，进而完成二维细胞片层的装配：使用发射功率为0.75 W的光镊产生捕获力，可驱动15个人类胚胎干细胞以30 µm·s-1的速度成对组装[64]。此外，为构建细胞三维结构，研究人员提出多相液-液系统辅助装配方法，实现细胞的形状可控三维装配[171]。该方法利用多相液-液系统最小化相际表面积与表面能，使形状可控的微凝胶中包含呈预设几何构型排列的细胞。值得注意的是，在对细胞进行修饰时需保留其固有的生物功能，并赋予细胞机器人在生物友好环境中自主推进的能力。正如Tang等[172]所报道的，通过在天然血小板细胞表面进行不对称脲酶修饰，利用尿素燃料的不均匀分解可实现细胞的推进；这种基于天然细胞的人工修饰大幅提高了递送效率。

Wang等[173]在微装配领域开展了具有开创性的研究，其成果对人工血管研究意义重大。他们通过组装细胞包埋结构，构建出细胞包埋的类血管微管。为制造细胞类血管微通道，研究人员首先开发了一套多自由度多操纵器系统，该系统可沿轨道同心移动[173]。凭借30 nm的高操作分辨率，通过多操纵器的协同操作，该系统实现了直径为200 µm微组件的自下而上装配。组装得到的类血管微管可根据应用需求，设计成预设的长度与直径。在成功开发多层微流控器件后，研究人员建立了用于细胞包埋微结构装配的流体自组装方法[174]，并实现了可重复、高成功率的自动化装配[175]；他们还提出气泡辅助流体装配策略[176]，通过产生微气泡激发微流，推动微结构向上移动，结合视觉伺服控制，最终实现100%成功率的自动化高速装配。

生物医学工程相关领域是微通道的重要应用场景。Cui等[177]通过双操纵器协同操作，将水凝胶、干细胞与成纤维细胞制成的微齿轮组装成类似天然肝脏的小叶状结构。实验验证表明，这种体外复制的人类肝脏具有相对完整的功能。此外，他们通过添加磁性颗粒，成功赋予微结构磁性，实现了磁性微结构的自动化装配与追踪[178]。另有相关实验证明，掺杂磁性颗粒的海藻酸钙微纤维制成的微环，可诱导细胞增殖方向[179]。Takeuchi等[179]的研究勾勒出一条成功路径：从系统构建逐步发展到系统智能化/自动化，拓展微结构功能，并最终实现生物医学工程相关应用。未来，有望通过探索更多种类的功能材料，让研究人员能够设计并构建更复杂的微结构。

将生物医学工程与微装配技术相结合，在器官芯片应用领域具有重大潜力。近年来，微机器人与微材料在生物医学工程领域取得了多项引人瞩目的突破：集成磁性纳米颗粒的大肠杆菌能够在生物基质中导航，并按需释放药物[180]。微机器人具备足够的韧性以承受血流冲击，可定位血栓并加速血栓溶解[181]。这种集成磁控与超声成像引导的毫米级微机器人，能在模拟血流（脉动）环境中实现自主导航，且其运动产生的剪切力显著提升了血栓清除效率。Song等[182]开发了一种用于药物递送的马勃菌状机器人，该机器人模仿马勃菌球形子实体的结构与功能，其红外响应密封层起到类似马勃菌屏障帽的作用，保护所递送的药物。这种仿生设计使微机器人在运输过程中能最大限度减少药物泄漏，同时确保在近红外线照射下实现高效释放，体现出一定的自主性。Cong等[183]开发了一种基于溶瘤腺病毒感染细胞的微机器人，该机器人能与膀胱癌细胞特异性结合。这种细胞微机器人与膀胱癌细胞结合后，可在宿主内复制，待宿主裂解后释放，从而实现持续的肿瘤溶解；同时，微机器人经磁性纳米颗粒修饰，具备在不同介质中进行非接触定向操控的能力。基于水凝胶与活细胞的四维（4D）生物墨水，可支持复杂生物结构的4D打印，且打印后细胞存活率较高[184]。尽管并非所有技术与研究都直接涉及微装配过程或产物，但它们仍为微装配领域提供了宝贵启示。微装配技术（尤其是具有潜在生物应用价值的技术）正不断发展，未来该领域有望取得重大进展。值得特别关注的是生物医学工程的临床应用，例如，Wang等[185]开发的腔内递送与成像内窥镜辅助磁导航系统。该研究研发出一种生物相容性良好的柔性微机器人，能在体内实现扩散、锚定等受控运动；在内窥镜视觉引导下，可在全身尺度上实现高效、低创伤、高精度的靶向递送。这种从组件到临床系统的完整开发流程，对微纳米技术的推广应用具有重要意义。

脑机接口研究（尤其是脑信号的采集与分析）对神经科学研究具有重要意义。近年来，研究人员通过在大脑皮层植入神经电极实现了信号采集。这类柔性神经电极通常具有高长径比、极薄的厚度（小于5 µm），并呈现出类似水草的几何结构[186]。这种几何结构虽提升了侵入式电极的安全性，却也带来了易脆、易变形的隐患，且电极难以自主穿透大脑皮层。同时，电极植入过程中必须严格避开主要血管，且电极阵列需以特定间距高精度植入目标脑区。在这些要求下，“穿梭辅助植入”（shuttle-assisted implantation）策略通过借助引导针辅助植入逐渐得到应用[187]，Neuralink公司也采用了该策略[188]。其他研究人员则采用类似思路，在气环中开发了自动化装配系统，该系统利用导针预先钩住电极，自主完成这一任务，而若由人工操作，即便借助显微视觉观察，也难以顺利完成该任务[189]。总体而言，柔性脑电极的装配与植入流程因其任务复杂性、临床重要性及必要性，具有重要的应用前景。

微装配在生物传感领域发挥着重要作用。同样地，生物传感器可由磁场、光场、声场或其他外部场驱动，实现对目标的特异性检测。例如，Su等[190]将磁性纳米线作为潜在磁性标签植入犬骨肉瘤细胞，通过巨磁电阻效应进行检测与筛选。磁性标签的使用避免了样品制备过程中的污染风险，且磁性纳米线能产生理想的信号强度，在低浓度环境检测中具有应用前景。与之不同，Huang等[191]基于噬菌体可特异性捕获沙门氏菌的特性，用磁珠对噬菌体进行修饰，开发出一种高特异性、高回收率且无假阳性结果的检测传感器。研究人员还利用生物正交点击化学增强传感器信号，实现高灵敏度检测。该传感器在橙汁样品中展现出高回收率与低标准差的优势，证明了其实际应用潜力。

光纤具有成本低、柔韧性好且支持远程光注入的优势，适用于光电化学传感器。Pal等[192]通过在塑料光纤表面原位合成并沉积聚苯胺，制备出一种用于检测液体环境中黄曲霉毒素B1（AFB1）的传感器。该传感器通过集成AFB1抗体实现特异性检测，其检测灵敏度远高于啤酒、尿液等环境中相关检测的官方要求。类似地，Wen等[193]将氧化铟锡、氧化锌与氧化铜集成到去除涂层的光纤表面，制备出用于尿液样品中半胱氨酸检测的传感器。该器件体现出光纤相较于大体积宏观空间光的优势，实现了高灵敏度与高特异性检测。声表面波传感器技术成熟且应用广泛，它通过谐振频率的变化响应液体环境参数的改变，通常具有高灵敏度。Gagliardi等[194]开发的用于水环境中嗜肺军团菌检测的声表面波传感器就是典型实例。这种结合微流控通道的声表面波芯片实验室（laboratory-on-a-chip），对复杂混合细菌悬浮液展现出优异的特异性。Chen等[195]开发的基于金属微柱阵列电极的传感平台，用于过氧化氢与肌氨酸检测，该平台应用了不同原理的声学技术：泵送溶液产生气泡，气泡在正弦波信号作用下形成微流，这种微流产生的搅拌效应显著提升了电极表面与样品的接触效率，直接提高了检测效率。

5 讨论和结论

本文重点阐述并探讨了微装配领域的最新进展，包括其基础原理、实际应用及当前发展状况。过去几十年间，用于产生可编程外部场的各类技术不断发展，催生出涉及磁场、光场与声场的新型微装配策略。具有高运动精度的机械抓手与微操作系统，进一步拓展了微装配的潜在应用场景。提高微装配的自动化水平，需要持续研发具备视觉与力反馈功能的专用控制算法；同时，利用深度神经网络实现稳健且精准的目标检测、识别与跟踪也受到重视，这一技术可有效提升微装配的效率与精度。尽管现有研究成果可观，但要实现微装配的实际应用与高通量部署，仍需取得重大技术突破。下文将重点阐述需解决的关键挑战（表4）。

5.1 简化实用的微装配系统

由于系统简易性与运动精度优化是宏观和微观系统的基本要求，因此亟须通过简化的系统与简便的操作来解决复杂的微装配问题。

近年来，研究人员聚焦于提升微装配系统的通用性、稳定性与智能化水平。但系统性能的增强往往会导致体积增大、设备集成复杂以及对环境要求严苛。诚然，目前需要开展一些探索性研究来优化微颗粒的个体化设计，并通过新型材料和结构设计为微系统赋予特殊响应能力与智能。不过，若能剥离繁杂的封装与集成环节，仅保留核心且具有针对性的功能，就能实现系统的简化与小型化。这种转变对于微装配与微操作技术从实验室场景向临床场景或体内应用过渡而言，既关键又紧迫。

研究人员常提及生物医学工程领域研究的“潜力”，并通过半开放模型验证微机器人/微系统的功能。但当研究人员试图将实验室研发的技术应用于临床环境时，很可能会出现诸多不兼容问题，包括空间限制、尺寸不匹配、复杂环境干扰以及人机交互难题。这些问题较少涉及科学探索，更多聚焦于工程设计层面。然而，在从“潜力”向“实际能力”过渡的过程中，微型化设计与组件选择中的权衡取舍，是我们必须克服的障碍。

因此，需要针对小型器件的创新加工技术来解决这一问题。例如，集成显微三维打印的双光子聚合技术，对于微尺度器件加工与批量生产具有重要意义。但该技术的加工效率、多材料加工的重复性以及产品使用寿命，仍需得到更多关注。

5.2 超越典型微型物体的微组装

以往的研究大多聚焦于各维度尺度大致均匀的微物体，这类物体通常是类似立方体或球体的颗粒或微单元，装配方式多为链状排列或堆叠。但除这类结构规整的微物体外，其他类型的微物体面临着完全不同的问题与限制。例如，前文提及的柔性神经电极，其厚度与宽度虽确属微观尺度（仅数十甚至数微米），但长径比可能高达数百，即长度可达厘米级。这种尺寸矛盾体现在：宏观层面呈现“柔性”，微观层面则表现为“一端受限的非自由状态”，这使得神经电极在自身特性与操作方式上存在先天局限。在微观层面，需平衡其微小特征与极高定位精度的要求；在宏观层面，又要兼顾其形态不稳定性与整体行程需求。若再考虑到神经电极脆弱的结构，还会面临更多安全性挑战。此外，为这类非典型物体设计微装配系统时，还需考虑诸多工程问题，包括因长度的宏观尺度导致的轨迹限制与避碰问题，以及电极成组后导线间的缠绕问题。

为解决这类非典型微物体的装配或操控难题，目前有两种主要方法：一种是采用高精度显微视觉机器人系统，尽管该系统结构复杂且成本高昂，但能完美解决所有问题；另一种是通过固液介质间的物理相互作用触发电极束的自组装[196]。这种方法成本低、效率高，但操作精度难以保证。此外，还存在一种潜在思路：将宏观问题与微观问题分开处理。首先在宏观层面将问题降维，确保电极姿态稳定，再通过两套操作分别满足宏观与微观的定位需求。另一种可行方向是通过某些微加工手段赋予电极三维特征，这既有助于在小区域内诱导自组装，也能增强连接部位的强度，但对具体效果需结合实际情况进行逐一分析。

5.3 复杂封闭环境下精准信息反馈

当前微装配任务中的信息感知严重依赖视觉反馈，且前文提及的部分力反馈组件的工作原理也依赖于通过视觉采集传感部件的形变信息。遗憾的是，带有外部宏观组件的微装配系统虽能成功提供反馈信息，但在封闭环境中使用时显得笨重不便；而独立的小型微机器人，除了视觉位置反馈外，无法提供其他类型的反馈信息。尤其在体内封闭且敏感的环境中，更难满足精准信息反馈的需求。原因与微创手术面临的挑战类似，主要包括视野受限、操作空间狭窄、环境成分精细敏感，以及运动模式偶尔与人类行为习惯不匹配等。此外，还需考虑非开放的人体组织或器械可能会遮挡外部场。除了组织本身的遮挡，血液等体液也会对视觉造成极大干扰。如何在如此苛刻的环境下，按需求精准实现功能，是体内应用亟待解决的开放性问题。不过，为应对这些限制而研发的控制方法与系统或许具有适用性，因此实际应用与工业化生产仍需更完善的通用系统支持。

光纤布拉格光栅传感器为解决封闭环境中信息反馈难题提供了一种可能方案[197]。这种光学传感器不受电磁干扰影响，可被轻松改造以适配不同测量对象，且不依赖视觉信息；同时，其管状结构能通过微创开口良好适配体内环境。此外，基于细直径（1~2 mm）内窥镜的微型化高分辨率视觉系统已问世，采用双目设计可在有限景深内实现深度估计——这两种策略都是机械微操作系统的潜在解决方案。另外，部分兼容磁共振成像的机器人与术中成像技术，能利用外部场实现实时反馈与控制[198]。目前，磁共振兼容的机器人与微操作、群体微机器人相结合的技术发展，已成为医学领域中集成像、诊断与治疗于一体的一站式技术的新趋势[199]。

5.4 提高微装配系统的自动化水平

要实现脱离人工操作的自动化作业，智能微装配系统必不可少。自动化对于提升操作效率、省去人工操控环节，以及完成人类无法胜任的高强度任务（如大量物体的自动筛选与分拣）至关重要[200‒201]。装配应是一个完整的流程，讨论其效率与自动化时，需覆盖从操作对象上料开始到系统停机的全流程。当前多数研究聚焦于装配过程本身，这固然是任务的核心环节，但为提升整个系统的自动化水平，还需考虑任务流程中的部署前准备、物料补装以及解耦保存等环节。在应用层面，系统的整体效率、成功率与可重复性往往更具重要意义。

控制系统需具备自主导航能力，以实现避障与精准定位。与实验室中可控、稳定且整洁的实验环境不同，活体系统内的环境复杂得多：实验系统中可搭建多角度高分辨率相机，而进入体内目标部位可能仅能依靠低分辨率内窥镜，这在空间分辨率与视野覆盖范围上都带来了挑战。系统的鲁棒性与整体效率同样重要，尤其是在应对实验室外环境中的干扰时。对于体内应用，血液与病变组织可能会对机器人运动的视觉特征识别和路径规划造成不可预测的阻碍。针对这一问题，强化学习与演示学习均具有重要探索价值：强化学习可在预设场景下提供针对性解决方案，而演示学习能让机器人从专家演示中提炼解决思路与关键策略。

5.5 微装配应用中的安全问题

对微装配的安全性讨论应从两个方向展开：一是对结果与产品的定量评估；二是在生物环境中应用时对受体安全性的考量[201]。微装配的主要定量评估指标包括重复精度、时间效率与任务成功率，这些指标多由研究人员自行描述和定义。这种评估方式主观性强、存在个人偏差，难以体现普适性，因此亟需一套适用于微尺度的通用客观定量评估方法（例如，通过完成一些公认的通用任务）来进行评估。

此外，还需研究微装配单元材料的安全性，以及注入体内的不可降解残留物的处理方法。目前已有成熟的监管与审批流程，用于生物实验和临床试验的各项技术均可确保符合科学与社会伦理要求，且材料的可降解性与生物相容性也早已是讨论热点。生物友好型载体（如甲基丙烯酸酯明胶水凝胶）已在生物医学工程领域广泛应用，尤其是用于制备药物递送微机器人[202]。选择合适的介质与载体已不再是难题，当前更需关注的核心问题包括：磁性材料残留物的可接受程度，以及相应的残留物去除方法。

5.6 前景

可以预计不久的将来，新兴微装配技术若要取得进一步研究进展并实现成果转化，需要机器人学、材料科学、化学、生物医学工程及人工智能领域的科学家开展深度跨学科协作。虽然当前微装配技术仍处于发展初期阶段，但其应用潜力已在多个学科领域引发高度关注。随着相关技术的持续创新与突破，现有技术瓶颈终将被克服，这将显著拓展外场驱动微装配技术的实际应用范围，特别是在体内微纳米机器人等前沿领域。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

Rivin EI. Mechanical design of robots. New York city: McGraw-Hill; 1987.
[2]

Zesch W, Brunner M, Weber A. Vacuum tool for handling microobjects with a nanorobot. In: Proceedings of the International Conference on Robotics and Automation; 1997 Apr 25‒25; Albuquerque, NM, USA. Piscataway: IEEE; 1997. p. 1761‒6. . 10.1109/robot.1997.614405
[3]

Sitti M. Microscale and nanoscale robotics systems. IEEE Robot Autom Mag 2007;14(1):53‒60. . 10.1109/mra.2007.339606
[4]

Arai F, Ando D, Fukuda T, Nonoda Y, Oota T. Micro manipulation based on micro physics-strategy based on attractive force reduction and stress measurement. In: Proceedings of the 1995 IEEE/RSJ International Conference on Intelligent Robots and Systems. Human Robot Interaction and Cooperative Robots; 1995 Aug 5‒9; Pittsburgh, PA, USA. Piscataway: IEEE; 1995. p. 236‒41. . 10.1109/iros.1995.526129
[5]

Fearing RS. Survey of sticking effects for micro parts handling. In: Proceedings of the 1995 IEEE/RSJ International Conference on Intelligent Robots and Systems. Human Robot Interaction and Cooperative Robots; 1995 Aug 5‒9; Pittsburgh, PA, USA. Piscataway: IEEE; 1995. p. 212‒7. . 10.1109/iros.1995.526129
[6]

Menciassi A, Eisinberg A, Izzo I, Dario P. From “macro” to “micro” manipulation: models and experiments. IEEE/ASME Trans Mechatron 2004;9(2):311‒20. . 10.1109/tmech.2004.828657
[7]

Yu Y, Jiang C, Zheng XT, Liu Y, Goh WP, Lim RHH, et al. Three-dimensional highway-like graphite flakes/carbon fiber hybrid electrode for electrochemical biosensor. Mater Today Adv 2022;14:100238. . 10.1016/j.mtadv.2022.100238
[8]

Li T, Yu S, Sun B, Li Y, Wang X, Pan Y, et al. Bioinspired claw-engaged and biolubricated swimming microrobots creating active retention in blood vessels. Sci Adv 2023;9(18):eadg4501. . 10.1126/sciadv.adg4501
[9]

Zhang W, Deng Y, Zhao J, Zhang T, Zhang X, Song W, et al. Amoeba-inspired magnetic venom microrobots. Small 2023;19(23):2207360. . 10.1002/smll.202207360
[10]

Yu J, Wang B, Du X, Wang Q, Zhang L. Ultra-extensible ribbon-like magnetic microswarm. Nat Commun 2018;9(1):3260. . 10.1038/s41467-018-05749-6
[11]

Shi W, Huang J, Fang R, Liu M. Imparting functionality to the hydrogel by magnetic-field-induced nano-assembly and macro-response. ACS Appl Mater Interfaces 2020;12(5):5177‒94. . 10.1021/acsami.9b16770
[12]

Yu J, Jin D, Chan KF, Wang Q, YuanK, ZhangL. Active generation and magnetic actuation of microrobotic swarms in bio-fluids. Nat Commun 2019;10(1):5631. . 10.1038/s41467-019-13576-6
[13]

Tan L, Liu B, Glebe U, Böker A. Magnetic field-induced assembly of superparamagnetic cobalt nanoparticles on substrates and at liquid-air interface. Langmuir 2018;34(46):13993‒4002. . 10.1021/acs.langmuir.8b02673
[14]

Wen T, Zhu W, Xue C, Wu J, Han Q, Wang X, et al. Novel electrochemical sensing platform based on magnetic field-induced self-assembly of Fe3O4@ polyaniline nanoparticles for clinical detection of creatinine. Biosens Bioelectron 2014;56:180‒5. . 10.1016/j.bios.2014.01.013
[15]

Liu J, Zhou T, Han T, Zhu L, Wang Y, Hu Y, et al. Engineering a ternary one dimensional Fe2P@SnP 0.94@MoS2 mesostructure through magnetic-field induced self-assembly as a high-performance lithium-ion battery anode. Chem Commun 2022;58(33):5108‒11. . 10.1039/d2cc00230b
[16]

Park M, Kang S, Nam C, Narasimha K, Lee WB, Park SJ. Magnetic field-induced self-assembly of conjugated block copolymers and nanoparticles at the air water interface. ACS Appl Mater Interfaces 2022;14(6):8266‒73. . 10.1021/acsami.1c22535
[17]

Mohapatra J, Elkins J, Xing M, Guragain D, Mishra SR, Liu JP. Magnetic-field induced self-assembly of FeCo/CoFe2O4 core/shell nanoparticles with tunable collective magnetic properties. Nanoscale 2021;13(8):4519‒29. . 10.1039/d1nr00136a
[18]

Jeong KJ, Lee DK, Tran VT, Wang C, Lv J, Park J, et al. Helical magnetic field induced real-time plasmonic chirality modulation. ACS Nano 2020;14(6):7152‒60. . 10.1021/acsnano.0c02026
[19]

Khalil IS, van den Brink F, Sukas OS, Misra S. Microassembly using a cluster of paramagnetic microparticles. In: Proceedings of the 2013 IEEE International Conference on Robotics and Automation; 2013 May 6‒10; Karlsruhe, Germany. Piscataway: IEEE; 2013. p. 5527‒32. . 10.1109/icra.2013.6631370
[20]

Xia L, Liu R, Liu J, Zhu X, Ding A, Cao Q. Radial magnetic levitation and its application to density measurement, separation, and detection of microplastics. Anal Chem 2023;95(22):8660‒7. . 10.1021/acs.analchem.3c01216
[21]

Dong X, Sitti M. Controlling two-dimensional collective formation and cooperative behavior of magnetic microrobot swarms. Int J Robot Res 2020;39(5):617‒38. . 10.1177/0278364920903107
[22]

Hu X, Yasa IC, Ren Z, Goudu SR, Ceylan H, Hu W, et al. Magnetic soft micromachines made of linked microactuator networks. Sci Adv 2021;7(23): eabe8436. . 10.1126/sciadv.abe8436
[23]

Jílek M, Somr M, Kulich M, Zeman J, Přeučil L. Towards a passive self assembling macroscale multi-robot system. IEEE Robot Autom Lett 2021;6(4):7293‒300. . 10.1109/lra.2021.3096748
[24]

Gu H, Boehler Q, Ahmed D, Nelson BJ. Magnetic quadrupole assemblies with arbitrary shapes and magnetizations. Sci Robot 2019;4(35):eaax8977. . 10.1126/scirobotics.aax8977
[25]

Yang X, Tan R, Lu H, Fukuda T, Shen Y. Milli-scale cellular robots that can reconfigure morphologies and behaviors simultaneously. Nat Commun 2022;13(1):4156. . 10.1038/s41467-022-31913-0
[26]

Tasoglu S, Yu C, Gungordu HI, Guven S, Vural T, Demirci U. Guided and magnetic self-assembly of tunable magnetoceptive gels. Nat Commun 2014;5(1):4702. . 10.1038/ncomms5702
[27]

Khalesi R, Yousefi M, Pishkenari HN, Vossoughi G. Robust independent and simultaneous position control of multiple magnetic microrobots by sliding mode controller. Mechatronics 2022;84:102776. . 10.1016/j.mechatronics.2022.102776
[28]

Lee H, Lee D, Jeon S. A two-dimensional manipulation method for a magnetic microrobot with a large region of interest using a triad of electromagnetic coils. Micromachines 2022;13(3):416. . 10.3390/mi13030416
[29]

Mayorga-Martinez CC, Vyskočil J, Novotný F, Bednar P, Ruzek D, Alduhaish O, et al. Collective behavior of magnetic microrobots through immuno sandwich assay: on-the-fly COVID-19 sensing. Appl Mater Today 2022;26:101337. . 10.1016/j.apmt.2021.101337
[30]

Pacheco M, Mayorga-Martinez CC, Escarpa A, Pumera M. Micellar polymer magnetic microrobots as efficient nerve agent microcleaners. ACS Appl Mater Interfaces 2022;14(22):26128‒34. . 10.1021/acsami.2c02926
[31]

Zhao F, Rong W, Li D, Wang L, Sun L. Four-dimensional design and programming of shape-memory magnetic helical micromachines. Appl Mater Today 2022;27:101422. . 10.1016/j.apmt.2022.101422
[32]

Barbot A, Tan H, Power M, Seichepine F, Yang GZ. Floating magnetic microrobots for fiber functionalization. Sci Robot 2019;4(34):eaax8336. . 10.1126/scirobotics.aax8336
[33]

Alapan Y, Yigit B, Beker O, Demirörs AF, Sitti M. Shape-encoded dynamic assembly of mobile micromachines. Nat Mater 2019;18(11):1244‒51. . 10.1038/s41563-019-0407-3
[34]

Tasoglu S, Diller E, Guven S, Sitti M, Demirci U. Untethered micro-robotic coding of three-dimensional material composition. Nat Commun 2014;5(1):3124. . 10.1038/ncomms4124
[35]

Johnson BV, Chowdhury S, Cappelleri DJ. Local magnetic field design and characterization for independent closed-loop control of multiple mobile microrobots. IEEE/ASME Trans Mechatron 2020;25(2):526‒34. . 10.1109/tmech.2020.2969074
[36]

Yang X, Tan R, Lu H, Shen Y. Magnetic-directed manipulation and assembly of fragile bioartificial architectures in the liquid-liquid interface. IEEE/ASME Trans Mechatron 2022;27(5):3590‒600. . 10.1109/tmech.2021.3136639
[37]

Hsu A, Cowan C,ChuW,McCoyB,Wong-FoyA, Pelrine R, etal. Automated 2D micro-assembly using diamagnetically levitated milli-robots. In: Proceedings of the 2017 International Conference on Manipulation, Automation and Robotics at Small Scales (MARSS); 2017 Jul 17‒21; Montreal, QC, Canada. Piscataway: IEEE; 2017. p. 1‒6. . 10.1109/marss.2017.8001926
[38]

Yao T, Chisholm NG, Steager EB, Stebe KJ. Directed assembly and micro manipulation of passive particles at fluid interfaces via capillarity using a magnetic micro-robot. Appl Phys Lett 2020;116(4):043702. . 10.1063/1.5130635
[39]

Ji Z, Yan C, Yu B, WangX,ZhouF.Multimaterials 3D printing for free assembly manufacturing of magnetic driving soft actuator. Adv Mater Interfaces 2017;4(22):1700629. . 10.1002/admi.201700629
[40]

Dunn CR, Lee BP, Rajachar RM. Thermomagnetic-responsive self-folding microgrippers for improving minimally invasive surgical techniques and biopsies. Molecules 2022;27(16):5196. . 10.3390/molecules27165196
[41]

Ghosh A, Liu Y, Artemov D, Gracias DH. Magnetic resonance guided navigation of untethered microgrippers. Adv Healthc Mater 2021;10(4):2000869. . 10.1002/adhm.202000869
[42]

Han K, Shields IV CW, Diwakar NM, Bharti B, L’opez GP, Velev OD. Sequence encoded colloidal origami and microbot assemblies from patchy magnetic cubes. Sci Adv 2017;3(8):e1701108. . 10.1126/sciadv.1701108
[43]

Kararsiz G, RogowskiLW,ZhangX,BhattacharjeeA, KimMJ.Adaptivetracking controller for an alginate artificial cell. In: Proceedings of the 2021 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS); 2021 Sep 27‒Oct 1; Prague, The Czech Republic. Piscataway: IEEE; 2021. p. 7483‒9. . 10.1109/iros51168.2021.9636639
[44]

Xu L, Gong D, Celi N, Xu J, Zhang D, Cai J. Biohybrid magnetic microrobots for enhanced photocatalytic rhb degradation and E. coli inactivation under visible light irradiation. Appl Surf Sci 2022;579:152165. . 10.1016/j.apsusc.2021.152165
[45]

Feng Y, Feng L, Dai Y, Bai X, Zhang C, Chen Y, et al. A novel and controllable cell-based microrobot in real vascular network for target tumor therapy. In: Proceedings of the 2020 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS); 2020 Oct 24‒2021 Jan 14; Las Vegas, NV, USA. Piscataway: IEEE; 2021. p. 2828‒33. . 10.1109/iros45743.2020.9341774
[46]

Gong D, Celi N, Zhang D, Cai J. Magnetic biohybrid microrobot multimers based on chlorella cells for enhanced targeted drug delivery. ACS Appl Mater Interfaces 2022;14(5):6320‒30. . 10.1021/acsami.1c16859
[47]

Singh DP, Choudhury U, Fischer P, Mark AG. Non-equilibrium assembly of light-activated colloidal mixtures. Adv Mater 2017;29(32):1701328. . 10.1002/adma.201701328
[48]

Melzer JE, McLeod E. Assembly of multicomponent structures from hundreds of micron-scale building blocks using optical tweezers. Microsyst Nanoeng 2021;7(1):45. . 10.1038/s41378-021-00272-z
[49]

Maruo S, Ikuta K, Hayato K. Light-driven mems made by high-speed two photon microstereolithography. In: Proceedings of the Technical Digest. MEMS2001.14th IEEE International Conference on Micro Electro Mechanical Systems (Cat. No. 01CH37090); 2001 Jun 25; Interlaken, Switzerland. Piscataway: IEEE; 2001. p. 594‒7. . 10.1109/memsys.2001.906611
[50]

de la Asunción-Nadal V, Rojas D, Jurado-Sa’nchez B, Escarpa A. Transition metal dichalcogenide micromotors with programmable photophoretic swarming motion. J Mater Chem A 2023;11(3):1239‒45. . 10.1039/d2ta07792b
[51]

Mena-Giraldo P, Kaur M, Maurizio SL, Mandl GA, Capobianco JA. Janus micromotors for photophoretic motion and photon upconversion applications using a single near-infrared wavelength. ACS Appl Mater Interfaces 2024;16(3):4249‒60. . 10.1021/acsami.3c16454
[52]

Liang X, Mou F, Huang Z, Zhang J, You M, Xu L, et al. Hierarchical microswarms with leader-follower-like structures: electrohydrodynamic self-organization and multimode collective photoresponses. Adv Funct Mater 2020;30(16):1908602. . 10.1002/adfm.201908602
[53]

Mou F, Zhang J, Wu Z, Du S, Zhang Z, Xu L, et al. Phototactic flocking of photochemical micromotors. iScience 2019;19:415‒24. . 10.1016/j.isci.2019.07.050
[54]

Che S, Zhang J, Mou F, Guo X, Kauffman JE, Sen A, et al. Light-programmable assemblies of isotropic micromotors. Research 2022;2022:9816562. . 10.34133/2022/9816562
[55]

Tong J, Wang D, Liu Y, Luo X, Jiang J, Dong B, et al. Bioinspired micro/nanomotor with visible light energy-dependent forward, reverse, reciprocating, and spinning schooling motion. Proc Natl Acad Sci USA 2021;118(42):e2104481118. . 10.1073/pnas.2104481118
[56]

Kim JD, Hwang SU, Lee YG. Traceable assembly of microparts using optical tweezers. J Micromech Microeng 2012;22(10):105003. . 10.1088/0960-1317/22/10/105003
[57]

Tam JM, Biran I, Walt DR. An imaging fiber-based optical tweezer array for microparticle array assembly. Appl Phys Lett 2004;84(21):4289‒91. . 10.1063/1.1753062
[58]

Kim JD, Lee YG. Construction and actuation of a microscopic gear assembly formed using optical tweezers. J Micromech Microeng 2013;23(6):065010. . 10.1088/0960-1317/23/6/065010
[59]

Castelino K, Satyanarayana S, Sitti M. Manufacturing of two and three dimensional micro/nanostructures by integrating optical tweezers with chemical assembly. Robotica 2005;23(4):435‒9. . 10.1017/s0263574704000864
[60]

Ghosh S, Das S, Paul S, Thomas P, Roy B, Mitra P, et al. In situ self-assembly and photopolymerization for hetero-phase synthesis and patterning of conducting materials using soft oxometalates in thermo-optical tweezers. J Mater Chem C 2017;5(27):6718‒28. . 10.1039/c7tc01941f
[61]

Tang H, Kishi T, Yano T. In situ assembling of glass microspheres and bonding force analysis by the ultraviolet-near-infrared dual-beam optical tweezer system. ACS Omega 2021;6(18):11869‒77. . 10.1021/acsomega.1c00109
[62]

Holmlin RE, Schiavoni M, Chen CY, Smith SP, Prentiss MG, Whitesides GM. Light-driven microfabrication: assembly of multicomponent, three dimensional structures by using optical tweezers. Angew Chem Int Ed 2000;39(19):3503‒6. . 10.1002/1521-3773(20001002)39:19<3503::aid-anie3503>3.0.co;2-m
[63]

Kirkham GR, Britchford E, Upton T, Ware J, Gibson GM, Devaud Y, et al. Precision assembly of complex cellular microenvironments using holographic optical tweezers. Sci Rep 2015;5:8577. . 10.1038/srep08577
[64]

Wang X, Gou X, Chen S, Yan X, Sun D. Cell manipulation tool with combined microwell array and optical tweezers for cell isolation and deposition. J Micromech Microeng 2013;23(7):075006. . 10.1088/0960-1317/23/7/075006
[65]

Mirsaidov U, Scrimgeour J, Timp W, Beck K, Mir M, Matsudaira P, et al. Live cell lithography: using optical tweezers to create synthetic tissue. Lab Chip 2008;8(12):2174‒81. . 10.1039/b807987k
[66]

Pradhan S, Whitby CP, Williams MA, Chen JLY, Avci E. Interfacial colloidal assembly guided by optical tweezers and tuned via surface charge. J Colloid Interface Sci 2022;621:101‒9. . 10.1016/j.jcis.2022.04.044
[67]

Zou X, Zheng Q, Wu D, Lei H. Controllable cellular micromotors based on optical tweezers. Adv Funct Mater 2020;30(27):2002081. . 10.1002/adfm.202070181
[68]

Tanaka M, Kuramichi I, Tsuboi Y, Yuyama K. Confinement and aggregation of colloidal particles in an ionic liquid microdroplet formed by optical tweezers. Jpn J Appl Phys 2022;61(10):100901. . 10.35848/1347-4065/ac8c0d
[69]

Shan X, Wang F, Wang D, Wen S, Chen C, Di X, et al. Optical tweezers beyond refractive index mismatch using highly doped upconversion nanoparticles. Nat Nanotechnol 2021;16(5):531‒7. . 10.1038/s41565-021-00852-0
[70]

Melde K, Choi E, Wu Z, Palagi S, Qiu T, Fischer P. Acoustic fabrication via the assembly and fusion of particles. Adv Mater 2018;30(3):1704507. . 10.1002/adma.201704507
[71]

Melde K, Kremer H, Shi M, Seneca S, Frey C, Platzman I, et al. Compact holographic sound fields enable rapid one-step assembly of matter in 3D. Sci Adv 2023;9(6):eadf6182. . 10.1126/sciadv.adf6182
[72]

Ma Z, Holle AW, Melde K, Qiu T, Poeppel K, Kadiri VM, et al. Acoustic holographic cell patterning in a biocompatible hydrogel. Adv Mater 2020;32(4):1904181. . 10.1002/adma.201904181
[73]

Sun Y, Luo Y, Xu T, Cheng G, Cai H, Zhang X. Acoustic aggregation-induced separation for enhanced fluorescence detection of alzheimer’s biomarker. Talanta 2021;233:122517. . 10.1016/j.talanta.2021.122517
[74]

Xu T, Soto F, Gao W, Dong R, Garcia-Gradilla V, Magaña E, et al. Reversible swarming and separation of self-propelled chemically powered nanomotors under acoustic fields. J Am Chem Soc 2015;137(6):2163‒6. . 10.1021/ja511012v
[75]

HuangY, XuT,LuoY, Liu C,GaoX, ChengZ, etal. Ultra-trace protein detection by integrating lateral flow biosensor with ultrasound enrichment. Anal Chem 2021;93(5):2996‒3001. . 10.1021/acs.analchem.0c05032
[76]

Tang T, Huang L. Mie particle assembly by a converging ultrasound field and acoustic interaction forces. Appl Acoust 2021;180:108123. . 10.1016/j.apacoust.2021.108123
[77]

Greenhall J, Guevara Vasquez F, Raeymaekers B. Ultrasound directed self assembly of user-specified patterns of nanoparticles dispersed in a fluid medium. Appl Phys Lett 2016;108(10):103103. . 10.1063/1.4943634
[78]

Prisbrey M, Greenhall J, Guevara Vasquez F, Raeymaekers B. Ultrasound directed self-assembly of three-dimensional user-specified patterns of particles in a fluid medium. J Appl Phys 2017;121(1):014302. . 10.1063/1.4973190
[79]

Prisbrey M, Guevara Vasquez F, Raeymaekers B. Arranging ellipsoidal particles in three-dimensional user-specified orientations with ultrasound directed self-assembly. Phys Rev Appl 2020;14(2):024026. . 10.1103/physrevapplied.14.024026
[80]

Prisbrey M, Raeymaekers B. Aligning high-aspect-ratio particles in user specified orientations with ultrasound-directed self-assembly. Phys Rev Appl 2019;12(1):014014. . 10.1103/physrevapplied.12.014014
[81]

Prisbrey M, Guevara Vasquez F, Raeymaekers B. 3D ultrasound directed self assembly of high aspect ratio particles: on the relationship between the number of transducers and their spatial arrangement. Appl Phys Lett 2020;117(11):111904. . 10.1063/5.0025367
[82]

Feng L, Song B, Chen Y, Liang S, Dai Y, Zhou Q, et al. On-chip rotational manipulation of microbeads and oocytes using acoustic microstreaming generated by oscillating asymmetrical microstructures. Biomicrofluidics 2019;13(6):064103. . 10.1063/1.5121809
[83]

Wadsworth P, Nelson I, Porter DL, Raeymaekers B, Naleway SE. Manufacturing bioinspired flexible materials using ultrasound directed self assembly and 3D printing. Mater Des 2020;185:108243. . 10.1016/j.matdes.2019.108243
[84]

Greenhall J, Raeymaekers B. 3D printing macroscale engineered materials using ultrasound directed self-assembly and stereolithography. Adv Mater Technol 2017;2(9):1700122. . 10.1002/admt.201700122
[85]

Niendorf K, Raeymaekers B. Combining ultrasound directed self-assembly and stereolithography to fabricate engineered polymer matrix composite materials with anisotropic electrical conductivity. Compos Part B 2021;223:109096. . 10.1016/j.compositesb.2021.109096
[86]

Niendorf K, Raeymaekers B. Quantifying macro- and microscale alignment of carbon microfibers in polymer-matrix composite materials fabricated using ultrasound directed self-assembly and 3D-printing. Compos Part A 2020;129:105713. . 10.1016/j.compositesa.2019.105713
[87]

Wei Y, Lu XL, Shen H, Peng HM, Yuan ZY, Guo XS, et al. An acousto microrobotic interface with vision-feedback control. Adv Mater Technol 2021;6:2100470. . 10.1002/admt.202100470
[88]

Lu X, Zhao K, Liu W, Yang D, Shen H, Peng H, et al. A human microrobot interface based on acoustic manipulation. ACS Nano 2019;13(10):11443‒52. . 10.1021/acsnano.9b04930
[89]

Schrage M, Medany M,AhmedD.Ultrasoundmicrorobots with reinforcement learning. Adv Mater Technol 2023;8(10):2201702. . 10.1002/admt.202201702
[90]

Reinhart G, Heinz M, Stock J, Zimmermann J, Schilp M, Zitzmann A, et al. Non contact handling and transportation for substrates and microassembly using ultrasound-air-film-technology. In: Proceedings of the 2011 IEEE/SEMI Advanced Semiconductor Manufacturing Conference; 2011 May 16‒18; SpringsSaratoga, NY, USA. Piscataway: IEEE; 2011. p. 1‒6. . 10.1109/asmc.2011.5898208
[91]

Mohanty S, Fidder RJ, Matos PM, Heunis CM, Kaya M, Blanken N, et al. SonoTweezer: an acoustically powered end-effector for underwater micromanipulation. IEEE Trans Ultrason Ferroelectr Freq Control 2022;69(3):988‒97. . 10.1109/tuffc.2022.3140745
[92]

Durrer J, Agrawal P, Ozgul A, Neuhauss SCF, Nama N, Ahmed D. A robot assisted acoustofluidic end effector. Nat Commun 2022;13(1):6370. . 10.1038/s41467-022-34167-y
[93]

Yang Y, Ma T, Zhang Q, Huang J, Hu Q, Li Y, et al. 3D acoustic manipulation of living cells and organisms based on 2D array. IEEE Trans Biomed Eng 2022;69(7):2342‒52. . 10.1109/tbme.2022.3142774
[94]

Luo T, Wu M. Biologically inspired micro-robotic swimmers remotely controlled by ultrasound waves. Lab Chip 2021;21(21):4095‒103. . 10.1039/d1lc00575h
[95]

Ichikawa A, Sakuma S, Arai F, Akagi S. Untethered micro-robot with gripping mechanism for on-chip cell surgery utilizing outer magnetic force. In: Proceedings of the 2014 IEEE International Conference on Robotics and Automation (ICRA); 2014 May 31‒Jun7; Hong Kong, China. Piscataway: IEEE; 2014. p. 3795‒800. . 10.1109/icra.2014.6907409
[96]

Lyu Z, Xu Q, Zhu L. Design and development of a new piezoelectric-actuated biaxial compliant microgripper with long strokes. IEEE Trans Autom Sci Eng 2023;20(1):206‒17. . 10.1109/tase.2022.3145670
[97]

Probst M, Hürzeler C, Borer R, Nelson BJ. A microassembly system for the f lexible assembly of hybrid robotic mems devices. Int J Optomechatronics 2009;3(2):69‒90. . 10.1080/15599610902894592
[98]

Das TK, Shirinzadeh B, Al-Jodah A, Ghafarian M, Pinskier J. Computational parametric analysis and experimental investigations of a compact flexure based microgripper. Precis Eng 2020;66:363‒73. . 10.1016/j.precisioneng.2020.08.010
[99]

Das TK, Shirinzadeh B, Ghafarian M, Al-Jodah A, Zhong Y, Smith J. Design, analysis and experimental investigations of a high precision flexure-based microgripper for micro/nano manipulation. Mechatronics 2020;69:102396. . 10.1016/j.mechatronics.2020.102396
[100]

Shi C, Dong X, Yang Z. A microgripper with a large magnification ratio and high structural stiffness based on a flexure-enabled mechanism. IEEE/ASME Trans Mechatron 2021;26(6):3076‒86. . 10.1109/tmech.2021.3052806
[101]

Si G, Sun L, Zhang Z, Zhang X. Theoretical thermal-mechanical modelling and experimental validation of a three-dimensional (3D) electrothermal microgripper with three fingers. Micromachines 2021;12(12):1512. . 10.3390/mi12121512
[102]

Si G, Ding M, Zhang Z, Zhang X. Theoretical thermal-mechanical modelling and experimental validation of a novel 3D three-fingered electrothermal microgripper. Precis Eng 2022;77:205‒19. . 10.1016/j.precisioneng.2022.05.013
[103]

Ramya S, Kumar SP, Aravind T, Srinivasan T, Ram GD, Lingaraja D. Thermal inplane microgripper for handling micro-objects. In: Proceedings of the 2022 7th International Conference on Communication and Electronics Systems (ICCES); 2022 Jun 22‒24; Coimbatore, India. Piscataway: IEEE; 2022. p. 210 4. . 10.1109/icces54183.2022.9835816
[104]

Chen BK, Zhang Y, Sun Y. Active release of microobjects using a mems microgripper to overcome adhesion forces. J Microelectromech Syst 2009;18(3):652‒9. . 10.1109/jmems.2009.2020393
[105]

Beyeler F, Bell DJ, Nelson BJ, Sun Y, Neild A, Oberti S, et al. Design of a micro gripper and an ultrasonic manipulator for handling micron sized objects. In: Proceedings of the 2006 IEEE/RSJ International Conference on Intelligent Robots and Systems; 2006 Oct 9‒15; Beijing, China. Piscataway: IEEE; 2007. p. 772‒7. . 10.1109/iros.2006.282628
[106]

Ma Y, Du K, Zhou D, Zhang J, Liu X, Xu D. Automatic precision robot assembly system with microscopic vision and force sensor. Int J Adv Robot Syst 2019;16(3):1729881419851619. . 10.1177/1729881419851619
[107]

Komati B, Kudryavtsev A, Clévy C, Laurent G, Tamadazte B, Agnus J, et al. Automated robotic microassembly of flexible optical components. In: Proceedings of the 2016 IEEE International Symposium on Assembly and Manufacturing (ISAM); 2016 Aug 21‒22; Fort Worth, TX, USA. Piscataway: IEEE; 2016. p. 93‒8. . 10.1109/isam.2016.7750721
[108]

Fantoni G, Jorg O, Tincani V. Indirect force measurement system in a mechanical microgripper. Precis Eng 2022;78:206‒14. . 10.1016/j.precisioneng.2022.08.004
[109]

Aravind T, Praveen Kumar S, Dinesh Ram G, Lingaraja D. Analysis of material profile for polymer-based mechanical microgripper for thin plate holding. In: Priya E, Rajinikanth V, editors. Signal and Image Processing Techniques for the Development of Intelligent Healthcare Systems. Cham: Springer; 2020. p. 103‒17. . 10.1007/978-981-15-6141-2_6
[110]

De Pasquale G. Design and modeling of MEMS microgrippers for laser-based additive manufacturing. Micro 2022;2(2):225‒39. . 10.3390/micro2020015
[111]

Sariola V, Zhou Q, Koivo HN. Three dimensional hybrid microassembly combining robotic microhandling and self-assembly. In: Proceedings of the 2009 IEEE International Conference on Robotics and Automation; 2009 May 12‒17; Kobe, Japan. Piscataway: IEEE; 2009. p. 2605‒10. . 10.1109/robot.2009.5152590
[112]

Sariola V, Jääskeläinen M, Zhou Q. Hybrid microassembly combining robotics and water droplet self-alignment. IEEE Trans Robot 2010;26(6):965‒77. . 10.1109/tro.2010.2066830
[113]

Ge Z, Dai L, Zhao J, Yu H, Yang W, Liao X, et al. Bubble-based microrobots enable digital assembly of heterogeneous microtissue modules. Biofabrication 2022;14(2):025023. . 10.1088/1758-5090/ac5be1
[114]

McClintock H, Temel FZ, Doshi N, Koh J, Wood RJ. The millidelta: a high bandwidth, high-precision, millimeter-scale delta robot. Sci Robot 2018;3(14):eaar3018. . 10.1126/scirobotics.aar3018
[115]

Leveziel M, Haouas W, Laurent GJ, Gauthier M, Dahmouche R. Migribot: a miniature parallel robot with integrated gripping for high-throughput micromanipulation. Sci Robot 2022;7(69):eabn4292. . 10.1126/scirobotics.abn4292
[116]

Zhang D, Chen J, Li W, Bautista Salinas D, Yang GZ. A microsurgical robot research platform for robot-assisted microsurgery research and training. Int J CARS 2020;15:15‒25. . 10.1007/s11548-019-02074-1
[117]

Yin W,WangY,LiuH,SunM,ZhangY,YuanH,etal. SCbots:stomatocyte-like colloidosomes as versatile microrobots fabricated by one-step self-assembly. Chem Eng J 2024;490:151952. . 10.1016/j.cej.2024.151952
[118]

Kang L, Zhao J, Zhu H, Zhu L, Li G, Wang L, et al. Bubble jet propulsion of a “flying shuttle” zinc phosphate micro robot driven by enzyme-catalyzed reaction. Inorg Chem Commun 2023;157:111242. . 10.1016/j.inoche.2023.111242
[119]

Kim S, Jiang Y, Thompson Towell KL, Boutilier MS, Nayakanti N, Cao C, et al. Soft nanocomposite electroadhesives for digital micro- and nanotransfer printing. Sci Adv 2019;5(10):eaax4790. . 10.1126/sciadv.aax4790
[120]

Boutilier MSH, Cao C, Nayakanti N, Kim S, Taheri-Mousavi SM, Hart AJ. Limiting mechanisms and scaling of electrostatically controlled adhesion of soft nanocomposite surfaces for robotic gripping. ACS Appl Mater Interfaces 2021;13(1):1192‒203. . 10.1021/acsami.0c17096
[121]

Wei D, Xiong Q, Dong J, Wang H, Liang X, Tang S, et al. Electrostatic adhesion clutch with superhigh force density achieved by mxene-poly(vinylidene f luoride-trifluoroethylene-chlorotrifluoroethylene) composites. Soft Robot 2023;10(3):482‒92. . 10.1089/soro.2022.0013
[122]

Zhang J, Dai X, Wu W, Du K. Micro-vision based high-precision space assembly approach for trans-scale micro-device: the CFTA example. Sensors 2023;23(1):450. . 10.3390/s23010450
[123]

Wang DH, Wang K, Qiang LS. Depth estimation method of surface of micropart in microassembly space based on microscopic vision tomographic scanning images. J Microsc 2021;283(2):77‒92. . 10.1111/jmi.13010
[124]

Xie T, Zhang X, Li H, Zhang J. Hybrid feature based 6D pose tracking under binocular vision for automated micro-assembly. In: Proceedings of the 2023 9th International Conference on Mechatronics and Robotics Engineering (ICMRE); 2023Feb10‒12; Shenzhen, China. Piscataway: IEEE; 2023. p. 112‒7. . 10.1109/icmre56789.2023.10106573
[125]

Wei D, Hall MB, Sherehiy A, Popa DO. Design and evaluation of human machine interface for nexus: a custom microassembly system. J Micro Nano Manuf 2020;8(4):041011. . 10.1115/1.4049667
[126]

Zhang Z, Wang X, Zhao H, Ren T, Xu Z, Luo Y. The machine vision measurement module of the modularized flexible precision assembly station for assembly of micro- and meso-sized parts. Micromachines 2020;11(10):918. . 10.3390/mi11100918
[127]

Bolya D, Zhou C, Xiao F, Lee YJ. YOLACT: real-time instance segmentation. In: Proceedings of the 2019 IEEE/CVF International Conference on Computer Vision (ICCV); 2019 Oct 27‒Nov 2; Seoul, Republic of Korean. Piscataway: IEEE; 2020. p. 9156‒65. . 10.1109/iccv.2019.00925
[128]

Cheng J, Wu W, Yang Y, Zhang J. Yolact in micro-assembly robot system. In: Proceedings of the 2021 4th International Conference on Algorithms, Computing and Artificial Intelligence; 2021 Dec 22‒24; Sanya, China. New York city: Association for Computing Machinery; 2022. p. 1‒5. . 10.1145/3508546.3508570
[129]

Li F, Gao D, Yang Y, Zhu J. Small target deep convolution recognition algorithm based on improved YOLOv4. Int J Mach Learn Cybern 2023;14(2):387‒94. . 10.1007/s13042-021-01496-1
[130]

Khachikyan A, Pippione G, Sengünes MI, Paoletti R, Seyfried M. Micro-optics assembly for fast axis collimation by means of convolutional neural network. Opt Express 2021;29(17):26765‒74. . 10.1364/oe.433728
[131]

Liu S, Jia Y, Li YF, Guo Y, Lu H. Simultaneous precision assembly of multiple objects through coordinated micro-robot manipulation. In: Proceedings of the 2021 IEEE International Conference on Robotics and Automation (ICRA); 2021 May 30‒Jun 5; Xi’an, China. Piscataway: IEEE; 2021. p. 6280‒6. . 10.1109/icra48506.2021.9561293
[132]

Wei Y, Xu Q. Design and testing of a new force-sensing cell microinjector based on soft flexure mechanism. IEEE Sens J 2019;19(15):6012‒9. . 10.1109/jsen.2019.2909533
[133]

Gursky B, Bütefisch S, Leester-Schädel M, Li K, Matheis B, Dietzel A. A disposable pneumatic microgripper for cell manipulation with image-based force sensing. Micromachines 2019;10(10):707. . 10.3390/mi10100707
[134]

Power M, Thompson AJ, Anastasova S, Yang GZ. A monolithic force-sensitive 3D microgripper fabricated on the tip of an optical fiber using 2-photon polymerization. Small 2018;14(16):1703964. . 10.1002/smll.201703964
[135]

Xu W, Zhang H, Yuan H, Liang B. A compliant adaptive gripper and its intrinsic force sensing method. IEEE Trans Robot 2021;37(5):1584‒603. . 10.1109/tro.2021.3060971
[136]

Xie H, Meng X, Zhang H, Sun L. Development of a magnetically driven microgripper for piconewton force-controlled microscale manipulation and characterization. IEEE Trans Ind Electron 2020;67(3):2065‒75. . 10.1109/tie.2019.2905805
[137]

Chung SE, Dong XG, Sitti M. Three-dimensional heterogeneous assembly of coded microgels using an untethered mobile microgripper. Lab Chip 2015;15(7):1667‒76. . 10.1039/c5lc00009b
[138]

Li D, Niu F, Li J, Li X, Sun D. Gradient-enhanced electromagnetic actuation system with a new core shape design for microrobot manipulation. IEEE Trans Ind Electron 2020;67(6):4700‒10. . 10.1109/tie.2019.2928283
[139]

Yang Z, Yang L, Zhang M, Wang Q, Yu SCH, Zhang L. Magnetic control of a steerable guidewire under ultrasound guidance using mobile electromagnets. IEEE Robot Autom Lett 2021;6(2):1280‒7. . 10.1109/lra.2021.3057295
[140]

Sun T, Zhang Y, Power C, Alexander PM, Sutton JT, Aryal M, et al. Closed-loop control of targeted ultrasound drug delivery across the blood-brain/tumor barriers in a rat glioma model. Proc Natl Acad Sci USA 2017;114(48): E10281‒90. . 10.1073/pnas.1713328114
[141]

Wei T, Liu J, Li D, Chen S, Zhang Y, Li J, et al. Development of magnet-driven and image-guided degradable microrobots for the precise delivery of engineered stem cells for cancer therapy. Small 2020;16(41):1906908. . 10.1002/smll.201906908
[142]

Muiños-Landin S, Fischer A, Holubec V, Cichos F. Reinforcement learning with artificial microswimmers. Sci Robot 2021;6(52):eabd9285. . 10.1126/scirobotics.abd9285
[143]

Yang Y, Bevan MA, Li B. Micro/nano motor navigation and localization via deep reinforcement learning. Adv Theory Simul 2020;3(6):2000034. . 10.1002/adts.202000034
[144]

Yang Y, Bevan MA, LiB. Efficient navigation of colloidal robots in an unknown environment via deep reinforcement learning. Adv Intell Syst 2020;2(1):1900106. . 10.1002/aisy.201900106
[145]

Belharet K, Folio D, Ferreira A. Simulation and planning of a magnetically actuated microrobot navigating in the arteries. IEEE Trans Biomed Eng 2013;60(4):994‒1001. . 10.1109/tbme.2012.2236092
[146]

Meng K, Jia Y, Yang H, Niu F, Wang Y, Sun D. Motion planning and robust control for the endovascular navigation of a microrobot. IEEE Trans Ind Inform 2020;16(7):4557‒66. . 10.1109/tii.2019.2950052
[147]

Jiang J, Yang L, Zhang L. Closed-loop control of a helmholtz coil system for accurate actuation of magnetic microrobot swarms. IEEE Robot Autom Lett 2021;6(2):827‒34. . 10.1109/lra.2021.3052394
[148]

Arcese L, Fruchard M, Ferreira A. Adaptive controller and observer for a magnetic microrobot. IEEE Trans Robot 2013;29(4):1060‒7. . 10.1109/tro.2013.2257581
[149]

Ma W, Li J, Niu F, Ji H, Sun D. Robust control to manipulate a microparticle with electromagnetic coil system. IEEE Trans Ind Electron 2017;64(11):8566‒77. . 10.1109/tie.2017.2701759
[150]

Liu J, Wu X, Huang C, Manamanchaiyaporn L, Shang W, Yan X, et al. 3-D autonomous manipulation system of helical microswimmers with online compensation update. IEEE Trans Autom Sci Eng 2021;18(3):1380‒91. . 10.1109/tase.2020.3006131
[151]

YangZ, YangL, Zhang L. Autonomousnavigation of magneticmicrorobots in a large workspace using mobile-coil system. IEEE/ASME Trans Mechatron 2021;26(6):3163‒74. . 10.1109/tmech.2021.3054927
[152]

Xu T, Liu J, Huang C, Sun T, Wu X. Discrete-time optimal control of miniature helical swimmers in horizontal plane. IEEE Trans Autom Sci Eng 2022;19(3):2267‒77. . 10.1109/tase.2021.3079958
[153]

Zhang Z, Long F, Menq CH. Three-dimensional visual servo control of a magnetically propelled microscopic bead. IEEE Trans Robot 2013;29(2):373‒82. . 10.1109/tro.2012.2229671
[154]

Belharet K, Folio D, Ferreira A. Control of a magnetic microrobot navigating in microfluidic arterial bifurcations through pulsatile and viscous flow. In: Proceedings of the 2012 IEEE/RSJ International Conference on Intelligent Robots and Systems; 2012 Oct 7‒12; Vilamoura, Portugal. Piscataway: IEEE; 2012. p. 2559‒64. . 10.1109/iros.2012.6386030
[155]

Dabbagh SR, Sarabi MR, Birtek MT, Seyfi S, Sitti M, Tasoglu S. 3D-printed microrobots from design to translation. Nat Commun 2022;13(1):5875. . 10.1038/s41467-022-33409-3
[156]

Yuan K, Jurado-Sánchez B, Escarpa A. Dual-propelled lanbiotic based janus micromotors for selective inactivation of bacterial biofilms. Angew Chem Int Ed 2021;60(9):4915‒24. . 10.1002/anie.202011617
[157]

Pacheco M, Jurado-Sánchez B, Escarpa A. Sensitive monitoring of enterobacterial contamination of food using self-propelled janus microsensors. Anal Chem 2018;90(4):2912‒7. . 10.1021/acs.analchem.7b05209
[158]

Chizari S, Lim MP, Shaw LA, Austin SP, Hopkins JB. Automated optical tweezers assembly of engineered microgranular crystals. Small 2020;16(25):2000314. . 10.1002/smll.202000314
[159]

Zhang Y, Keum H, Kim S. Microassembly of MEMS actuators and sensors via micro-masonry. In: Proceedings of the 2013 IEEE 26th International Conference on Micro Electro Mechanical Systems (MEMS); 2013 Jan 20‒24; Taipei, China. Piscataway: IEEE; p. 283‒6. . 10.1109/memsys.2013.6474233
[160]

Das AN, Murthy R, Popa DO, Stephanou HE. A multiscale assembly and packaging system for manufacturing of complex micro-nano devices. IEEE Trans Autom Sci Eng 2012;9(1):160‒70. . 10.1109/tase.2011.2173570
[161]

Nieminen T, Tiwary N, Ross G, Paulasto-Kröckel M. Detection of in-plane movement in electrically actuated microelectromechanical systems using a scanning electron microscope. Micromachines 2023;14(3):698. . 10.3390/mi14030698
[162]

Mosberg AB, Ren D, Ahtapodov L, Weman H, Fimland BO, van Helvoort ATJ. Focused ion beam lithography for position-controlled nanowire growth. Nanotechnology 2023;34(33):335301. . 10.1088/1361-6528/acd2e1
[163]

Ricotti L, Trimmer B, Feinberg AW, Raman R, Parker KK, Bashir R, et al. Biohybrid actuators for robotics: a review of devices actuated by living cells. Sci Robot 2017;2(12):eaaq0495. . 10.1126/scirobotics.aaq0495
[164]

Aziz A, Pane S, Iacovacci V, Koukourakis N, Czarske J, Menciassi A, et al. Medical imaging of microrobots: toward in vivo applications. ACS Nano 2020;14(9):10865‒93. . 10.1021/acsnano.0c05530
[165]

Chen R, Folio D, Ferreira A. Analysis and comparison of electromagnetic microrobotic platforms for biomedical applications. Appl Sci 2022;12(1):456. . 10.3390/app12010456
[166]

Noh S, Jeon S, Kim E, Oh U, Park D, Park SH, et al. A biodegradable magnetic microrobot based on gelatin methacrylate for precise delivery of stem cells with mass production capability. Small 2022;18(25):2107888. . 10.1002/smll.202107888
[167]

Song X, Fu W, Cheang UK. Immunomodulation and delivery of macrophages using nano-smooth drug-loaded magnetic microrobots for dual targeting cancer therapy. iScience 2022;25(7):104507. . 10.1016/j.isci.2022.104507
[168]

Wu Z, Zhang Y, Ai N, Chen H, Ge W, Xu Q. Magnetic mobile microrobots for upstream and downstream navigation in biofluids with variable flow rate. Adv Intell Syst 2022;4(7):2100266. . 10.1002/aisy.202100266
[169]

Darmawan BA, Gong D, Park H, Jeong S, Go G, Kim S, et al. Magnetically controlled reversible shape-morphing microrobots with real-time X-ray imaging for stomach cancer applications. J Mater Chem B 2022;10(23):4509‒18. . 10.1039/d2tb00760f
[170]

Pacheco M, Mayorga-Martinez CC, Viktorova J, Ruml T, Escarpa A, Pumera M. Microrobotic carrier with enzymatically encoded drug release in the presence of pancreatic cancer cells via programmed self-destruction. Appl Mater Today 2022;27:101494. . 10.1016/j.apmt.2022.101494
[171]

Du Y, Lo E, Ali S, Khademhosseini A. Directed assembly of cell-laden microgels for fabrication of 3D tissue constructs. Proc Natl Acad Sci USA 2008;105(28):9522‒7. . 10.1073/pnas.0801866105
[172]

Tang S, Zhang F, Gong H, Wei F, Zhuang J, Karshalev E, et al. Enzyme-powered janus platelet cell robots for active and targeted drug delivery. Sci Robot 2020;5(43):eaba6137. . 10.1126/scirobotics.aba6137
[173]

Wang H, Shi Q, Yue T, Nakajima M, Takeuchi M, Huang Q, et al. Micro assembly of a vascular-like micro-channel with railed micro-robot team coordinated manipulation. Int J Adv Robot Syst 2014;11(7):115. . 10.5772/58820
[174]

Yue T, Nakajima M, Takeuchi M, Hu C, Huang Q, Fukuda T. On-chip self assembly of cell embedded microstructures to vascular-like microtubes. Lab Chip 2014;14(6):1151‒61. . 10.1039/c3lc51134k
[175]

Wang H, Huang Q, Shi Q, Yue T, Chen S, Nakajima M, et al. Automated assembly of vascular-like microtube with repetitive single-step contact manipulation. IEEE Trans Biomed Eng 2015;62(11):2620‒8. . 10.1109/tbme.2015.2437952
[176]

Liu X, Shi Q, Wang H, Sun T, Yu N, Huang Q, et al. Automated fluidic assembly of microvessel-like structures using a multimicromanipulator system. IEEE/ ASME Trans Mechatron 2018;23(2):667‒78. . 10.1109/tmech.2018.2796182
[177]

Cui J, Wang H, Zheng Z, Shi Q, Sun T, Huang Q, et al. Fabrication of perfusable 3D hepatic lobule-like constructs through assembly of multiple cell type laden hydrogel microstructures. Biofabrication 2018;11(1):015016. . 10.1088/1758-5090/aaf3c9
[178]

Sun T, Shi Q, Yao Y, Sun J, Wang H, Huang Q, et al. Engineered tissue micro rings fabricated from aggregated fibroblasts and microfibres for a bottom-up tissue engineering approach. Biofabrication 2019;11(3):035029. . 10.1088/1758-5090/ab1ee5
[179]

Takeuchi M, Iriguchi M, Hattori M, Kim E, Ichikawa A, Hasegawa Y, et al. Magnetic self-assembly of toroidal hepatic microstructures for micro-tissue fabrication. Biomed Mater 2020;15(5):055001. . 10.1088/1748-605x/ab8487
[180]

Akolpoglu MB, Alapan Y, Dogan NO, Baltaci SF, Yasa O, Aybar Tural G, et al. Magnetically steerable bacterial microrobots moving in 3D biological matrices for stimuli-responsive cargo delivery. Sci Adv 2022;8(28):eabo6163. . 10.1126/sciadv.abo6163
[181]

Wang Q, Du X, Jin D, Zhang L. Real-time ultrasound doppler tracking and autonomous navigation of a miniature helical robot for accelerating thrombolysis in dynamic blood flow. ACS Nano 2022;16(1):604‒16. . 10.1021/acsnano.1c07830
[182]

Song X, Sun R, Wang R, Zhou K, Xie R, Lin J, et al. Puffball-inspired microrobotic systems with robust payload, strong protection, and targeted locomotion for on-demand drug delivery. Adv Mater 2022;34(43): 2204791. . 10.1002/adma.202204791
[183]

Cong Z, Tang S, Xie L, Yang M, Li Y, Lu D, et al. Magnetic-powered janus cell robots loaded with oncolytic adenovirus for active and targeted virotherapy of bladder cancer. Adv Mater 2022;34(26):2201042. . 10.1002/adma.202201042
[184]

Yin T, Diao Z, Blum NT, Qiu L, Ma A, Huang P. Engineering bacteria and bionic bacterial derivatives with nanoparticles for cancer therapy. Small 2022;18(12):2104643. . 10.1002/smll.202104643
[185]

Wang B, Chan KF, Yuan K, Wang Q, Xia X, Yang L, et al. Endoscopy-assisted magnetic navigation of biohybrid soft microrobots with rapid endoluminal delivery and imaging. Sci Robot 2021;6(52):eabd2813. . 10.1126/scirobotics.abd2813
[186]

Wei X, Luan L, Zhao Z, Li X, Zhu H, Potnis O, et al. Nanofabricated ultraflexible electrode arrays for high-density intracortical recording. Adv Sci 2018;5(6):1700625. . 10.1002/advs.201700625
[187]

Zhao Z, Li X, He F, Wei X, Lin S, Xie C. Parallel, minimally-invasive implantation of ultra-flexible neural electrode arrays. J Neural Eng 2019;16(3):035001. . 10.1088/1741-2552/ab05b6
[188]

Musk E, Neuralink. An integrated brain-machine interface platform with thousands of channels. J Med Internet Res 2019;21(10):e16194. . 10.2196/16194
[189]

Qin F, Xu D, Zhang D, Pei W, Han X, Yu S. Automated hooking of biomedical microelectrode guided by intelligent microscopic vision. IEEE/ASME Trans Mechatron 2023;28(5):2786‒98. . 10.1109/tmech.2023.3248112
[190]

Su D, Um J, Moreno J, Nemati Z, Srinivasan K, Chen J, et al. GMR biosensing with magnetic nanowires as labels for the detection of osteosarcoma cells. Sens Actuators A 2023;350:114115. . 10.1016/j.sna.2022.114115
[191]

Huang C, Zhao J, Lu R, Wang J, Nugen SR, Chen Y, et al. A phage-based magnetic relaxation switching biosensor using bioorthogonal reaction signal amplification for salmonella detection in foods. Food Chem 2023;400:134035. . 10.1016/j.foodchem.2022.134035
[192]

Pal T, Aditya S, Mathai T, Mukherji S. Polyaniline coated plastic optic fiber biosensor for detection of aflatoxin B1 in nut, cereals, beverages, and body f luids. Sens Actuators B 2023;389:133897. . 10.1016/j.snb.2023.133897
[193]

Wen X, Chang X, Li A, Yang X, Tian F, Liu Z, et al. ZnO/Cu2O heterojunction integrated fiber-optic biosensor for remote detection of cysteine. Biosens Bioelectron 2023;223:115021. . 10.1016/j.bios.2022.115021
[194]

Gagliardi M, Agostini M, Lunardelli F, Lamanna L, Miranda A, Bazzichi A, et al. Surface acoustic wave-based lab-on-a-chip for the fast detection of legionella pneumophila in water. Sens Actuators B 2023;379:133299. . 10.1016/j.snb.2023.133299
[195]

Chen C, Ran B, Liu B, Liu X, Liu Y, Lan M, et al. Development of a novel microfluidic biosensing platform integrating micropillar array electrode and acoustic microstreaming techniques. Biosens Bioelectron 2023;223: 114703. . 10.1016/j.bios.2022.114703
[196]

Gao L, Wang J, Zhao Y, Li H, Liu M, Ding J, et al. Free-standing nanofilm electrode arrays for long-term stable neural interfacings. Adv Mater 2022;34(5):2107343. . 10.1002/adma.202107343
[197]

Riza MA, Go YI, Harun SW, Maier RRJ. FBG sensors for environmental and biochemical applications—a review. IEEE Sens J 2020;20(14):7614‒27. . 10.1109/jsen.2020.2982446
[198]

Farooq MU, Ko SY. A decade of MRI compatible robots: systematic review. IEEE Trans Robot 2022;39(2):862‒84. . 10.1109/tro.2022.3212626
[199]

Huang S, Lou C, Zhou Y, He Z, Jin X, Feng Y, et al. MRI-guided robot intervention—current state-of-the-art and new challenges. Med-X 2023;1:4. . 10.1007/s44258-023-00003-1
[200]

Yang GZ, Bellingham J, Dupont PE, Fischer P, Floridi L, Full R, et al. The grand challenges of science robotics. Sci Robot 2018;3(14):eaar7650. . 10.1126/scirobotics.aar7650
[201]

Guo Y, Chen W, Zhao J, Yang GZ. Medical robotics: opportunities in China. Annu Rev Control Robot Auton Syst 2022;5(1):361‒83. . 10.1146/annurev-control-061521-070251
[202]

Zhu L, Shao C, Chen H, Chen Z, Zhao Y. Hierarchical hydrogels with ordered micro-nano structures for cancer-on-a-chip construction. Research 2021;2021:9845679. . 10.34133/2021/9845679
AI Summary AI Mindmap
PDF (12422KB)

10788

访问

0

被引

详细
导航
相关文章

AI思维导图

/

〈 〉