医療分野における次世代技術として、自律型マイクロロボットが生体の血管系を自由に航行し、標的指向型の薬物送達や血栓溶解治療を実現する可能性が注目されています。しかし、現実的な環境下で制御ポリシーを訓練することは大きな課題として残されていました。これまでの強化学習（RL）を用いたマイクロロボット航行の研究は、理想化された幾何学的構造に限定されており、実際の生体内に存在する複雑な流体力学的流場、複雑に分岐した構造、密集した細胞障害物などが考慮されていませんでした。 今回の研究では、血管毛細血管ネットワークの物理的に基づいた詳細なシミュレーション環境を開発しました。このシミュレーションには、現実的な流体力学的流場、赤血球の明示的なダイナミクス、および解剖学的に導出された分岐幾何学が組み込まれています。この環境下で、深層強化学習エージェントをケモタキシス（化学物質濃度勾配に応答する動き）による航行へと訓練しました。研究チームは、ロボットのサイズと遊泳速度にわたる航行の物理的限界を体系的にマッピングし、ブラウン運動と流れが推進力を上回る「禁止領域」を明らかにしました。 成功したエージェントは、ロボットパラメータに関係なく、ラン・アンド・ロテート戦略やエネルギー効率的なサーチ・アンド・シット戦略を含む複数の普遍的戦略タイプを独立して発見しました。注目すべきことに、再訓練なしで、これらのエージェントは毛細血管流の標的的な遮断と遮断解除を実行し、流量を健康な基準レベルに復元することができました。これらの結果は、複雑な生物学的環境における自律型マイクロロボット介入戦略の開発において、強化学習が実行可能なフレームワークであることを確立しています。