AI ช่วยให้ Microrobots เรียนรู้ว่ายน้ำและนำทาง

ทีมนักวิจัยจาก Santa Clara University, New Jersey Institute of Technology และ University of Hong Kong ได้ใช้การเรียนรู้แบบเสริมกำลังลึกเพื่อสอน microrobots ว่ายน้ำได้สำเร็จ การพัฒนานี้เป็นก้าวสำคัญในการพัฒนาความสามารถในการว่ายน้ำขนาดเล็ก

ผู้เชี่ยวชาญได้เน้นการสร้าง microswimmers ที่สามารถนำทางได้เหมือนกับจุลินทรีย์ที่ว่ายน้ำตามธรรมชาติ เช่น แบคทีเรีย microswimmers เหล่านี้สามารถใช้ในการใช้งานทางชีวการแพทย์ในอนาคต เช่น การส่งยาและศัลยกรรมขนาดเล็ก แม้ว่าจะมีการพัฒนา แต่ microswimmers ส่วนใหญ่ในปัจจุบันสามารถทำได้เพียงการเคลื่อนไหวแบบง่ายๆ ด้วยการเดินแบบตายตัว

การศึกษาใหม่นี้ได้รับการตีพิมพ์ใน Communications Physics

การสอน Microswimmers ด้วย AI

ในที่สุด ทีมงานได้สรุปว่า AI สามารถสอน microswimmers ให้ปรับตัวเข้ากับสภาพแวดล้อมที่เปลี่ยนแปลง microswimmers ต้องการการเรียนรู้แบบเสริมกำลังและข้อเสนอแนะเพื่อเรียนรู้ว่ายน้ำ แต่มีคำท้าทายที่ไม่เหมือนใคร

On Shun Pak เป็นรองศาสตราจารย์สาขาวิศวกรรมเครื่องกลที่ Santa Clara University

“การว่ายน้ำที่ระดับจุลภาคโดยตัวมันเองเป็นงานที่ท้าทาย” On Shun Pak กล่าว “เมื่อคุณต้องการให้ microswimmer ทำการเคลื่อนไหวที่ซับซ้อน การออกแบบการเดินของมันสามารถกลายเป็นเรื่องที่ยากได้อย่างรวดเร็ว”

การรวม ANNs และการเรียนรู้แบบเสริมกำลัง

ทีมงานได้รวมการเรียนรู้แบบเสริมกำลังและเครือข่ายประสาทเทียม (ANNs) เพื่อสอน microswimmer ที่เรียบง่ายให้ว่ายน้ำและนำทางไปในทิศทางใดๆ ที่ต้องการ microswimmer ได้รับข้อเสนอแนะเกี่ยวกับการกระทำเฉพาะของมัน ซึ่งมันใช้เพื่อเรียนรู้ว่ายน้ำตามประสบการณ์ที่มันกับมีส่วนร่วมกับสภาพแวดล้อม

Alan Tsang เป็นรองศาสตราจารย์สาขาวิศวกรรมเครื่องกลที่ University of Hong Kong

“คล้ายกับการที่มนุษย์เรียนรู้ว่ายน้ำ microswimmer เรียนรู้วิธีการเคลื่อนไหว ‘ส่วนของร่างกาย’ — ในกรณีนี้คือสามจุลภาคและลิงก์ที่ขยายได้ — เพื่อขับเคลื่อนและเปลี่ยนโดยไม่ต้องอาศัยความรู้ของมนุษย์ แต่เพียงอาศัยอัลกอริทึมการเรียนรู้ของเครื่อง” Tsang กล่าว

นักว่ายน้ำ AI สามารถเปลี่ยนระหว่างการเดินต่างๆ ได้อย่างเหมาะสม ซึ่งช่วยให้มันสามารถนำทางไปในทิศทางใดๆ ได้ด้วยตนเอง

นักวิจัยได้แสดงพลังของ microswimmer โดยการทำให้มันสามารถตามเส้นทางที่ซับซ้อนได้โดยไม่ต้องเขียนโปรแกรมอย่างชัดเจน

Yuan-nan Young เป็นศาสตราจารย์สาขาวิทยาศาสตร์ทางคณิตศาสตร์ที่ New Jersey Institute of Technology

“这是我们的第一步ในการแก้ไขความท้าทายในการพัฒนามाइकโรสวิมเมอร์ที่สามารถปรับตัวเหมือนเซลล์ทางชีววิทยาในการนำทางสภาพแวดล้อมที่ซับซ้อนโดยอิสระ” Yuan-nan Young กล่าว

พฤติกรรมที่ปรับตัวได้เช่นนี้คือสิ่งที่มีหวังมากสำหรับการใช้งานทางชีวการแพทย์

Arnold Mathijssen เป็นผู้เชี่ยวชาญด้าน microrobots และชีวฟิสิกส์ที่ University of Pennsylvania เขาไม่ได้เกี่ยวข้องกับการวิจัย

“งานนี้เป็นตัวอย่างที่สำคัญของวิธีการที่การพัฒนาอัลกอริทึมการเรียนรู้ของเครื่องสามารถใช้เพื่อแก้ไขความท้าทายที่ไม่ได้รับการแก้ไขในการเคลื่อนไหวในของไหล” Mathijssen กล่าว “การเชื่อมต่อระหว่างการเรียนรู้ของเครื่องและ microswimmers ในงานนี้จะกระตุ้นให้เกิดการเชื่อมต่อระหว่างสาขาวิจัยที่มีพลังเหล่านี้”