人工智能帮助微型机器人学习游泳和导航

来自圣克拉拉大学、新泽西理工学院和香港大学的一组研究人员成功地利用深度强化学习来教微型机器人如何游泳。这项新开发成果是微型游泳能力向前迈出的重要一步。

专家们一直致力于创造人造微型游泳器，其导航方式与自然存在的游泳微生物（例如细菌）类似。 这些微型游泳器未来可用于各种生物医学应用，例如靶向药物输送和显微外科手术。 即使注重开发，当今大多数人造微型游泳器也只能以固定的运动步态执行简单的动作。

这项新研究发表于 通讯物理.

用人工智能教授微型游泳者

在这项研究中，研究小组推断人工智能可以教会微型游泳者适应不断变化的条件。 与人类类似，微型游泳者需要强化学习和反馈来学习游泳，但他们面临着一系列独特的挑战。

On Shun Pak 是圣克拉拉大学机械工程副教授。

“能够在微观尺度上游泳本身就是一项具有挑战性的任务，”On Shun Pak 说。 “当你想让微型游泳者执行更复杂的动作时，他们的运动步态的设计很快就会变得棘手。”

结合人工神经网络和强化学习

该团队将人工神经网络 (ANN) 和强化学习相结合，成功地教会了一个简单的微型游泳者游泳并朝任意方向导航。微型游泳者会收到有关其特定动作的反馈，然后根据与环境互动的经验逐步学习如何游泳。

曾艾伦 (Alan Tsang) 是香港大学机械工程系助理教授。

“类似于人类学习如何游泳，微型游泳者学习如何移动其‘身体部位’——在本例中是三个微粒和可延伸的链接——以自我推进和转动，”曾说。 “它不依赖人类知识，而只依赖机器学习算法。”

人工智能驱动的游泳者可以自适应地在不同的运动步态之间切换，这使其能够自行导航到任何目标位置。

研究人员展示了微型游泳器的强大功能，使其无需明确编程即可遵循复杂的路径。

杨元南是新泽西理工学院数学科学教授。

“这是我们应对开发微型游泳器挑战的第一步，这种微型游泳器可以像生物细胞一样自主地适应复杂的环境，”杨元南说。

像这样的适应性行为为生物医学应用带来了巨大的希望。

阿诺德·马蒂森 (Arnold Mathijssen) 是宾夕法尼亚大学微型机器人和生物物理学专家。 他没有参与这项研究。

马蒂森说：“这项工作是如何利用人工智能的快速发展来解决流体动力学运动问题中尚未解决的挑战的一个关键例子。” “这项工作中机器学习和微型游泳器之间的集成将激发这两个高度活跃的研究领域之间的进一步联系。”