来自圣塔克拉拉大学，新泽西理工学院和香港大学的研究人员已经能够通过深度强化学习成功地教授微型机器人如何游泳，这标志着微游泳能力的进步迈出了一大步。
人们对开发人造微旋器有着极大的兴趣，这种微旋器可以像自然发生的游泳微生物（如细菌）一样在世界上导航。这种微饮器为未来的大量生物医学应用提供了希望，例如靶向药物递送和显微外科手术。然而，迄今为止，大多数人造微旋翼只能用固定的运动步态执行相对简单的动作。
人工智能驱动的游泳运动员在追踪复杂的轨迹“SWIM”时，自主地在不同模式的运动步态（颜色编码）之间切换。来自：Zou等人，“通过深度强化学习微湿器的步态切换和目标导航”，Commun。物理， 5， 158 （2022）
在发表在《通信物理学》（Communications Physics）杂志上的研究人员的研究中，他们推断微饮器可以通过人工智能学习并适应不断变化的条件。就像人类学习游泳需要强化学习和反馈，以便在不断变化的条件下保持漂浮并向各个方向推进一样，微旋器也必须如此，尽管它们在微观世界中受到物理学强加的一系列独特的挑战。
“能够独自在微观尺度上游泳是一项具有挑战性的任务，”圣克拉拉大学机械工程副教授On Shun Pak说。“当你想让微旋器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。
通过将人工神经网络与强化学习相结合，该团队成功地教会了一个简单的微旋器游泳并朝着任何任意方向导航。当游泳者以某种方式移动时，它会收到有关特定动作有多好的反馈。然后，游泳者根据其与周围环境互动的经验逐步学习如何游泳。
“类似于人类学习如何游泳，微旋器学习如何移动其'身体部位'-在这种情况下是三个微粒和可扩展的链接-以自我推动和转动，”香港大学机械工程助理教授Alan Tsang说。“它这样做时不依赖人类知识，而只依靠机器学习算法。
人工智能驱动的游泳运动员能够在不同的运动步态之间自适应地切换，以自行导航到任何目标位置。
为了证明游泳运动员的强大能力，研究人员表明它可以遵循复杂的路径而无需明确编程。他们还展示了游泳运动员在外部流体流动引起的扰动下导航的稳健表现。
“这是我们应对开发微饮机挑战的第一步，这些微丝机可以像生物细胞一样自主地适应复杂的环境，”新泽西理工学院数学科学教授Yuan-nan Young说。
这种适应性行为对于人工微丝机在具有不受控制和不可预测的环境因素的复杂介质中的未来生物医学应用至关重要。
“这项工作是一个关键的例子，说明人工智能的快速发展如何被用来应对流体动力学中运动问题中未解决的挑战，”宾夕法尼亚大学微型机器人和生物物理学专家Arnold Mathijssen说，他没有参与这项研究。“机器学习和微饮器在这项工作中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。
