智能微型机器人“自我”学习游泳和导航，未来可自行输送药物

来自圣克拉拉大学、新泽西理工学院和香港大学的研究人员成功地通过深度强化学习教会微型机器人游泳，标志着微型游泳能力的进步取得了重大飞跃。

人们对开发人造微游泳者产生了极大的兴趣，这种微游泳者可以像自然发生的游动微生物(如细菌)一样畅游世界。这种微型游泳器为未来大量的生物医学应用提供了希望，如靶向药物输送和显微手术。然而，到目前为止，大多数人工微游泳者只能用固定的运动步态进行相对简单的动作。

在研究人员发表在《通信物理学》上的研究中，他们推断微游泳者可以通过人工智能学习——并适应不断变化的环境。就像人类学习游泳需要强化学习和反馈来保持漂浮并在不断变化的条件下向不同方向推进一样，微型游泳者也必须如此，尽管他们在微观世界中面临着独特的物理挑战。

圣克拉拉大学机械工程副教授On Shun Pak说:“在微小的尺度上游泳是一项具有挑战性的任务。当你想让微游泳运动员进行更复杂的动作时，他们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游泳者游泳并向任意方向导航。当游泳者以特定的方式移动时，它会收到关于特定动作好坏的反馈。然后，游泳者根据自己与周围环境相互作用的经验逐渐学会如何游泳。

就像人类学会游泳一样，微游泳者学会移动它的“身体部位”以自我推进和转弯。在这个例子中是三个微粒和可扩展的链接，它不依赖人类知识，而只依赖机器学习算法。

为了证明游泳者的强大能力，研究人员展示了它可以在没有明确编程的情况下沿着复杂的路径前进。他们还展示了游泳者在外部流体扰动下航行的稳健表现。

新泽西理工学院数学科学教授杨元南说:“这是我们解决开发微型游泳动物的挑战的第一步，它们可以像生物细胞一样自主适应复杂的环境。”

这种适应行为对于人工微生物在具有不可控和不可预测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，说明了如何利用人工智能的快速发展来解决流体动力学中运动问题中尚未解决的挑战。在这项工作中，机器学习和微游泳者之间的结合将激发这两个高度活跃的研究领域之间的进一步联系。