智能机器人已经可以通过人工智能学习如何游泳

圣克拉拉大学、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会微型机器人如何游泳，这标志着微型机器人游泳能力的进步有了实质性的飞跃。

人们对开发类似于自然产生的游动微生物（如细菌）的人工微型游泳器产生了极大的兴趣。这种微型wimmers为未来的生物医学应用提供了广阔的前景，如靶向药物输送和显微外科手术。然而，到目前为止，大多数人造微缩机只能在固定的运动步态下进行相对简单的动作。

在发表在《通信物理学》上的研究人员的研究中，他们推断微型wimmers可以通过人工智能学习并适应不断变化的环境。就像人类学习游泳一样，需要强化学习和反馈才能在不断变化的条件下保持漂浮并向各个方向推进，微型机器人也必须如此，尽管他们在微观世界中受到物理学的独特挑战。

圣克拉拉大学机械工程副教授OnShun-Pak说：“能够独自在微观尺度上游泳是一项具有挑战性的任务。当你想让一个微型游泳运动员进行更复杂的动作时，他们的运动步态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名简单的微型游泳运动员向任意方向游泳和导航。当游泳者以某种方式移动时，它会收到关于特定动作有多好的反馈。然后，游泳者会根据与周围环境互动的经验逐步学习如何游泳。

香港大学机械工程系助理教授曾说：“与人类学习游泳类似，微型游泳器学习如何移动其‘身体部位’（在本例中是三个微粒和可扩展的连杆）以自我推进和转向。它不依赖人类知识，只依赖机器学习算法。”

人工智能驱动的游泳者能够自适应地在不同的运动步态之间切换，以自己导航到任何目标位置。

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流动引起的扰动下的稳健性能。

新泽西理工学院数学科学教授袁南扬说：“这是我们应对挑战的第一步，我们要开发出能够像生物细胞一样在复杂环境中自主适应的微型wimmer。”

这种适应性行为对于人工微wimmer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。