Video Experimental Relacionado
Updated: Sep 9, 2025

The Diffusion of Passive Tracers in Laminar Shear Flow
Published on: May 1, 2018
Aprender a navegar en campos químicos sin un mapa a bajos números de Reynolds
Yangzhe Liu1, On Shun Pak2, Alan C H Tsang1
1Department of Mechanical Engineering, The University of Hong Kong, Pokfulam Road, Hong Kong, China.
Los micro nadadores artificiales ahora pueden navegar por entornos desconocidos usando aprendizaje de refuerzo profundo. Este nuevo enfoque sin mapa imita las estrategias biológicas para la búsqueda efectiva de objetivos y se adapta a las condiciones cambiantes.
Área de la Ciencia:
- La robótica
- Inteligencia artificial
- Biomimética
Sus antecedentes:
- La navegación efectiva para los micro nadadores, tanto biológicos como artificiales, es crucial para la localización del objetivo utilizando señales ambientales limitadas.
- Los micro nadadores biológicos exhiben estrategias de navegación sin mapas sofisticadas, una capacidad que sigue siendo difícil de replicar en sistemas artificiales.
- Los micro nadadores artificiales actuales a menudo dependen de mapas preexistentes, lo que limita su capacidad de adaptación en entornos desconocidos o dinámicos.
Objetivo del estudio:
- Desarrollar un sistema de navegación autónomo para micro nadadores artificiales capaces de buscar objetivos en entornos desconocidos sin mapas preexistentes.
- Permitir que los micro nadadores artificiales respondan a las señales ambientales locales para una navegación efectiva, similar a las contrapartes biológicas.
Principales métodos:
- Se utilizó el aprendizaje de refuerzo profundo para entrenar a un micro nadador artificial reconfigurable para la navegación sin mapas.
- El microswimmer fue entrenado para navegar hacia una fuente química al detectar y responder a señales químicas locales.
Principales resultados:
- El micro nadador artificial navegó con éxito hacia una fuente química al adaptar su estrategia de locomoción, exhibiendo un comportamiento de "correr y caer" similar a la quimiotaxis bacteriana.
- El microswimmer sin mapa demostró un rendimiento robusto en entornos con desviaciones significativas de sus condiciones de entrenamiento, incluidos campos químicos fluctuantes y variables en el tiempo.
- El sistema mostró capacidad para explorar paisajes químicos complejos con múltiples máximas de concentración, localizando eficientemente las áreas objetivo.
Conclusiones:
- El aprendizaje por refuerzo profundo proporciona un método viable para crear una navegación autónoma y sin mapas en micro nadadores artificiales.
- La estrategia desarrollada permite a los micro nadadores buscar objetivos de manera efectiva en entornos desconocidos y dinámicos, imitando la navegación biológica.
- Esta investigación allana el camino para los avanzados micro nadadores autónomos aplicables en diversos entornos impredecibles.
Más Videos Relacionados
10:28Experimental Measurement of Settling Velocity of Spherical Particles in Unconfined and Confined Surfactant-based Shear Thinning Viscoelastic Fluids
Published on: January 3, 2014
11:51Visually Based Characterization of the Incipient Particle Motion in Regular Substrates: From Laminar to Turbulent Conditions
Published on: February 22, 2018
Videos de Conceptos Relacionados
Dimensionless Groups in Fluid Mechanics
Poiseuille's Law and Reynolds Number
Reynolds Transport Theorem
Navier–Stokes Equations
Major Losses in Pipes
Fluid flow can be classified as laminar or turbulent, primarily based on the Reynolds number. This dimensionless number reflects the relative influence of inertial to...
Newtonian Fluid: Problem Solving
A velocity gradient forms within the fluid when a Newtonian fluid is placed between two parallel plates, with...