在机器人游泳者中通过无重置的等级强化学习进行化学导航

科学领域:

• 机器人技术 机器人技术 机器人技术
• 人工智能的人工智能
• 生物模拟技术是生物模拟的

背景情况:

• 微生物在粘性液体中表现出复杂的运动和出租车,激发了合成微机器人系统的灵感.
• 人工智能 (AI) 对于开发这些微型机器人的智能行为至关重要.
• 在复杂的现实场景中实现自主导航和适应能力仍然存在挑战.

研究的目的:

• 在多链路机器人模型中演示AI驱动的化学导航.
• 通过强化学习 (RL) 调查拓适应的游泳步态.
• 为了应对微机器人RL中部分可观测性和手动重置的挑战.

主要方法:

• 开发一个具有链条和环形拓的多链路机器人模型.
• 实施一个双层层次的等级强化学习 (RL) 框架.
• 使用局部标尺观测在部分可观测条件下进行的模拟.

主要成果:

• 较低水平的RL成功地获得了拓特定的游泳步态 (类似鞭毛状的波浪,阿米波形振荡).
• 更高层次的RL使化学导航能够在有冲突吸引力的场景中进行导航,目标追逐和旋流流向.
• 机器人展示了通过紧张的约束来导航的能力.
• 在部分可观测条件下实现了无重置RL,克服了关键限制.

结论:

• 层次的RL可以赋予微机器人智能,进化启发的导航能力.
• 开发的框架为面临部分可观测性和重置问题的真实世界微型机器人应用提供了解决方案.
• 这项工作推进了人工智能在创造自主,自适应性合成微型游泳器方面的潜力.