基于深度强化学习的海胆精子细胞趋化运动
神经与进化计算
2022-09-16 v1 人工智能
机器学习
机器人学
生物物理
流体动力学
摘要
通过模仿生物微游动者，可以设计微机器人以在微观尺度上实现靶向递送货物和生物医学操控。然而，使微机器人能够在复杂环境中机动仍是一项巨大挑战。机器学习算法提供了一种工具，可提升合成微游动者的机动性和灵活性，因此有助于我们设计真正智能的微机器人。在本工作中，我们研究海胆精子细胞模型如何在趋化剂浓度场中自学习趋化运动。我们采用人工神经网络作为决策智能体，并通过深度强化学习(DRL)算法促使精子细胞发现高效的机动策略。我们的结果表明，仅利用有限的环境信息，DRL即可实现与现实非常相似的趋化行为。在大多数情况下，DRL算法发现了比人工设计策略更高效的策略。此外，如果人工神经网络也考虑了额外的流动信息，DRL甚至可以利用外部扰动来促进趋化运动。我们的结果为海胆精子细胞的趋化过程提供了见解，并为微机器人的智能机动提供了指导。
引用
@article{arxiv.2209.07407,
title = {Chemotaxis of sea urchin sperm cells through deep reinforcement learning},
author = {Chaojie Mo and Xin Bian},
journal= {arXiv preprint arXiv:2209.07407},
year = {2022}
}