通过深度强化学习利用涡旋实现高效集体游动
流体动力学
2022-06-08 v1 人工智能
计算物理
摘要
鱼群编队在同伴涡旋尾流中充满机械能的复杂流场中航行。它们的集群行为被认为具有包括集体节能在内的进化优势。鱼如何从其复杂流体环境中获取能量，以及集体游动期间支配能量提取的潜在物理机制，仍属未知。在此我们表明，鱼可以通过主动跟随并审慎拦截其他游动者尾流中的涡旋来提高其持续推进效率。该游动策略带来集体节能，并通过深度强化学习首次与高保真流动仿真结合得以揭示。我们发现“智能游动者”可调整其位置与身体形变以与来袭涡旋的动量同步，在不增加领头者代价的情况下提高其平均游动效率。结果表明鱼可能获取同伴产生的涡旋中储存的能量，并支持编队游动具有能量优势的猜想。此外，本研究证明深度强化学习可为复杂流场生成导航算法，对自主机器蜂群的节能具有广阔意义。
引用
@article{arxiv.1802.02674,
title = {Efficient collective swimming by harnessing vortices through deep reinforcement learning},
author = {Siddhartha Verma and Guido Novati and Petros Koumoutsakos},
journal= {arXiv preprint arXiv:1802.02674},
year = {2022}
}
备注
26 pages, 14 figures