基于深度强化学习的三连杆微泳者导航
机器人学
2025-06-03 v1 流体动力学
摘要
运动型微生物演化出有效的游动步态以适应复杂的生物环境。将这种适应能力转化为智能微型机器人的行为，在运动规划和划动设计中提出了重大挑战。在本研究中，我们探索使用强化学习（RL）在低雷诺数下的三连杆泳者模型中开发用于目标导航的划动模式。具体而言，我们设计了两种基于 RL 的策略：一种专注于最大化速度（Velocity-Focused Strategy），另一种平衡速度与能量消耗（Energy-Aware Strategy）。我们的结果展示了不同奖励函数的使用如何影响通过 RL 生成的划动模式，并将其与传统优化方法获得的结果进行了比较。此外，我们展示了基于 RL 的泳者在执行不同导航任务时调整其划动模式的能力，包括追踪复杂轨迹和追逐移动目标。总而言之，这项工作突显了强化学习作为一种多功能工具的潜力，可用于设计能够在复杂环境中执行复杂机动的高效且自适应的微泳者。
引用
@article{arxiv.2506.00084,
title = {Navigation of a Three-Link Microswimmer via Deep Reinforcement Learning},
author = {Yuyang Lai and Sina Heydari and On Shun Pak and Yi Man},
journal= {arXiv preprint arXiv:2506.00084},
year = {2025}
}