人工微型游泳者的强化学习
软凝聚态物质
2022-02-14 v2 生物物理
摘要
生命系统的行为基于它们通过与环境的相互作用获得的经验 [1]。这种经验存储在细胞和生物体的复杂生化网络中，以提供感知情况与在该情况下应采取行动之间的关系 [2-4]。这种过程在人工系统中的实现已通过各种机器学习算法得以实现 [5, 6]。然而，对于诸如人工微型游泳者这样模拟生命系统基本功能之一——推进的微观系统 [7, 8]，迄今为止尚未实现这种自适应行为和学习过程。在这里，我们采用混合方法将机器学习算法引入人工微型游泳者的运动中。我们在真实世界环境中使用自热泳人工微型游泳者 [9, 10]，并通过实时显微系统对其进行控制，以引入强化学习 [11-13]。我们演示了强化学习的一个标准问题——网格世界导航的解决。由于微型游泳者的尺寸，布朗运动引入的噪声被发现对学习过程和已学习行为中的动作均有显著贡献。我们将学习过程扩展到多个游泳者及信息共享。我们的工作代表了将学习策略整合到微系统中的第一步，并为研究自适应和集体行为的涌现提供了一个平台。
引用
@article{arxiv.1803.06425,
title = {Reinforcement Learning of Artificial Microswimmers},
author = {Santiago Muiños-Landin and Keyan Ghazi-Zahedi and Frank Cichos},
journal= {arXiv preprint arXiv:1803.06425},
year = {2022}
}