Впервые исследователи из Лейпцигского университета продемонстрировали, что крошечные синтетические микроплавательные аппараты способны воспринимать окружающую среду непосредственно через форму собственного тела и автономно адаптироваться к быстро меняющимся потокам жидкости. Исследование, опубликованное в журнале Science Advances, устанавливает новую парадигму для автономных микросистем, управление которыми надежно функционирует в сложных условиях, где обычные датчики выходят из строя. Это открывает новые перспективы для автономных медицинских микророботов, например, для целенаправленной доставки лекарств в кровоток.
Исследовательская группа под руководством профессора Франка Чихоса из группы молекулярной нанофотоники Института физики мягкой материи имени Питера Дебая при Лейпцигском университете использовала обучение с подкреплением — подход машинного обучения — для управления микроплавающими частицами, перемещающимися в сложных потоковых полях. Микроскопические частицы обучались успешным стратегиям навигации с помощью алгоритмов, даже несмотря на отсутствие прямой сенсорной информации о потоках, противодействующих их движению. Поскольку каждое движение частиц уже несло в себе сигнатуру окружающего потока, их собственные тела служили датчиками и, следовательно, основой данных для алгоритма.
Профессор Чихос подчеркивает: «Эта работа объединяет биологическое вдохновение и практическое применение. Подвижные микроорганизмы эволюционировали на протяжении миллионов лет, используя свою физическую структуру для навигации. Теперь мы показываем, что машинное обучение может обнаруживать аналогичные стратегии в синтетических системах в экспериментально осуществимые сроки».
Физика превращается в систему обучения и принятия решений для микроплавателей
Исследователи объединили частицы меламина, покрытые наночастицами золота — так называемые синтетические микроплавательные аппараты (радиусом около 1 микрометра) — с оптическим управлением в реальном времени и алгоритмами машинного обучения. Частицы приводятся в движение асимметричным лазерным излучением. В ходе обучения они учатся достигать целевых мест, несмотря на гидродинамические возмущения, вызванные потоками, создаваемыми лазером.
«Сами эксперименты были довольно сложными», — говорит доктор Диптабрата Пол, научный сотрудник Института Питера Дебая. «Нам нужно было добиться стабильного управления в реальном времени, одновременно обучая алгоритм — по сути, мы учили микроплавателей, как себя вести во время навигации. Частицы подвергаются воздействию потоков, в четыре раза превышающих их собственную скорость движения, и тем не менее они учатся успешно ориентироваться примерно за 50 тренировочных эпизодов».
Ключевая идея заключается в том, что исследователи называют « воплощенным интеллектом » — принципе, согласно которому физические структуры и взаимодействие с окружающей средой могут служить вычислительными ресурсами для алгоритмов. Вместо того чтобы полагаться на миниатюрные датчики и процессоры, динамика движения самих микроплавателей становится процессором информации.
«Это принципиально отличается от нашего обычного представления о проектировании роботов», — объясняет доктор Пол. «Вместо того чтобы пытаться зафиксировать все данные с помощью датчиков, а затем вычислять ответы, для получения необходимой информации используется физическое взаимодействие между телом и окружающей средой. Алгоритм обучения определяет, как считывать эту информацию и реагировать на нее».
Автономные микросистемы без датчиков: новая парадигма
Эта работа имеет важное значение для применений, в которых явное зондирование нецелесообразно или невозможно. «Рассмотрим целенаправленную доставку лекарств в организм человека», — предлагает доктор Нико Шерф из Института когнитивных и нейробиологических наук им. Макса Планка. «Традиционные подходы основаны на предварительно запрограммированных реакциях или внешнем управлении, но физиологические потоки сложны и непредсказуемы. Микророботы, обучающиеся на основе собственной динамики, потенциально могут автономно перемещаться внутри тела».
Исследование также открывает новые возможности для роевой робототехники : множество микророботов могут демонстрировать коллективный воплощенный интеллект.
«Мы находимся лишь в начале пути изучения того, что становится возможным, когда мы рассматриваем физическое воплощение как вычислительный ресурс», — заключает доктор Пол. «Эта работа экспериментально демонстрирует этот принцип. Следующая задача — перенести эти идеи на более сложные среды и задачи».
