Pequeños robots nadadores alcanzan su objetivo más rápido gracias a los empujones de la IA

Por Chris Stokel-Walker

El aprendizaje automático podría ayudar a los pequeños microrobots a nadar en un fluido y lograr su objetivo sin ser derribados por el movimiento aleatorio de las partículas que encuentran en su viaje.

Los “nadadores” microrobóticos a menudo están diseñados para imitar la forma en que las bacterias pueden impulsarse a través del fluido, pero las bacterias tienen una ventaja clave sobre los robots.

Publicidad

"Una bacteria real puede sentir a dónde ir y decidir que va en esa dirección porque quiere comida", dice Frank Cichos de la Universidad de Leipzig, Alemania.

Es difícil para los microrobots del tamaño de una bacteria mantener el rumbo porque su pequeño tamaño, algunos de solo 2 micrones de diámetro, significa que están siendo sacudidos por partículas en el fluido. A diferencia de las bacterias, no pueden corregir su dirección de movimiento y, por lo tanto, tienden a seguir un camino aleatorio descrito por el movimiento browniano.

Cichos y sus colegas decidieron darles a sus nadadores microrobot un "cerebro": un algoritmo de aprendizaje automático que recompensa los movimientos "correctos" en la dirección de un objetivo deseado.

"Decidimos que sería bueno combinar (nadar microrobots) con el aprendizaje automático, que es algo así como lo que hacemos para ganarnos la vida", dice Cichos. "Experimentamos nuestro entorno y, dependiendo del éxito que tengamos, lo recordamos o no".

Su microrobot es una gota de resina de melamina, con nanopartículas de oro cubriendo el 30% de su superficie. Dirigir un rayo láser estrecho a un punto de la superficie del microrobot calienta las nanopartículas de oro allí, y la diferencia de temperatura empuja al microrobot a través del fluido.

El algoritmo de aprendizaje automático, el "cerebro" del microrobot, se ejecuta en una computadora cercana. Sigue el movimiento del robot y ordena al láser que dispare en un punto preciso de su superficie para acercarlo a su objetivo.

Si esta instrucción acerca al microrobot a su objetivo, el algoritmo es recompensado; si la instrucción aleja al microrobot del objetivo, el algoritmo recibe una penalización. Con el tiempo, el algoritmo aprende de estas recompensas y penalizaciones qué instrucciones son las mejores para llevar al microrobot a su objetivo de manera rápida y eficiente.

Después de 7 horas de entrenamiento, el sistema logró reducir la cantidad de instrucciones necesarias para que el microrobot alcanzara un objetivo de 600 a 100.

"El estudio del movimiento de organismos vivos microscópicos es importante en diversas ciencias biológicas y biomédicas", dice Jonathan Aitken de la Universidad de Sheffield, Reino Unido. "El movimiento de estos organismos microscópicos es difícil de imitar, pero este mimetismo es importante para comprender mejor sus propiedades y efectos en el medio ambiente".

Aunque el sistema de control para los nadadores ahora se encuentra fuera del microrobot, Cichos espera introducir señales con energía química, similar a nuestros cuerpos, para que los microrobots puedan « pensar '' por sí mismos al respecto.

Referencia de la revista: Robótica científica, DOI: 10.1126 / scirobotics.abd9285