Minúsculos robôs nadadores alcançam seus alvos mais rápido graças aos toques de IA

moléculas

Ser golpeado por partículas de fluidos pode ser um problema para pequenos robôs nadadores

Shutterstock / Volodimir Zozulinskyi

O aprendizado de máquina pode ajudar minúsculos microrrobôs a nadar através de um fluido e alcançar seu objetivo sem serem desviados do alvo pelo movimento aleatório de partículas que encontram em sua jornada.

Os “nadadores” microrobóticos costumam ser projetados para imitar a maneira como as bactérias podem se propelir através de um fluido – mas as bactérias têm uma vantagem importante sobre os robôs.

“Uma bactéria de verdade pode sentir para onde ir e decidir que vai nessa direção porque quer comida”, diz Frank Cichos, da Universidade de Leipzig, Alemanha.

É difícil para os microrrobôs do tamanho de uma bactéria permanecerem no curso porque seu pequeno tamanho – alguns têm apenas 2 micrômetros de diâmetro – significa que são atingidos por partículas no fluido. Ao contrário das bactérias, eles não podem corrigir sua direção de viagem e, portanto, tendem a seguir um caminho aleatório descrito pelo movimento browniano.

Cichos e seus colegas decidiram dar a seus nadadores de microrrobôs um “cérebro”: um algoritmo de aprendizado de máquina que recompensa movimentos “bons” na direção de um alvo desejado.

“Decidimos que seria bom combinar [the swimming microrobots] com o aprendizado de máquina, que é um pouco parecido com o que fazemos na vida ”, diz Cichos. “Experimentamos nosso ambiente e, dependendo do sucesso do que fazemos, guardamos isso na memória ou não.”

Seu microrrobô é uma bolha de resina melamínica, com nanopartículas de ouro cobrindo 30% de sua superfície. Direcionar um feixe de laser estreito em um ponto da superfície do microrrobô aquece as nanopartículas de ouro ali, e a diferença de temperatura conduz o microrrobô através do fluido.

O algoritmo de aprendizado de máquina – o “cérebro” do microrrobô – opera em um computador próximo. Ele rastreia o movimento do robô e instrui o laser a disparar em um ponto preciso de sua superfície para movê-lo mais perto de seu objetivo.

Se esta instrução mover o microrrobô para mais perto de seu alvo, o algoritmo será recompensado; se a instrução mover o microrrobô para longe do alvo, o algoritmo receberá uma penalidade. Com o tempo, o algoritmo aprende com essas recompensas e penalidades quais instruções são melhores para levar o microrrobô ao seu alvo de forma rápida e eficiente.

Após 7 horas de treinamento, o sistema conseguiu reduzir o número de instruções necessárias para o microrrobô atingir a meta de 600 para 100.

“O estudo do movimento de organismos vivos microscópicos é importante em uma variedade de ciências biológicas e biomédicas”, disse Jonathan Aitken, da Universidade de Sheffield, no Reino Unido. “O movimento desses organismos microscópicos é difícil de imitar, mas esse mimetismo é importante para entender mais sobre suas propriedades e seus efeitos no meio ambiente.”

Embora o sistema de controle para os nadadores esteja localizado fora do microrrobô agora, Cichos espera introduzir a sinalização por energia química – semelhante ao nosso corpo – para que os microrrobôs possam “pensar” por si próprios no futuro.

Referência do jornal: Ciência Robótica, DOI: 10.1126 / scirobotics.abd9285

Mais sobre esses tópicos:

Leave a Reply

Your email address will not be published. Required fields are marked *