对于微型游泳机器人来说，被流体颗粒打击可能是一个问题

机器学习可以帮助微型机器人游刃有余，并达到目标，而不会因在旅途中遇到的粒子的随机运动而被击中目标。微型机器人“游泳者”通常被设计成模仿细菌通过液体推动自身的方式，但是细菌比机器人具有一个关键优势。

德国莱比锡大学的弗兰克·西乔斯说：“

真正的细菌可以感觉到要去哪里，因为它想要食物，因此可以朝那个方向前进。”

细菌大小的微型机器人很难保持正常运行，因为它们的体积很小（有些只有2微米），这意味着它们被流体中的微粒所污染。与细菌不同，它们无法校正其行进方向，因此它们倾向于遵循布朗运动描述的随机路径。Cichos和他的同事决定给他们的微型机器人游泳者一个“大脑”：一种机器学习算法，该算法奖励在理想目标方向上的“良好”运动。

Cichos说：

“我们认为将[游泳微型机器人]与机器学习结合起来会很好，这有点像我们在生活中所做的。”“我们会体验我们的环境，并且取决于我们所做工作的成功与否，我们会将其保存在内存中。”

他们的微型机器人是三聚氰胺树脂的斑点，金纳米颗粒覆盖了其表面的30％。在微型机器人表面的一个点上照射一束狭窄的激光束会加热那里的金纳米颗粒，并且温度差会驱动微型机器人通过流体。

机器学习算法-微型机器人的“大脑”-在附近的计算机上运行。它跟踪机器人的运动，并指示激光在其表面上的精确位置发射，以使其靠近目标。

如果该指令将微型机器人移近其目标，则该算法将得到奖励。如果指令将微型机器人从目标移开，则算法会受到惩罚。随着时间的流逝，该算法将从这些奖励和惩罚中学习哪些指令最适合使微型机器人快速有效地到达其目标。

经过7个小时的培训，系统设法将微型机器人达到目标所需的指令数量从600减少到100。

英国谢菲尔德大学的乔纳森·艾特肯（Jonathan Aitken）说：

“研究微观活生物体的运动在各种生物学和生物医学科学中都很重要。”“这些微观生物的运动很难模拟，但是这种模仿对于进一步了解其特性以及它们在环境中的作用非常重要。”

尽管现在用于游泳者的控制系统位于微型机器人的外部，但Cichos希望引入化学动力信号（类似于我们的身体），以便微型机器人将来可以“思考”自己。