人们对开拓类似于自然产生的游动微生物（如细菌）的人工微型拍浮器产生了极大的兴趣。
这种微型wimmers为未来的生物医学运用供应了广阔的前景，如靶向药物运送和显微外科手术。
然而，到目前为止，大多数人造微缩机只能在固定的运动步态下进行相对大略的动作。

在揭橥在《通信物理学》上的研究职员的研究中，他们推断微型wimmers可以通过人工智能学习并适应不断变革的环境。
就像人类学习拍浮一样，须要强化学习和反馈才能在不断变革的条件下保持漂浮并向各个方向推进，微型机器人也必须如此，只管他们在微不雅观天下中受到物理学的独特寻衅。

圣克拉拉大学机器工程副教授OnShun-Pak说：“能够独清闲微不雅观尺度上拍浮是一项具有寻衅性的任务。
当你想让一个微型拍浮运动员进行更繁芜的动作时，他们的运动步态设计很快就会变得棘手。
”

通过将人工神经网络与强化学习相结合，该团队成功地教会了一名大略的微型拍浮运动员向任意方向拍浮和导航。
当拍浮者以某种办法移动时，它会收到关于特定动作有多好的反馈。
然后，拍浮者会根据与周围环境互动的履历逐步学习如何拍浮。

喷鼻香港大学机器工程系助理教授曾说：“与人类学习拍浮类似，微型拍浮器学习如何移动其‘身体部位’（在本例中是三个微粒和可扩展的连杆）以自我推进和转向。
它不依赖人类知识，只依赖机器学习算法。
”

人工智能驱动的拍浮者能够自适应地在不同的运动步态之间切换，以自己导航到任何目标位置。

为了证明拍浮者的强大能力，研究职员展示了它可以在没有明确编程的情形下沿着繁芜的路径提高。
他们还展示了拍浮者在外部流体流动引起的扰动下的稳健性能。

新泽西理工学院数学科学教授袁南扬说：“这是我们应对寻衅的第一步，我们要开拓出能够像生物细胞一样在繁芜环境中自主适应的微型wimmer。
”

这种适应性行为对付人工微wimmer在具有不可控和不可预测环境成分的繁芜介质中的未来生物医学运用至关主要。