對于微型游泳機器人來說，被流體顆粒打擊可能是一個問題

機器學習可以幫助微型機器人游刃有余，并達到目標，而不會因在旅途中遇到的粒子的隨機運動而被擊中目標。微型機器人“游泳者”通常被設計成模仿細菌通過液體推動自身的方式，但是細菌比機器人具有一個關鍵優勢。

德國萊比錫大學的弗蘭克·西喬斯說：“

真正的細菌可以感覺到要去哪里，因為它想要食物，因此可以朝那個方向前進。”

細菌大小的微型機器人很難保持正常運行，因為它們的體積很小（有些只有2微米），這意味著它們被流體中的微粒所污染。與細菌不同，它們無法校正其行進方向，因此它們傾向于遵循布朗運動描述的隨機路徑。Cichos和他的同事決定給他們的微型機器人游泳者一個“大腦”：一種機器學習算法，該算法獎勵在理想目標方向上的“良好”運動。

Cichos說：

“我們認為將[游泳微型機器人]與機器學習結合起來會很好，這有點像我們在生活中所做的。”“我們會體驗我們的環境，并且取決于我們所做工作的成功與否，我們會將其保存在內存中。”

他們的微型機器人是三聚氰胺樹脂的斑點，金納米顆粒覆蓋了其表面的30％。在微型機器人表面的一個點上照射一束狹窄的激光束會加熱那里的金納米顆粒，并且溫度差會驅動微型機器人通過流體。

機器學習算法-微型機器人的“大腦”-在附近的計算機上運行。它跟蹤機器人的運動，并指示激光在其表面上的精確位置發射，以使其靠近目標。

如果該指令將微型機器人移近其目標，則該算法將得到獎勵。如果指令將微型機器人從目標移開，則算法會受到懲罰。隨著時間的流逝，該算法將從這些獎勵和懲罰中學習哪些指令最適合使微型機器人快速有效地到達其目標。

經過7個小時的培訓，系統設法將微型機器人達到目標所需的指令數量從600減少到100。

英國謝菲爾德大學的喬納森·艾特肯（Jonathan Aitken）說：

“研究微觀活生物體的運動在各種生物學和生物醫學科學中都很重要。”“這些微觀生物的運動很難模擬，但是這種模仿對于進一步了解其特性以及它們在環境中的作用非常重要。”

盡管現在用于游泳者的控制系統位于微型機器人的外部，但Cichos希望引入化學動力信號（類似于我們的身體），以便微型機器人將來可以“思考”自己。