Optimal active particle navigation meets machine learning

要約

昆虫、微生物、または未来のコロイド ロボットなどの「スマートな」活性剤が、複雑な環境にあるニオイ源、食物、がん細胞などのターゲットに最適に到達または発見するためにどのように操縦する必要があるかという問題は、最近大きな関心を集めています。
興味。
ここでは、このような最適なナビゲーションの問題に関する最近の開発の概要を、ミクロからマクロスケールまで提供し、私たちの前にあるいくつかの課題について議論することで展望を示します。
この記事では、最適なナビゲーションの問題に対する初歩的なアプローチを例示するだけでなく、機械学習ベースの方法を利用した作業に焦点を当てています。
このような学習ベースのアプローチは、たとえば、次のような問題に対しても、非常に効率的なナビゲーション戦略を明らかにすることができます。
混沌とした、高次元の、または未知の環境であり、従来の分析またはシミュレーション方法に基づいて解決することはほとんどありません。

要約(オリジナル)

The question of how ‘smart’ active agents, like insects, microorganisms, or future colloidal robots need to steer to optimally reach or discover a target, such as an odor source, food, or a cancer cell in a complex environment has recently attracted great interest. Here, we provide an overview of recent developments, regarding such optimal navigation problems, from the micro- to the macroscale, and give a perspective by discussing some of the challenges which are ahead of us. Besides exemplifying an elementary approach to optimal navigation problems, the article focuses on works utilizing machine learning-based methods. Such learning-based approaches can uncover highly efficient navigation strategies even for problems that involve e.g. chaotic, high-dimensional, or unknown environments and are hardly solvable based on conventional analytical or simulation methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google