Optimizing Metachronal Paddling with Reinforcement Learning at Low Reynolds Number
Alana A. Bailey, Robert D. Guy
超时划桨是一种游泳策略,其中生物体以恒定的相位滞后振荡一组相邻的四肢,通过其四肢传播元时波并将其向前推进。 这种肢体协调策略被游泳者在广泛的雷诺数中使用,这表明这种超时节律因其游泳表现的最优性而被选中。 在这项研究中,我们将强化学习应用于零雷诺数的游泳者,并研究学习算法是否选择这种元时节节奏,或者是否出现了其他协调模式。 我们设计游泳剂,具有细长的车身和一对笔直的,不灵活的桨,放置在身体上,用于各种固定的划桨间距。 基于划桨间距,游泳者可以学习质量不同的协调模式。 在紧密的间距下,出现了类似于通常观察到的生物节律的背向前向波形的笔触,但在宽间距下,选择了不同的肢体协调。 在所有由此产生的中风中,最快的中风取决于划桨的数量,然而,最有效的笔划是背对前方的波浪状笔划,而不管桨的数量如何。
Metachronal paddling is a swimming strategy in which an organism oscillates sets of adjacent limbs with a constant phase lag, propagating a metachronal wave through its limbs and propelling it forward. This limb coordination strategy is utilized by swimmers across a wide range of Reynolds numbers, which suggests that this metachronal rhythm was selected for its optimality of swimming performance. In this study, we apply reinforcement learning to a swimmer at zero Reynolds number and investigate ...