A haluszonyok és a rovarszárnyak a természet technikai csodái, környezetükben – vízben, levegőben – történő navigálásra alakította ki őket az evolúció. Az évek során tudósok és mérnökök gyakran fordultak ezekhez a biológiai modellekhez, ha tovább akartak fejleszteni általuk készített gépeket, például szárnyas repülőket vagy uszonyszerű kormányos csónakokat.

Felsőoktatási intézmények, mint például a Kaliforniai Technológiai Intézet (Caltech) hosszú ideje foglalkoznak biológiailag inspirált tervezéssel, a természetben látott mozgások gépi alkalmazásaival. Legutóbb azzal, hogy robotrendszerek miként képesek károkra reagálva adaptálni meghajtó mechanizmusokat. A halak és a rovarok ihlették meg a kutatókat, ahogy sérülésnél szabályozzák a mozgásukat.

Ezek az állatok csapkodó mozdulatokat használnak saját maguk meghajtásához. Alkalmazkodóképességük az uszonyok, illetve a szárnyak sérülésekor is figyelemre méltó. Egyes halak akár uszonyaik hetvenhat százalékos sérültsége esetén is úsznak tovább.

A rugalmasságot látva, a Caltech kutatóiban felmerült a kérdés: vajon egy robot csappantyúja képes-e hasonló alkalmazkodásra?

A labor egyik olajtartályában csapkodó robotot teszteltek. Az olajra a vízzel szembeni jobb jel-zajarány miatt esett a választás. Miután a csappantyú egy részét eltávolították, gépi tanulást alkalmaztak a mozgást támogató meghajtó mechanizmusok adoptálásához.

Segítség nélkül a sérült rész nem tudna mozogni. Biológiailag inspirált adaptációs technikák beépítésével viszont úgy programozták, hogy különféle lökésmechanizmusokkal kísérletezzen. Több tesztet végeztek rajta, hogy lássák a működő mechanizmusokat.

Gépitanulás-algoritmusokkal javított a mozgásmintáin, és még a csappantyú felének eltávolítása után is hatékonyan „meghajtotta” magát. Például tízféleképpen próbált úszni. Mérték az erőkifejtést, az útvonalakat, összehasonlították a hatékonyságukat. Az algoritmus kiválasztotta a legjobbakat, majd az előzőek által inspirált újabb útvonal-készlettel állt elő.

A kiértékelés, a módosítás és az új-alkotás ismétlődő ciklusaival a tanulási folyamattal eljutottak a leghatékonyabb módszerekig. Az eredmények rengeteg gyakorlati alkalmazásban hasznosíthatók.