本研究利用强化学习算法（PPO和RPO）控制微型机器人群在水力影响下到达目标，展示了课程学习提升性能的能力。研究了智能微型游泳机器人的自主适应行为与最优策略学习，并提出了基于SwarMDP框架的逆向强化学习算法，有效生成本地奖励模型。

本文探讨了利用强化学习算法设计微型游泳机器人，研究其在复杂液体环境中的自主适应行为和最优策略。机器人通过模仿生物运动和深度学习，在有限信息下发现有效运动策略，并学习复杂行为。研究还分析了温度对策略有效性的影响及自我对抗训练的应用。