Os micro nadadores biológicos ou sintéticos atraem a atenção de diversos pesquisadores ao redor do mundo devido ao seu potencial nas áreas médica e industrial. Eles possuem os benefícios de acessar locais pequenos e interagir com os elementos neste ambiente particular. Entretanto, cada geometria específica requer o aprendizado de estratégias para diversas tarefas, em particular a rotação do corpo, transladar o mais rápido possível, movimento com a menor dissipação viscosa e a orientação do corpo. O propósito desta dissertação é analisar in silico esses aprendizados, simulando um micro nadador articulado e seu entorno líquido com modelos geometricamente realistas de elementos finitos. Para o aprendizado da tarefa de rotação do corpo, será utilizado alguns métodos de aprendizado por reforço, que é uma área do aprendizado de máquinas, e comparado as estratégias aprendidas entre eles. Para o aprendizado da tarefa de translação será proposto um algoritmo de aprendizado, visto que os algoritmos de aprendizado por reforço não conseguem aprender estratégias eficientes. Para o aprendizado da tarefa de menor dissipação viscosa será utilizado um algoritmo de aprendizado por reforço. E por fim, para tarefa de orientação do corpo, será utilizado um algoritmo de aprendizado por reforço e será proposto um algoritmo de aprendizado multinível. Os resultados obtidos nesta dissertação irão ilustrar estatisticamente o comportamento do micro nadador em cada uma das tarefas propostas.

Biological or synthetic micro swimmers attract the attention of many researchers around the world due to their potential in the medical and industrial areas. They have the benefits of accessing small locations and interacting with the elements in this particular environment. However, each specific geometry requires learning strategies for different tasks, in particular body rotation, translating as quickly as possible, movement with the least viscous dissipation and body orientation. The purpose of this dissertation is to analyze these learnings in silico, simulating an articulated micro swimmer and its liquid surroundings with geometrically realistic finite element models. To learn the body rotation task, some reinforcement learning methods will be used, which is an area of machine learning, and the strategies learned between them will be compared. A learning algorithm will be proposed to learn the translation task, since reinforcement learning algorithms cannot learn efficient strategies. To learn the task with lower viscous dissipation, a reinforcement learning algorithm will be used. And finally, for the body orientation task, a reinforcement learning algorithm will be used and a multilevel learning algorithm will be proposed. The results obtained in this dissertation will statistically illustrate the behavior of the micro swimmer in each of the proposed tasks.