در عصر کنونی انواع مختلفی از روبات‌ها در زمینه‌های متعدد از کارخانه‌های خودروسازی گرفته تا نرم روبات‌های کمکی استفاده می‌شوند. برای استفاده بهینه از روبات باید بتوان به شیوه‌ای موثر آن را کنترل کرد به همین دلیل کنترل عملیات‌ها و حرکات روبات اهمیت زیادی دارد.

در این میان نرم روبات‌ها و محرک‌ها چند مزیت بر روبات‌های سخت دارند، از جمله آنکه برق کمتری مصرف می‌کنند، سبک تر هستند و در برخورد با بافت زنده نرم‌تر عمل می‌کنند. علاوه بر این موارد هزینه‌های تولید ارزان و حرکات سریع نیز اهمیت زیادی دارد.

با این وجود کنترل نرم روبات‌ها چالش برانگیزتر است. در همین راستا مسلم محمدی از دانشگاه دیکن استرالیا، مهدی بداغی از دانشگاه ناتینگهام ترنت انگلیس به همراه گروهی دیگر از پژوهشگران یک ساختار چاپ سه بعدی با الیاف‌های کربنی ابداع کرده‌اند تا سیگنال‌های محرکی که به نام «چاپ چهار بعدی» شناخته می‌شود را ارائه کنند. این ساختار با توجه به محیطی که در آن به کار می‌رود، سطوح خاصی از سختی (سفتی) را برای انطباق با شرایط جدید فراهم می‌کند.

در همین راستا یک دستگاه «کنترل غیرخطی» مبنی بر الگوریتم‌های یادگیری تقویتی (RL) نیز برای تنظیم سفتی مفاصل نرم روبات به کار می‌رود. این دستگاه کنترل براساس مدل‌های ریاضی Simulink ارائه می‌شود و در مرحله بعد در تنظیمات آزمایشی به کار می‌رود.

یادگیری تقویتی (RL) یک تکنیک یادگیری ماشینی (ML) است که نرم افزار را برای تصمیم گیری درباره دستیابی به بهینه‌ترین نتایج آموزش می‌دهد. این فرآیند یادگیری آزمون و خطا را تقلید می‌کند که انسان‌ها برای رسیدن به اهداف خود از آن استفاده می‌کنند. همچنین Simulink یک محیط برنامه نویسی گرافیکی مبتنی بر MATLAB برای مدل سازی، شبیه سازی و تجزیه و تحلیل سیستم‌های پویای چند دامنه‌ای است.

نتایج نشان می‌دهد که دستگاه کنترل مبتنی بر یادگیری تقویتی پتانسیل زیادی برای انطباق با شرایط مختلف پیش بینی نشده دارد. علاوه بر این، این دستگاه کنترل مصرف برق را در مقایسه با یک کنترل کننده خطی به میزان قابل توجهی کاهش می‌دهد.