ห้องปฏิบัติการแบบขับเคลื่อนอัตโนมัติ (Self-driving laboratories - SDLs) กำลังเข้ามามีบทบาทสำคัญในการค้นพบทางเคมีและวัสดุศาสตร์ แต่ที่ผ่านมาการจัดการกับสสารที่อ่อนตัวและเปลี่ยนรูปได้ เช่น หยดของเหลว ยังคงเป็นเรื่องยากสำหรับระบบหุ่นยนต์ทั่วไปเนื่องจากพลวัตของของเหลวมีความซับซ้อนและสังเกตได้ยาก
งานวิจัยนี้ได้นำเสนอแพลตฟอร์มหุ่นยนต์ที่ใช้บอร์ดปรับระดับสองแกนที่เคลือบด้วยฟิล์มซิลิโคนออยล์เพื่อขับเคลื่อนหยดของเหลว โดยมีกล้องด้านบนทำหน้าที่ให้ข้อมูลย้อนกลับแบบเรียลไทม์ หัวใจสำคัญคือการใช้ Model-Based Reinforcement Learning ที่ฝึกฝนกับเหตุการณ์จริงเพียง 50 ถึง 150 ครั้งเท่านั้น ซึ่งใช้เวลาน้อยกว่า 90 นาที โดยไม่ต้องพึ่งพาแบบจำลองทางคณิตศาสตร์หรือการจำลอง (Simulation) ล่วงหน้า
ผลการทดสอบแสดงให้เห็นว่าระบบสามารถเรียนรู้กลยุทธ์ในการสลัดหยดน้ำที่ติดอยู่บนพื้นผิวให้หลุดออกมาได้เอง (Oscillatory depinning) และสามารถนำไปใช้งานกับรูปทรงพื้นผิวที่ไม่เคยเห็นมาก่อนได้ทันที (Zero-shot transfer) ซึ่งถือเป็นก้าวสำคัญในการขยายขีดความสามารถของหุ่นยนต์จากการจัดการวัตถุแข็งไปสู่ระบบสสารอ่อนสำหรับห้องปฏิบัติการยุคใหม่
