现代微型飞行器（MAVs）的设计大多受到大自然中飞行生物的启发，例如蜂鸟和飞虫，这带来了仿生微型飞行器的诞生。本综述介绍了仿生微型飞行器气动机理研究的历史和最新进展,并特别关注于那些使用仿生非定常气动机理的复合布局。简要回顾了几种成功的仿生微型飞行器和昆虫飞行中的非定常高升力机理。根据复合布局气动机理的最新发现，介绍了四种类型的复合布局，即固定/扑翼微型飞行器，拍动旋翼微型飞行器，多对扑翼微型飞行器和摆线旋翼微型飞行器。最后，提出了微型飞行器领域未来的发展方向。作者的回顾可以为未来仿生微型飞行器的气动机理研究和仿生微型飞行器的实际设计提供扎实的背景知识。

如今，最优运动规划正变得越来越重要，并且对于学术界开发的运动规划算法能否应用于实际应用至关重要。本文主要从决策变量和问题描述、约束条件和优化目标三个方面综述了最优运动规划算法的研究现状。本文挑选并回顾了一些相关的技术，并讨论了它们的有效性和局限性。本综述中提供的并排比较有助于深入了解所回顾的方法的优点和局限性，并有助于进行系统级设计选择。

自由表面流动，例如河流、湖泊和潮汐中的流动，在水利工程和环境监测中发挥着重要作用。然而，由于其复杂多变的特征，很难重建精确的演化过程。在这项研究中，作者提出了一个新的框架，通过同化图像序列重建由浅水方程建模的自由表面流动。特别地，采用集合卡尔曼滤波器框架来实现同化过程。所提策略的效率通过数值模拟进行了验证，其中不同情况下的精确流场可以通过有限的同化步骤获得。

作者提出了一种新的强化学习（RL）框架，其中智能体行为受传统控制理论的控制。这种集成方法称为时效性决策RL，它使RL能够应用于许多实际系统，这些系统的基本动力学在它们的控制理论公式中是已知的。促进这种集成的关键是对显示时间函数建模，将状态-动作对映射到底层控制器完成动作的时间。在他们的框架中，他们通过动作的价值(动作价值)和执行动作所需的时间(动作时间)来描述动作。动作价值来自于RL对于状态的策略。动作时间通过一个从底层控制器测量活动中学习的显式时间模型来估计。然后使用嵌入时间模型训练RL价值网络以预测动作时间。此方法通过一个Atari Pong的变体进行了测试，并被证明是收敛的。

推力产生是鱼类运动的一个重要方面，取决于各种形态和运动学参数。本文对机器鱼尾鳍运动的运动学进行了实验优化。机器鱼通过拍动和旋转运动来驱动尾鳍，并测量的水动力和扭矩。本文研究了三种不同形状(或倾斜角)和三种不同刚度共九种不同设计的尾鳍。优化是基于策略搜索(PS)算法，该算法用于最大限度地提高尾翼的推力产生效率。作者首先利用旋转幅度和相位延迟参数化鳍的展向旋转为正弦函数，并对其是否有利于提高推力产生效率进行了测试。结果表明，旋转对效率没有影响，因为效率在零幅度时达到最大值。接着，作者优化了没有鳍片旋转的拍动幅度和轨迹轮廓。结果表明，越小的拍动幅度可以获得越高的效率，线性拍动轨迹优于正弦拍动轨迹。柔性最高的鳍片在产生推力时效率更高，但产生的推力更小，而倾角30°的鳍片形状产生的效率最高。