觀察機器人群的行為可以幫助工人安全地導航災區

科羅拉多大學的科學家使用受生物啟發的機器人群，這些機器人群被編程為可協同操作，就像一群螞蟻或蜂群中的個體一樣，可以協作地操作大型機器人，這表明，在當地觀察到的機器人分布可能與機器人的位置有關。環境特征，例如辦公室環境中的出口。該研究結果發表在IEEE / CAA自動化學報上。

根據美國科羅拉多州立大學的梅根·艾蒙斯(Megan Emmons)的說法，這是一項重要的研究，旨在確定使用局部觀測群體分布的可行性(觀察群體中各個機器人如何在某些區域聚集在一起)來推斷全球環境特征(如建筑物)的可行性。退出。Emmons說：“一旦進一步發展了提議的方法，在現實世界中就有各種各樣的潛在應用，但我們的工作重點是協助救援人員安全，穩固地導航災區。”

群內的單個機器人被編程為具有簡單的個體行為，缺乏交流能力，僅依靠隨機運動來探索其周圍環境。但是，當它們與環境以及群中的其他機器人進行交互時，更復雜的群行為開始出現-這種現象稱為涌現群行為。

這種“群體”行為可能包括小組共識，任務分配和本地化等特征-確定機器人相對于其環境的位置的過程，使其能夠做出有關未來動作的決策-所有這些都在環境中具有應用勘探。但是對于本研究，作者集中于機器人的局部分布，并展示了這些觀察如何與正在探索的環境的環境特征相關聯。反過來，這又可以幫助識別辦公樓等環境中的障礙物或開口，以幫助被困的上班族從倒塌的建筑物中駛出。

當前，由于災難性的通信，有限的感測以及機器人的高故障率，當在災難情況下使用時，機器人探索提出了各種挑戰。本基準可行性研究中使用的方法克服了這些局限性，并確認了缺少通信或傳感器的，裝備精簡的機器人群體仍可以提供有關模擬災難場景中環境特征的重要信息。只需局部觀察機器人的密度即可預測環境特征。

Emmons說：“集群提供了強大的健壯性，”。“通過這項工作，我們證明了，即使在最壞的情況下，每10個機器人中就有9個丟失，通信量為零，并且這些機器人僅限于純隨機運動-一個環境仍然可以比隨機分類準確性。”

Emmons說：“未來的工作將集中于將這項工作更嚴格地擴展到已知現有機器人解決方案會失敗的領域。”