一種受微生物行為啟發的群體機器人方法

許多動物和微生物能夠作為一個團隊完成復雜的任務，比如尋找食物或建造巢穴，或者“蜂群”。這方面最明顯的例子之一是蜜蜂，因為它們作為一個群體的生存在很大程度上取決于與其殖民地其他成員的合作。在過去的幾年里，越來越多的研究人員試圖在機器人中復制這些迷人的群體動力學，從而產生了一個被稱為群體機器人的研究領域。

利茲大學的研究人員最近提出了一種新的群體機器人方法，稱為趨化，靈感來自于在微生物中觀察到的一種特殊行為。他們的研究，預先發表在ar xiv上，源于作者對簡單無脊椎動物在動態現實世界環境中生存的興趣，以及這些策略如何應用于機器人..

“在我的博士期間。研究人員之一的喬丹·博伊爾告訴TechXplore說：“我研究了一種叫做C.elegans（一種流行的模型有機體）的小型蠕蟲的運動系統，并成功地運用我所學到的知識來控制類似蛇的機器人的運動。“目前的工作是受同一個有機體的啟發，但這一次，看看它的更高層次的行為-特別是它利用嗅覺向食物來源導航的方式。”

在沒有感覺輸入的情況下，線蟲通常向前移動，但在隨機時間間隔內進行大轉彎。如果他們感覺到一種“積極的”氣味隨著他們向某一特定方向移動而變得越來越強烈，那么他們轉向的頻率就會降低。相反，當“積極”或“想要”的氣味變弱時，它們轉向的可能性更大。這種行為，被稱為趨化性，最終允許它們被吸引到期望的感覺刺激處于峰值的位置。在他們的研究中，Boyle，他的同事Mehmet Dogar和Ph..學生西蒙·奧布特開始在機器人群體中復制這種群體策略，并評估其有用性。

這種策略的一個關鍵好處是它只需要一個模擬傳感器，因為隨著時間的推移，隨著動物的移動，梯度被檢測到。博伊爾解釋說：“在我們的工作中，我們已經用聲音取代了氣味，因為用機器人創造和感覺要容易得多，而且隨著你離源頭越來越遠，嗅覺也會變弱。”“這種方法的關鍵優勢在于它允許一群群體機器人被限制在特定的區域（即）。在聲源周圍），而不需要物理邊界、映射能力或復雜的感覺系統。

使用他們開發的算法，研究人員將趨化作用應用于一群探索機器人，最終促使他們返回位于無限環境中的鳥巢周圍的給定工作區域。他們在一系列的仿真和硬件驗證實驗中測試了他們的性能，從而測試了他們的方法的有效性。雖然他們的結果主要是基于模擬，而不是現實世界的實現，但研究人員發現，他們成功地納入了精確的聲音傳播模型。

博伊爾說：“我們的硬件結果是初步的，但在這一點上是有希望的。“最終，這項工作可能與由非常小、廉價、感官和計算能力有限的機器人組成的物理群有關。雖然實際的、現實世界的機器人群體部署還有一段路要走，但它們在許多應用中都有潛力。”

在未來，對真實機器人的實驗可以幫助確定這種新的生物啟發方法的有效性。如果這些測試產生積極的結果，Boyle和他的同事開發的算法最終可以用來增強機器人群的導航和定位策略，特別是當它們導航的環境沒有得到明確的映射或定義時。

現在，Obute正致力于將趨化性集成到更復雜的群體機器人系統中，在模擬以及一些硬件實驗中。他的最后一個博士該項目專門研究了使用成群機器人收集城市垃圾的可能性。另一方面，博伊爾計劃繼續探索可能被證明對機器人應用特別有用的生物學策略。

博伊爾說：“目前，我有興趣將類似的技術應用到我參與的一個重大項目中，該項目旨在開發用于監測下水道和配水管網完整性的機器人系統。