观察机器人群的行为可以帮助工人安全地导航灾区

科罗拉多大学的科学家使用受生物启发的机器人群，这些机器人群被编程为可协同操作，就像一群蚂蚁或蜂群中的个体一样，可以协作地操作大型机器人，这表明，在当地观察到的机器人分布可能与机器人的位置有关。环境特征，例如办公室环境中的出口。该研究结果发表在IEEE / CAA自动化学报上。

根据美国科罗拉多州立大学的梅根·艾蒙斯(Megan Emmons)的说法，这是一项重要的研究，旨在确定使用局部观测群体分布的可行性(观察群体中各个机器人如何在某些区域聚集在一起)来推断全球环境特征(如建筑物)的可行性。退出。Emmons说：“一旦进一步发展了提议的方法，在现实世界中就有各种各样的潜在应用，但我们的工作重点是协助救援人员安全，稳固地导航灾区。”

群内的单个机器人被编程为具有简单的个体行为，缺乏交流能力，仅依靠随机运动来探索其周围环境。但是，当它们与环境以及群中的其他机器人进行交互时，更复杂的群行为开始出现-这种现象称为涌现群行为。

这种“群体”行为可能包括小组共识，任务分配和本地化等特征-确定机器人相对于其环境的位置的过程，使其能够做出有关未来动作的决策-所有这些都在环境中具有应用勘探。但是对于本研究，作者集中于机器人的局部分布，并展示了这些观察如何与正在探索的环境的环境特征相关联。反过来，这又可以帮助识别办公楼等环境中的障碍物或开口，以帮助被困的上班族从倒塌的建筑物中驶出。

当前，由于灾难性的通信，有限的感测以及机器人的高故障率，当在灾难情况下使用时，机器人探索提出了各种挑战。本基准可行性研究中使用的方法克服了这些局限性，并确认了缺少通信或传感器的，装备精简的机器人群体仍可以提供有关模拟灾难场景中环境特征的重要信息。只需局部观察机器人的密度即可预测环境特征。

Emmons说：“集群提供了强大的健壮性，”。“通过这项工作，我们证明了，即使在最坏的情况下，每10个机器人中就有9个丢失，通信量为零，并且这些机器人仅限于纯随机运动-一个环境仍然可以比随机分类准确性。”

Emmons说：“未来的工作将集中于将这项工作更严格地扩展到已知现有机器人解决方案会失败的领域。”