一种群体机器人方法受到微生物中观察到的行为的启发

许多动物和微生物能够完成复杂的任务，例如寻找食物或建立巢穴，团队或“群体”。其中一个最明显的例子就是蜜蜂，因为它们作为一个群体的生存在很大程度上取决于与其殖民地其他成员的合作。在过去几年中，越来越多的研究人员试图在机器人中重现这些迷人的群体动力学，从而形成了一个称为群体机器人的研究领域。

利兹大学的研究人员最近提出了一种新的群体机器人方法，称为趋化性，受到微生物中观察到的特定行为的启发。他们的研究预先发表在arXiv上，源于作者对动态现实环境中简单无脊椎动物生存的兴趣，以及这些策略如何应用于机器人。

“在我的博士和第一次博士后研究期间，我研究了一种名为秀丽隐杆线虫(一种流行的模式生物)的小蠕虫的运动系统，并成功运用我学到的来控制蛇形机器人的运动，”开展这项研究的研究人员之一乔丹·博伊尔告诉TechXplore。“目前的工作受到同一生物体的启发，但这一次，正在考虑其更高层次的行为 - 特别是它利用其嗅觉导向食物来源的方式。”

在没有感觉输入的情况下，秀丽隐杆线虫通常向前移动，但是以随机的时间间隔进行大转弯。如果他们感觉到“正面”气味随着它们向特定方向移动而变得越来越强烈，它们的转动频率就会降低。相反，当“正面”或“期望”气味变弱时，它们的可能性更大。这种被称为趋化性的行为最终会让他们倾向于所需的感官刺激达到顶峰的位置。在他们的研究中，博伊尔，他的同事穆罕默德·多尔达和博士生西蒙·奥布特开始复制这个机器人群中的群策略并评估其有用性。

“这种策略的一个主要好处是它只需要一个模拟传感器，因为动物移动时会随着时间的推移检测到梯度，”Boyle解释道。“在我们的工作中，我们已经用声音取代了气味，因为它更容易用机器人创造和感知，并且随着你从源头进一步变得更弱，”Boyle解释道。“这种方法的主要优点是它允许一组群体机器人被限制在特定区域(即声源周围)，而不需要物理边界，映射能力或复杂的传感系统。”

该视频显示了机器人随机探索环境以收集感兴趣的项目的模拟。目标仅限于特定区域，但机器人不是。正如人们所预料的那样，他们设法收集了不少目标，但随着时间的推移，他们离开工作区而未能收集其余的目标。

研究人员使用他们开发的算法，将趋化性应用于一群探索机器人，最终促使他们返回到位于无限环境中的巢穴周围的特定工作区域。他们在一系列模拟和硬件验证实验中测试了它们的性能，从而测试了它们的方法的有效性。虽然他们的结果主要是基于模拟而不是现实世界的实现，但研究人员发现他们成功地整合了声音传播的精确模型。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！