这篇题为《Human-in-the-Loop Swarms: A Bionic Swarm Approach to Real-World Soil Mapping》的论文于2026年5月27日提交至arXiv，第一作者为Petras Swissler，共有六位作者参与，隶属机器人学（cs.RO）与多智能体系统（cs.MA）分类，全文共27页、含15幅图，已投稿至《Advanced Intelligent Systems》期刊。
论文所针对的问题十分明确：群体机器人与野外机器人研究长期受制于硬件部署的高昂成本与漫长开发周期，导致算法难以在真实环境中获得验证。许多在真实机器人上难以实现的任务，实际上并不影响对核心算法本身的评估。作者据此提出名为“Bionic Swarm”（仿生群体）的系统，其核心思路是把这些与算法评估无关的繁重任务从机器人转移到人类用户身上，从而大幅降低验证门槛。
在Bionic Swarm的架构中，人类用户充当了群体中的“代理机器人”。用户通过一款智能手机网页应用接收指令，该应用从蓝牙连接的传感器采集测量数据，并将数据中继至集中式服务器。服务器端运行群体算法，再把下一步的行动指令下发给人类用户，形成闭环。由此，一套原本需要多台实体机器人才能运行的群体系统，可以由携带传感器与手机的人员在户外实际执行。
为验证该平台的有效性，研究团队选择了一种以岩土工程为应用背景的搜索算法“Score-Biased-Search”（分数偏置搜索）作为实验对象。该算法为重建地图上的每个位置赋予一个“分数”，并据此让搜索模式偏向预期分数更高的区域。作者指出，该算法在重建地图时呈现出相对于搜索代理数量的超线性表现，即代理数量增加时，地图重建效率的提升超过线性比例。
论文的论证路径分两步：首先给出该算法的仿真结果，随后将算法部署到Bionic Swarm平台上，在真实户外环境中检验其功能。这一从仿真到实地的验证过程，正是传统群体机器人研究中最难跨越的环节，而作者通过人机协同的方式绕开了硬件瓶颈。
论文最终结论是：这种人在回路（human-in-the-loop）的方法显著降低了野外机器人与群体机器人研究的进入门槛。其意义不仅在于一次土壤测绘实验的成功，更在于为资源有限的研究者提供了一条低成本、可快速迭代的真实世界验证途径，同时也为群体算法的评估方法学提供了新的思路。