シンプルな変更でロボット群衆の停滞を解消

油の流出を掃除したり、複雑な機械を組み立てたりする緊急任務をこなすロボットの群れを想像してみてください。最初はロボットを増やすと作業が速くなりますが、ある時点を超えると空間が混雑し、ロボット同士が干渉し合い、全体の進捗が遅くなります。これにより、限られたエリアにロボットを何台投入すれば効率が低下し始めるのか、という単純だが重要な疑問が生じます。ハーバード大学の研究者たちは、明確な答えを見つけたと考えています。

L. Mahadevan教授（応用数学、有機体・進化生物学、物理学）の研究室による新たな研究は、ロボットの動きに制御されたランダム性を加えることで、混雑環境での渋滞を減らし、性能を向上できることを示しています。この研究は数学的モデリング、コンピュータシミュレーション、実機実験を組み合わせ、基本的な局所移動ルールが大規模かつ秩序ある効率的な結果を生み出すことを実証しました。この発見はロボット群の設計に影響を与える可能性があり、人間の群衆管理や交通流にも応用できるかもしれません。論文は『米国科学アカデミー紀要』に掲載され、応用数学の博士課程学生であるLucy Liu氏が主導し、SEAS上級研究員のJustin Werfel氏が指導しました。

密集群衆の研究は難しいものです。なぜなら個々のロボットが無数の経路を取り、予測不能な相互作用をするからです。問題を単純化するため、研究者たちは各ロボットを基本単位と見なし、その動きに微調整可能なばらつきを導入しました。「これは直感に反するかもしれません。なぜならランダム性がどのように物事を扱いやすくするのか理解しにくいからです」とLiu氏は言います。「しかし、ランダム性が大きい場合、平均距離、平均時間、平均行動などの平均を取ることが可能になります。これにより予測がはるかに容易になります。」

このアイデアを探求するため、チームはエージェントと呼ばれるロボット群のコンピュータシミュレーションを作成しました。各エージェントはランダムな場所からスタートし、ランダムな目的地が割り当てられ、目標に到達するとすぐに新しい目的地が与えられ、現実世界の連続タスク割り当てを模倣しました。各エージェントは「ノイズ」と呼ばれる調整可能なばらつき量で目標に向かって移動しました。ノイズがゼロの場合、エージェントは直線的に移動し、ノイズが多いと経路は不規則で非効率になりましたが、このふらつきがお互いを回避するのに役立ちました。

シミュレーションでは明確なパターンが明らかになりました。エージェントが完全に直線的な経路を取ると、すぐに密集したクラスターや交通渋滞が発生し、進行が止まりました。動きがランダムになりすぎると、渋滞は解消されるものの、過度なふらつきによって効率が低下しました。これらの両極端の間に、研究者たちは最適な領域を特定しました。この範囲では、エージェントは時折衝突して短命なクラスターを形成しますが、それでもすり抜けて動き続けることができ、システムは安定した流れを維持しました。

これらの洞察を基に、チームは「目標達成率」（単位時間あたりに到着する目的地の数）を推定する数式を開発しました。これらの方程式により、パフォーマンスを最大化するための理想的な群衆密度と動きのランダム性の組み合わせを決定できます。

発見を確認するため、Liu氏はオランダのアイントホーフェン工科大学の物理学者Federico Toschi氏と協力し、天井カメラを備えた実験室で小型の車輪付きロボットを使った実験を行いました。各ロボットはQRコードを搭載し、位置を追跡されて新しい目的地を更新されました。物理ロボットはシミュレーションのエージェントよりも低速で精度も劣りましたが、同じ全体的なパターンを示しました。

実験は重要な考えを支持しました。高度に複雑な調整には高度な知能や集中制御は必要なく、単純な局所ルールで効果的な群れ行動が生み出せるということです（少なくとも特定の密度制限内で）。「アリの群れ、動物の群れ、ロボットのグループなど、能動的な物質がどのようにして自己組織化の原理を用いて混雑環境で機能しタスクを実行するかを理解することは、行動生態学の多くの問題に関連しています」とMahadevan氏は述べています。「私たちの研究は、焦点を当てた実装よりもはるかに広い可能性を持つ戦略を示唆しています。」

Liu氏は、より安全で効率的な混雑空間の設計に長年関心を持っていたと述べています。この研究は、ロボット、車両、人々など大規模グループの動きが数学的ツールを使って予測・最適化できる未来を示しています。結果は、工場のフロアから都市の通りまで、多くの現実システムにおいて運動パターンに制御された変動性を導入することで流れが改善される可能性を示唆しています。