简单改变防止机器人群体陷入僵局

设想一群机器人正在紧急执行任务，比如清理油污或组装复杂机械。起初，增加机器人数量会加快速度，但一旦超过某个临界点，空间变得拥挤，机器人相互干扰，整体效率反而下降。这引发了一个关键问题：在有限区域内，部署多少机器人效率最高？哈佛大学的研究人员认为他们已经找到了明确答案。

莱斯大学应用数学、有机体与进化生物学以及物理学教授L. Mahadevan的实验室进行了一项新研究，表明在机器人的运动中加入可控的随机性可以减少拥堵并提高在拥挤环境中的性能。这项工作结合了数学建模、计算机模拟和真实实验，展示了基本的局部运动规则如何在更大规模上产生有序而高效的结果。该发现可能影响机器人舰队的设计，甚至适用于人群管理和交通流。研究发表在《美国国家科学院院刊》上，由应用数学博士生刘露西领导，并得到资深研究员Justin Werfel的指导。

研究密集人群的难点在于个体可能采取无数路径并以不可预测的方式相互作用。为了简化问题，研究人员将每个机器人视为一个基本单元，其运动带有可调节的小幅变化。“这似乎违反直觉，因为随机性如何使事情更容易处理？”刘露西说，“但在这种情况下，当随机性很大时，我们可以取平均值——平均距离、平均时间、平均行为，这使得预测更容易。”

为了探索这一想法，团队创建了机器人群体（称为智能体）的计算机模拟。每个智能体从随机位置出发并被分配随机目的地，一旦到达目标立即获得新任务，模拟现实世界中的连续任务分配。每个智能体以可调的变化量（称为“噪声”）向目标移动。零噪声时，智能体直线运动；高噪声时，路径变得曲折低效，但这种游走有助于它们绕过彼此。

模拟显示出一个清晰模式：当智能体完全直线运动时，它们很快形成密集集群和交通堵塞，导致进展停滞；当运动过于随机时，拥堵消失但效率因过度游走而下降。在这两个极端之间，研究人员确定了最佳区域：智能体偶尔碰撞并形成短暂集群，但仍能滑过彼此保持移动。这种平衡使系统维持稳定流动。

利用这些见解，团队开发了公式来估计“目标达成率”——即随时间到达目的地的数量。这些方程可以确定提高性能的最佳拥挤密度与运动随机性组合。

为了验证发现，刘露西与荷兰埃因霍温理工大学的物理学家Federico Toschi合作，在实验室中设置了小型轮式机器人实验，配备顶置摄像头。每个机器人携带QR码以便追踪位置并更新目的地。尽管物理机器人比模拟智能体移动更慢、精度更低，但它们表现出相同的整体模式。

实验支持了一个关键思想：高度复杂的协调不需要高级智能或集中控制，简单的局部规则即可在特定密度限制内产生有效的群体行为。“理解活性物质（无论是蚂蚁群、动物群还是机器人群体）如何通过自组织原理在拥挤环境中执行任务，与行为生态学中的许多问题相关，”Mahadevan说，“我们的研究提出了可能比我们关注的实例更广泛的策略。”

刘露西指出，她对设计更安全、高效的拥挤空间一直感兴趣。这项研究指向一个未来，即大型群体（机器人、车辆或人）的运动可以通过数学工具进行预测和优化。结果表明，在运动模式中引入可控变异性可能改善从工厂车间到城市街道等许多现实系统的流动。