簡單改變防止機器人群體陷入僵局

設想一群機器人正在緊急執行任務，比如清理油汙或組裝複雜機械。起初，增加機器人數量會加快速度，但一旦超過某個臨界點，空間變得擁擠，機器人相互干擾，整體效率反而下降。這引發了一個關鍵問題：在有限區域內，部署多少機器人效率最高？哈佛大學的研究人員認為他們已經找到了明確答案。

萊斯大學應用數學、有機體與進化生物學以及物理學教授L. Mahadevan的實驗室進行了一項新研究，表明在機器人的運動中加入可控的隨機性可以減少擁堵並提高在擁擠環境中的效能。這項工作結合了數學建模、計算機模擬和真實實驗，展示了基本的區域性運動規則如何在更大規模上產生有序而高效的結果。該發現可能影響機器人艦隊的設計，甚至適用於人群管理和交通流。研究發表在《美國國家科學院院刊》上，由應用數學博士生劉露西領導，並得到資深研究員Justin Werfel的指導。

研究密集人群的難點在於個體可能採取無數路徑並以不可預測的方式相互作用。為了簡化問題，研究人員將每個機器人視為一個基本單元，其運動帶有可調節的小幅變化。“這似乎違反直覺，因為隨機性如何使事情更容易處理？”劉露西說，“但在這種情況下，當隨機性很大時，我們可以取平均值——平均距離、平均時間、平均行為，這使得預測更容易。”

為了探索這一想法，團隊建立了機器人群體（稱為智慧體）的計算機模擬。每個智慧體從隨機位置出發並被分配隨機目的地，一旦到達目標立即獲得新任務，模擬現實世界中的連續任務分配。每個智慧體以可調的變化量（稱為“噪聲”）向目標移動。零噪聲時，智慧體直線運動；高噪聲時，路徑變得曲折低效，但這種遊走有助於它們繞過彼此。

模擬顯示出一個清晰模式：當智慧體完全直線運動時，它們很快形成密集叢集和交通堵塞，導致進展停滯；當運動過於隨機時，擁堵消失但效率因過度遊走而下降。在這兩個極端之間，研究人員確定了最佳區域：智慧體偶爾碰撞並形成短暫叢集，但仍能滑過彼此保持移動。這種平衡使系統維持穩定流動。

利用這些見解，團隊開發了公式來估計“目標達成率”——即隨時間到達目的地的數量。這些方程可以確定提高效能的最佳擁擠密度與運動隨機性組合。

為了驗證發現，劉露西與荷蘭埃因霍溫理工大學的物理學家Federico Toschi合作，在實驗室中設定了小型輪式機器人實驗，配備頂置攝像頭。每個機器人攜帶QR碼以便追蹤位置並更新目的地。儘管物理機器人比模擬智慧體移動更慢、精度更低，但它們表現出相同的整體模式。

實驗支援了一個關鍵思想：高度複雜的協調不需要高階智慧或集中控制，簡單的區域性規則即可在特定密度限制內產生有效的群體行為。“理解活性物質（無論是螞蟻群、動物群還是機器人群體）如何透過自組織原理在擁擠環境中執行任務，與行為生態學中的許多問題相關，”Mahadevan說，“我們的研究提出了可能比我們關注的例項更廣泛的策略。”

劉露西指出，她對設計更安全、高效的擁擠空間一直感興趣。這項研究指向一個未來，即大型群體（機器人、車輛或人）的運動可以透過數學工具進行預測和最佳化。結果表明，在運動模式中引入可控變異性可能改善從工廠車間到城市街道等許多現實系統的流動。