就個體而言，螞蟻的力量和智力是有限的。然而，作為一個群體，它們可以使用復(fù)雜的策略來完成復(fù)雜的任務(wù)和躲避更大的捕食者。有時，螞蟻的這種“集體智慧”甚至令人拍案叫絕。
在EPFL，杰米·派克(Jamie Paik)教授的實驗室里的機器人研究人員們重現(xiàn)了這一大自然中的現(xiàn)象。
他們開發(fā)了一種微型機器人，這種機器人在個體層面上只顯示出最低的物理智能，但卻能夠進行溝通并集體行動。
盡管設(shè)計簡單，重量只有10克，但每個機器人都有多種運動模式，可以在任何類型的表面進行導(dǎo)航。
總的來說，他們可以快速地發(fā)現(xiàn)并克服障礙，移動比他們自身更大更重的物體。
相關(guān)研究發(fā)表在《自然》雜志上。
靈感來自螞蟻
這些三條腿的T型折紙機器人被稱為Tribots。通過折疊多種材料組成的薄片，它們只需幾分鐘就能組裝好，這讓其適合大規(guī)模生產(chǎn)。
完全自主、不受束縛的Tribots配備了紅外和近距離傳感器，用于探測和通信。根據(jù)具體應(yīng)用的不同，它們可以容納更多的傳感器。
“它們的動作模仿了大齒猛蟻的動作。這些昆蟲通常是爬行的，但為了躲避捕食者，它們合上有力的下顎，從一片葉子跳到另一片葉子，”第一作者Zhenishbek Zhakypov說。
Tribots通過一個優(yōu)雅的折紙設(shè)計，結(jié)合了多個形狀記憶合金執(zhí)行器，復(fù)制了這種彈射機制。
因此，一個機器人可以產(chǎn)生五種不同的運動步態(tài):垂直跳躍、水平跳躍、翻滾以清除障礙物、在有紋理的地形上行走以及在平坦的表面爬行——就像這些富有創(chuàng)造力的有彈性的螞蟻一樣。
機器人群體中具備不同“角色”
盡管有著相同的身體結(jié)構(gòu)，每個機器人都被分配了一個特定的角色，這取決于具體的情況。
“探索者”能探測到路上的物理障礙，比如物體、山谷和山脈。在發(fā)現(xiàn)一個障礙物后，他們通知小組的其他成員。
然后，“領(lǐng)導(dǎo)”給出指示。與此同時，“工人”集中力量移動物體。
“每一個Tribot，就像大齒猛蟻一樣，可以有不同的角色。然而，當(dāng)面對一個新的任務(wù)或未知的環(huán)境，甚至當(dāng)其他成員迷路時，他們也可以立即扮演新的角色。這超出了真正的螞蟻所能做的。”Paik說。
未來應(yīng)用
在實際情況下，例如緊急搜索任務(wù)，Tribots可以被大規(guī)模部署。
而且由于他們的重聯(lián)和多智能體通信能力，他們可以在不依賴GPS或視覺反饋的情況下，在一個大的表面上快速定位目標。
他說:“由于這些機器人可以大量制造和部署，因此即使有一些‘傷亡’，也不會影響這次任務(wù)的成功。”
“憑借其獨特的集體智能，我們的微型機器人能夠更好地適應(yīng)未知環(huán)境;因此，在某些任務(wù)上，它們將勝過更大、更強大的機器人。”
蟻群與人工智能
像蟻群、蜂群這樣成百上千的不同個體的獨立行為卻如同一個集體一樣做出行動的例子，叫做自組織行為。
它不僅出現(xiàn)在螞蟻、蜜蜂身上，很多如鳥群、羊群中也會出現(xiàn)類似的行為。上世紀80年代中期，一位用計算機動畫制作復(fù)雜行為的專家Craig Reynolds開始研究鳥群在空中飛翔和迂回前進的路線，他發(fā)現(xiàn)，群體中的個體并不是根據(jù)某些高層權(quán)威做出反應(yīng)，而是根據(jù)與鄰近個體的行為來采取行動。只需要在編程時遵循簡單的規(guī)則，就可以做出類似的自組織計算機模型。
蟻群算法、蜂群算法就是基于模仿這種群體行為而提出的一種優(yōu)化算法，是集群智能思想的一個具體應(yīng)用，它的主要特點是不需要了解問題的特殊信息，只需要對問題進行優(yōu)劣的比較，通過各人工蜂個體的局部尋優(yōu)行為，最終在群體中使全局最優(yōu)值突現(xiàn)出來，有著較快的收斂速度。
人工蜂群算法(Artificial Bee Colony Algorithm, 簡稱ABC算法)是一個由蜂群行為啟發(fā)的算法，在2005年由Karaboga小組為優(yōu)化代數(shù)問題而提出。
通過蜂群算法，還能對無人機的飛行航路進行最優(yōu)規(guī)劃，利用蜂群算法的優(yōu)勢，找到這個多維函數(shù)優(yōu)化問題的最優(yōu)解。
