水下机器人难“组团”，哈佛大学机器鱼登上Science子刊封面

2021-01-22 14:59

学术头条

关注

自然界中到处可见自组织的动物群体，大量智商简单的个体利用局部相互作用，足以产生令人印象深刻的全局行为，进而让整体协作的表现大于其各个部分的总和。

这种现象通常出现在昆虫群、鸟群和鱼群之中。其中，鱼群就有着非常突出的表现。

它们成千上万条相互结伴，在海洋中迁徙，在珊瑚礁中穿梭，一起高效协作寻找资源、食物，甚至会动态组成各种形态，调整游动速度，以捕获猎物或躲避掠食者，更神奇的是，这一切并不依靠某个鱼群领袖来指挥。

图｜海洋中的“鱼群风暴”应对鲨鱼袭击

鱼群的集体行为主要依靠“隐性协调”：即个体鱼类能基于对身边同伴的视觉观察做出决策，一些鱼类在低能见度条件下，还可以利用身体侧线感知“邻居”，这让鱼群成功地解决了水下通信的挑战，实现了族群的可扩展性和健壮性。

这种分散的、自主的组织和协调方式，长期以来吸引着科学家摸索，尤其是在机器人领域，数学家和工程师们试图破解从局部交互到全局行为的映射，以期让机器人的集体行为更加强大。

日前，来自哈佛大学的科学家们就从鱼群中汲取灵感，研发出了一批水下机器人，这种机器人可以像真正的鱼群一样同步运动，且不需要任何外部控制。同时，他们也首次利用水下机器人展示了具有隐性协调的复杂三维集体行为，该论文发表在《科学机器人》（Science Robotics）上，并被遴选为 2021 年 1 月份的月度封面。

水下机器人难“组团”

事实上，通过科研人员的编程工作，成群的、有组织的机器人运动，对人们来说并不陌生。

例如，在空中领域，大型无人机群已经可以表演复杂的排列演习，但需要依靠集中式基站或外部全局的位置信息，而不是本地和自组织的相互作用；在地面上，很多爬行或轮式机器人也能进行不同的组织排列和调度，但依赖于机器人之间交换 GPS 位置或通过信标来推断相对位置，最典型的应用可能是仓库中的搬运机器人；此外，能组团跳舞、表演节目的机器人也数不胜数。

与上述空、地机器人相比，水下机器人尚未实现类似的组织水平，其中一大障碍便是传统的地上通信方法（比如无线电）在水下的性能很差，而且位置定位方法（比如 GPS）几乎不可用。

此前，业内已有研究小组曾通过设计新的通信和定位方法来进行更复杂的水下协调，比如利用光学／声学调制解调器，搭建异构的机器人群体，这需要增设水面辅助机器人和浮动基站等，通过多模式通信和任务专门化来实现更复杂的操控，但这种解决方案大大增加了工程和控制的复杂性。

怎样才能用更低成本让机器人群像鱼群一样，具有无缝、连贯的协调性和高度的可操作性，并且独立于外界辅助技术呢？这就是组织水下机器人群体运动的研究难点。

“机器人经常要被部署在人类无法接近或危险的地区，在这些地区，人类甚至不可能进行干预。在这种情况下，拥有一个高度自治、自给自足的机器人群很有必要。通过使用隐式规则和三维视觉感知，我们能够创建一个在水下具有高度自治性和灵活性的系统，即使是在 GPS 和 Wi－Fi 等通信信号无法访问的情况下。” 该论文的作者之一弗洛里安·伯林格（Florian Berlinger）说道。

1 2 3 下一页>