海洋集群机器人自主学习合作完成任务目标

      来自葡萄牙里斯本大学和里斯本大学研究所电讯研究所的科学团队正在研究让海洋集群式机器人（Aquatic swarm robotics）通过以自主学习的方式完成合作达成任务目标。研究团队已经通过演示展现了集群式机器人以“达尔文进化式”的学习方法，掌握任务目标，并学会以团队合作方法来完成目标。

       由于训练经验与知识丰富的海员的花费（时间上和金钱上）非常高昂，应用自主学习方案的集群机器人可以在未来极端环境的航海任务中取代人类完成各种任务，减少人员损失的风险。这项研究由Anders Christensen博士带领开展，团队演示了让十个水面机器人完成多样任务。研究中所用的每个机器人成本都相当低廉，采用CNC切割的泡沫塑料与3D打印组件制成，材料成本仅为330美元。装配的电子配件包括GPS模块，罗盘，Wi-Fi部件以及一台Raspberry Pi2单片式电脑。每台机器人用于计算处理的配置都不高，重点在于利用分散式编程方法的集群式计算。            Christensen博士称“集群式机器人学意味着一种模式上的改变：我们利用小型化，简单，成本低的多数机器人模式取代依赖少数大型复杂成本高的机器人模式。从集中控制方式转换为分散大规模方式 的控制，每台机器人必须自己计算出如何完成自己部分的任务，并且与相邻的单位合作。”

       研究团队称集群式控制方法有达尔文式的进化特点，所有机器人通过神经网络式算法共同组成一个思考单位，每台机器人都仅仅被下达一个相对简单的指令集，这些指令集仅包括如何与其它单位合作、处理相互之间的关系的简单命令，同时也含有任务目标。团队首先测试多种类型的机器人在一个模拟环境中尝试彼此之间的互动，显示出最适合任务目的表现的机器人会被保留，随后团队挑选出“最佳”的机器人进入实地测试。在试验中，机器人并不会有“关怀”这种情绪化的行为出现，但的确表现出了与最邻近单位互动并寻找最佳方式与行为（包括区域监测，航点导航，聚集，分散等）以完成任务目标。总而言之通过自主学习和集群式计算，它们表现学会了团队合作，并能够最有效地完成任务目标。