机器人

在云和群体

某些动物的集体行为(蚂蚁,椋鸟,细菌...)激发了机器人。他们开发了小型简单机器人的云,其中共同获得了足够的特性来完成复杂的任务。

NicolasBredèche. Scient for Scients N°87
本文保留用于科学用户

突然变得毒性的细菌殖民地之间的共同点是在天空中运送食物和椋鸟云的一组蚂蚁?这三个动物场景涉及个人,即根据他们的直接街区,没有任何管弦乐队的人提供整体的单独决策。然而,这些动物表现出具有很大复杂性的集体行为。这些是自组织的示例,一个过程通过该过程,通过该过程,通过该过程,通过该过程使多个单独的决定导致组级别行为。另外,即使在已知各个决策机制时,总体结果难以预测。自20世纪90年代以来,我们正试图将这些原则转换为机器人。

通过机器人学的进步(制造成本的小型化,鲁棒性和降低)和思路(集体行为的研究),这使得这种生活转移成为可能。这个想法是想象的算法,其中数百甚至数千个具有相对有限的决策和通信能力的机器人可以执行集体任务。每个机器人都可以访问世界的有限知识,并具有与其邻居相同的程序。从群体的角度来看,我们正在谈论一个分布式控制算法,因为集体动作是由各个动作的组合产生的。它有多有趣?

没有全局沟通和同步可能似乎限制。但是,所有机器人的分布都可以增加群体的大小。此外,每个机器人都是自主的,也没有添加新的机器人,也不会有失败,或事故将对集合的操作产生重大影响。

这个分散的机器人学的主要原则是什么?例子是回应。最近,美国哈佛大学的Radhika Nagpal团队在美国建造了一个墙壁,由几个机器人启发 - 自由 - 社会昆虫的行为。每台机器人都可以抓住塑料块,然后根据存在的机器人数量来掌握它并根据其对情况的看法丢弃。这些机器人使用环境来协调它们的运动:在机器人条件周围的存在或不存在传输的块的沉积,依赖于任务完成的精确行为。

通过这种方式,一个机器人间接地影响他在他之后的同伴的行为。这种间接通信过程使用近乎环境中留下的痕迹被命名为耻辱。这些迹线可以是物理(给定的块)或化学品,例如当蚂蚁留下导向殖民地成员的信息素痕迹时。

在洛桑联邦理工学院(epfl.)瑞士,达里奥弗洛尔阿诺集团开发了足够轻的飞行无人机,以便人类可以在手中抛出它们,以在给定区域建立无线通信网络。每个无人机应该通过剩下即时邻居和较近目标目的地来定位自己。因此,无人机可以中继若干对话者之间的通信,而无需它们中的任何一个具有对通信网络拓扑的精确知识。

为了保持本集团的凝聚力,同时避免碰撞,每个机器人都遵循三种简单的规则:吸引力(我越来越遥远的邻居),排斥(我远离那些太关心的人)和对齐(我与我的邻居相同的方向)。这些规则导致正反馈环(吸引力和对准加强组内聚力)和阴性(排斥反对这种内聚力)。

耻辱和反馈循环在道德学中被广泛观察到,无论是细菌,社会昆虫,鱼类,鸟类,哺乳动物......这些现象,现在都很好地理解,用于机器人,还适用于其中一些,电影模拟人群,建筑和城市规划的运动,了解建筑物和公共场所的流动。

明确数十亿年

本质上观察到的集体行为的例子是数十亿年的演变的产物。如何缩短这次获得类似的结果?此外,Essaim中的机器人常常响应需要,以精确的任务形式实现,而自然演进并没有响应任何目的。通过分配的任务来衡量机器人群的性能:探索环境的有效性,装配或施工的质量,运输的性能。..

最简单的方法是直接编程典型机器人的行为,然后在群体的所有机器人上复制这个程序。今天的大多数机器人都可以轻松编程,这种方法似乎易于实施。但是,我们快速面临我们预测所产生的集体行为的能力的极限。

在20世纪90年代,首先在索里默科学院的研究人员跟随这条道路。 Maja Mataric,Jean-Louis Denubourg,Guy Theraulaz,Francesco Mondada ......首先编程了适度的劳动力群。然而,观察到的集体行为超出了个体能力的总和。最近,来自马萨诸塞州理工学院的詹姆斯麦克朗队在波士顿和罗奇卡·纳贡的球队遵循这种方法。这些团队已经编程了一组约1000个机器人,可以采用给定表格。

审判计划

来自机器人和计算机科学的研究人员采用了一种务实的观点,逐渐增加了机器人的简单行为并在每一步测试它们。该解决方案优选编程 ex nihilo 一种更加困难的一般行为。另一方面,Live Sciences的更多专家研究了本质上观察到的个性行为,然后用机器人重现它们。此外,目标往往是更好地了解生活,而不是将石头带到机器人上!

经过试验,从生活中汲取灵感,然而,从生活中汲取灵感,而且有其限制。面对要完成的任务,可以测量一群机器人的性能,而不知道所需的集体行为,甚至更少被编程的个人行为。要解决此问题,请探讨了自动搜索解决方案的优化方法:探讨了可能的单独行为,并探讨了适用于给定任务的分辨率的人。因此,在给定多个行为(被编程)和集体性能之间的扩张链接选择的优化过程(测量)?

在某些情况下,通过考虑高级看法和行动,可以减少研究空间。我们探讨了所有的可能性,以记住最好的。例如,机器人的股票数量可以限制(限制其引擎的份额)及其感知(限制传感器的数量)。

它是Radhika Nagpal团队的方法,用于通过一组机器人建造三维墙壁或结构。算法探讨了所有可能的行为,每个行为都在模拟中进行测试。当获得的结构是所需的结果时,保留行为。通过对世界的表示的离散化来简化不同行为的模拟:它被视为棋盘,其中每个机器人从盒子中移动,以便在这种情况下具有简单的动作和感知。这种“减少”不会阻止从实际机器人获得的行为令人印象深刻。但我们不能总是简化搜索空间,足以进行详尽的探索。

然后我们可以转向进化机器人解决这个优化问题:受到自然演进的启发,首先构建候选解决方案的群体,每个都代表一个给定的行为模型,我们用一群机器人测试。应该指出的是,这些不是发展的机器人,而是机器人的行为模型。通过集成在群体的所有机器人中描述的行为模型来评估候选解决方案,然后通过专家预先建立的标准观察该群的性能来计算该解决方案的性能。然后选择“最佳”候选解决方案,并用于构建要测试的新的解决方案群体。这一新人口的要素又将评估,选择,用于建立新的人口,依此类推.

最近的几个欧洲项目,如项目 群体机器人,应用进化的机器人来发展群体的行为。通常,机器人的个性行为由根据感官条目产生的人工神经元网络管理。这是这些神经元网络的结构,这些网络受到人工进化的过程。以这种方式,集体行为已经自动设计允许例如移动过重的对象,以用于单个机器人或坐标移动多个机器人以克服其他障碍物。

由于进化的机器人,可以探索大量解决方案。要支付的价格有时是一个可以重新提供的长期研究时间。但是,一些策略有助于指导对最有前途的解决方案的研究。未能获得最佳解决方案,快速识别出令人满意的解决方案。但是,环境必须充分识别,以便在考虑实验部署之前可以在实验室中进行许多测试。

在一个未知和开放的环境中,因此可能会意外地改变,我们必须设计“在线”的学习或行为优化算法,即,即使现实生活部署已经有效,也必须获得新行为。此外,缺乏全球通信需要不仅可以在所有机器人上分发行为,也需要进行学习算法。

进化机器人还通过在群体的所有元素上分布优化算法来提出解决方案。然后,我们谈到“强制执行”的进化,这是由英语建造的 体现的演变.

节奏的演变

在20世纪90年代末的理查德沃森和他的同事提出了这种方法。然后,她作为进化机器人的全部领域,包括通过欧洲项目 塞姆布利斯我们参加的,并涉及在开放环境中的集体和模块化机器人的行为和形态的演变。

增强型演化的示意图可以描述如下:每个机器人具有一组参数(其“基因组”),其确定其性能根据预先定义的标准自动评估其性能的行为。通过与他交叉的机器人交换他的基因组,每个机器人都可以通过突变或重组机器人传播的一个或多个基因组的突变或重组来替换他自己的基因组。他遇到了。因此,通过从先前评估的基因组作为最有前途的基因组建立新的基因组,每个机器人的行为的质量逐渐改善,并且通过群体的延伸,因为最有前途的基因组在群体中弥漫。

主要演变是简单的,因为每个机器人都有相同的程序。此外,人口越大,行为的搜索越多。群体的大小是一个优势。

这种方法既不比以前的方法也不多:它允许在部署前的优化是不可能的那里地解决了更多的打开问题,其中任何“非净”测试中固有的风险。在一个太危险的区域,它可以导致惨败。然而,这种方法允许部署真正自主机器人群,能够不断适应新的情况。

机器人和蟑螂

我们的例子表明为机器人生活的利益。当群体的机器人成为生活手段时,相反是真的。这种方法使得可以重现 原位,准确,行为和相互作用。像进化的机器人一样,群体的机器人被安置在更抽象的数学模型和经验之间 体外体内.

早在20世纪90年代初期,群中的机器人用于测试行为模型的准确性。最近的一个例子由相关的欧洲项目提供,其中斑马鱼的行为模型用于控制水下机器人,以便尽可能准确地再现本质上观察到的行为。

我们仍然可以进一步进一步,与Jean-Louis Denubourg的团队以及来自巴黎迪特罗大学的Leo Cazenille和JoséHalloy的团队。我们使用模仿蟑螂或鱼的行为的机器人。这些机器人通过观察结果开发的行为驾驶,并放置在所研究的物种的动物中间。本集团接受机器人是验证我们对物种行为的认识的第一步。此外,我们可以操纵本物种的动物来测试我们理解的极限,还可以获得更新我们的模型的新数据。

最后,Essaim中的机器人进化方法揭示了某些行为演变所需的条件。例如,合作行为的演变有哪些条件?理论生物学已经为这个问题带来了许多答案,但在群体和进化机器人中使用机器人铺平了行为维度的方式。实际上,个体彼此的细微互动和环境难以在抽象模型中代表,而他们自然存在于机器人。这是Dario Floreano和Laurent Keller的对象epfl.我们带领我们与亚瑟伯纳德和Jean-BaptisteAndré,蒙彼利埃一起领先的人。我们更新个人对合作狩猎演变的协调的主要作用。

我们已经看到,Essaum的机器人是一个领域,其发展回应了两个动机:复杂系统的工程,以及对生活的理解。这两个方面是截然不同的,但工程问题的分辨率可以从更好地了解生活中观察到的集体行为,反之亦然。它仍然是血清研究中的益处的一个例子。

订阅和ACC.édez à plus de 20 ans d'archives !

12号éros + 4 hors-série
在纸张版本+ numérique

+ ACC. ès illimité à plus de 20 ans d'archives

我是'abonne

订阅和ACC.édez à plus de 20 ans d'archives !

12号éros + 4 hors-série
在纸张版本+ numérique

+ ACC. ès illimité à plus de 20 ans d'archives

我是'abonne

我们的上一篇出版物

回到顶部