（文章來源：教育新聞網(wǎng)）

研究人員提出了一群小型無人機，它們可以自己完全探索未知的環(huán)境。這項工作于10月23日發(fā)表在《科學(xué)機器人》雜志上，在群體機器人技術(shù)領(lǐng)域邁出了重要的一步。挑戰(zhàn)來自這樣一個事實，即33克的微型無人機需要自主導(dǎo)航，同時具有極為有限的傳感和計算能力。聯(lián)合研究團隊與TU Delft，利物浦大學(xué)和奈梅亨大學(xué)拉德布德大學(xué)的研究人員一起，通過從相對簡單的昆蟲導(dǎo)航中汲取了靈感，解決了這一挑戰(zhàn)。

昆蟲群激發(fā)了機器人學(xué)家的思考，認為小型機器人也可以通過在群體中進行操作來克服自身的局限性。大量廉價的小型機器人將能夠執(zhí)行大型大型機器人無法實現(xiàn)的任務(wù)。例如，一群小型飛行無人機將比單個大型無人機能夠更快地探索災(zāi)難現(xiàn)場。這樣的群還沒有實現(xiàn)。

在過去的四年中，由荷蘭國家科學(xué)基金會NWO自然人工智能計劃資助的TU代爾夫特大學(xué)，利物浦大學(xué)和奈梅亨拉德布德大學(xué)的聯(lián)合研究團隊一直在努力設(shè)計一批小型無人機，探索未知的環(huán)境。該研究項目的目標是采取步驟，在搜索和救援場景中使用大量無人機。

其主要思想是，在將來，救援人員將能夠釋放一大批小型無人機來探索災(zāi)難現(xiàn)場，例如即將倒塌的建筑物。大量的無人機將進入建筑物，對其進行探索，然后返回基站并提供相關(guān)信息。然后，救援人員就可以將精力集中在最相關(guān)的領(lǐng)域，例如內(nèi)部仍然有人的地方。

在該項目中，微型無人機配備了攝像頭，并在室內(nèi)辦公環(huán)境中被派出，以找到兩個代表災(zāi)難場景中受害者的假人。這個概念驗證的搜索和救援任務(wù)清楚地表明了擁有大量人員的優(yōu)勢。在6分鐘內(nèi)，一群6架無人駕駛飛機就能探測大約80%的開放房間-僅憑其中一架無人駕駛飛機是不可能的。此外，集群化對于冗余也很有用。一架無人機找到了受害者，但由于相機的硬件故障，它無法帶回任何圖像。幸運的是，另一架無人駕駛飛機也將受害者捕獲在相機上。

執(zhí)行該項目的博士生金伯利·麥奎爾(Kimberly McGuire)說：“實現(xiàn)群體探索的最大挑戰(zhàn)在于無人機的個人情報水平?！薄霸陧椖块_始時，我們專注于實現(xiàn)基本的飛行能力，例如控制速度和避開障礙物。之后，我們設(shè)計了一種用于小型無人機相互檢測和避開的方法。我們通過讓每架無人機攜帶來解決此問題。無線通信芯片，然后利用這些芯片之間的信號強度-就像當(dāng)您離開家中的WiFi路由器時，手機上顯示的條形數(shù)量減少一樣。這種方法的主要優(yōu)點是：它在無人機上不需要額外的硬件，并且只需要很少的計算?！?/p>

群體探索方式中最艱巨的挑戰(zhàn)是難以讓小型機器人自行導(dǎo)航未知的環(huán)境。其原因是小型機器人在傳感和計算方面非常有限。

同樣，自然提供了重要的啟發(fā)。昆蟲不會繪制高度詳細的地圖。相反，它們保留了地標和與行為相關(guān)的地方，例如食物來源及其巢穴。該項目的主要研究人員Guido de Croon說：“新導(dǎo)航方法的主要思想是將我們的導(dǎo)航期望降低到極致：我們只要求機器人能夠?qū)Ш交鼗?。”“通過讓每個機器人遵循不同的首選方向，機器人群首先擴散到環(huán)境中。探索之后，機器人返回到位于基站的無線信標?！?/p>

Kimberly McGuire補充說：“提出的導(dǎo)航方法是一種新穎的錯誤算法?！薄板e誤算法不能繪制環(huán)境地圖，而是可以實時處理障礙。原則上，詳細地圖非常方便，因為它們使機器人可以沿著最佳路徑從地圖上的任何點導(dǎo)航到任何其他點。但是，在微型機器人上制作這樣的地圖的成本高得令人望而卻步。所提出的錯誤算法導(dǎo)致路徑效率較低，但具有甚至可以在微型機器人上實現(xiàn)的優(yōu)點?！?br /> （責(zé)任編輯：fqj）