研究人員提出了一羣可以獨立探索未知環境的微型無人機。這項工作於10月23日發表在科學雜誌上，是羣體機器人領域向前邁出的重要一步。挑戰在於這樣一個事實，即33克的微型無人機必須以非常有限的傳感器和計算能力自主導航。由來自代爾夫特理工大學，利物浦大學和奈梅亨大學拉德佈德大學的研究人員組成的聯合研究小組，受到昆蟲尋找方法相對簡單的啓發，解決了這一難題。
大自然的啓發
昆蟲羣給機器人技術人員帶來了這樣的想法，即小型機器人也可以通過成羣運行來克服自身的侷限性。大量廉價的小型機器人可以執行當前超出大型單個機器人範圍的任務。例如，一羣小型飛行的無人機可以比一個大型無人機更快地探索災區。到現在爲止，這些羣似乎是未來的音樂。
營救行動
在過去的四年中，來自代爾夫特理工大學，利物浦大學和拉德佈德大學奈梅亨大學的聯合研究團隊一直致力於設計能夠探索未知環境的小型無人機羣。該研究由荷蘭科學研究組織（NWO）資助，是自然人工智能計劃的一部分。該研究項目的目的是採取步驟，在救援行動中使用大量無人機。
主要前提是，將來，救援人員可以釋放成羣的小型無人機來探索災區，例如即將倒塌的建築物。這些無人駕駛飛機將飛入建築物，對其進行探索，然後返回基站並提供相關信息。這將使救援人員能夠將精力集中在最相關的領域，例如倖存者。
尋找受害者
對於該項目，微型無人機安裝了攝像頭，並在有遮蓋的辦公室環境中派出，找到了兩個假人，這些假人在災難中扮演了受害者的角色。這項作爲“概念驗證”的救援任務清楚地表明，一羣人具有優勢。在六分鐘之內，一羣六架無人駕駛飛機設法探索了大約80％的開放房間-這對於單架無人機來說是不可能的。另外，使用集羣證明對冗餘是有益的。一架無人機發現了受害者，但由於相機中的硬件錯誤而無法還原圖像。幸運的是，另一架無人機也將受害者記錄在攝像機上。
一架無人駕駛飛機正在探索一個房間，尋找一個（紅色）假人（左），以及從小型無人機的機載攝像頭看到的“受害者
挑戰賽
進行該項目的博士生金伯利·麥奎爾（Kimberly McGuire）表示：“通過蜂羣實現探索的最大挑戰是無人機的個體智能。” “在項目開始時，我們的重點是實現基本的飛行功能，例如速度控制和避免障礙物。然後，我們設計了一種方法，使小型無人機可以相互觀察和躲避。爲此，我們爲每架無人機提供了一個用於無線通信的芯片，並且我們使用了這些芯片之間的信號強度，這就像隨着您遠離家中的Wi-Fi路由器，手機屏幕上的條形數量減少了一樣。動作。
自主導航
羣體探索的最大挑戰是小型機器人很難通過未知環境獨立地找到自己的路。這是因爲小型機器人的觀察和計算能力非常有限。
在這裏，自然也提供了重要的啓發。昆蟲沒有制定詳細的平面圖。相反，他們會記住與其行爲相關的地標和地點，例如食物來源和巢穴。“新導航方法背後的主要思想是設定最低導航要求：我們對機器人的唯一要求是它們可以找到返回基站的方式，”該項目的主要研究人員Guido de Croon說。“首先，機器人羣在整個環境中擴散，每個機器人遵循不同的首選方向。探索之後，機器人將返回基站的無線信標。”
在不到六分鐘的時間內探索整個辦公樓層的六架微型無人機的軌跡。無人駕駛飛機從中間開始位置的基站出發，探索開放的房間，最後返回基站
昆蟲算法
Kimberly McGuire繼續說：“提出的導航方法是一種新型的錯誤算法。” “這類算法並不能繪製出其中包含所有障礙物的環境圖，而只是在遇到障礙物時避開它們。原則上，詳細的地圖非常有用，因爲機器人可以根據最佳路線從地圖上的一個點導航到另一點。但是對於小型機器人來說，製作這樣的地圖太昂貴了。所提出的錯誤算法提供的路由效率較低，但是具有可以在小型機器人中實現的優點。”
相關論文源碼下載地址：關注“圖像算法”微信公衆號 回覆“昆蟲”