日期：
来源：国际仿生工程学会收集编辑：
自然产生的蜂群在拥挤的环境中繁荣发展，而机器人蜂群中的物理互动要么被避免，要么被有意控制，从而限制了它们的运作密度。在这里，我们提出了一个机械设计规则，允许机器人行动在一个产生不断接触环境。我们介绍了形态机器人，一个机器人群平台通过形态功能设计开发实现具体的计算。https://www.science.org/doi/10.1126/scirobotics.abo6140通过设计一个三维打印外骨骼，我们编码一个重新定位响应的外部体力(如重力)或表面力(如碰撞)。我们发现，力定向响应是通用的，可以增大现有的群机器人平台(例如，千机器人)以及定制机器人，甚至达到10倍大。在个体水平上，外骨骼提高了运动性和稳定性，并且还允许编码响应于外力或碰撞(包括与墙壁或可移动障碍物的碰撞和在动态倾斜平面上)的两种对比动力学行为。这种力定向响应增加了机械层面在机器人群体水平的感觉-行为周期，当拥挤时利用空间相互作用集体趋光性。使冲突还可以促进信息流，促进在线分布式学习。每个机器人运行一个嵌入式算法，最终优化集体性能。我们确定了一个有效的参数，控制力方向的反应，并探讨其从少量过渡到拥挤的群体含义。对物理群和模拟群的实验表明，形态计算的效果随着群体规模的增加而增加。自然产生的蜂群在拥挤的环境中繁荣发展，而机器人蜂群中的物理互动要么被避免，要么被有意控制，从而限制了它们的运作密度。在这里，我们提出了一个机械设计规则，允许机器人行动在一个产生不断接触环境。我们介绍了形态机器人，一个机器人群平台通过形态功能设计开发实现具体的计算。https://www.science.org/doi/10.1126/scirobotics.abo6140通过设计一个三维打印外骨骼，我们编码一个重新定位响应的外部体力(如重力)或表面力(如碰撞)。我们发现，力定向响应是通用的，可以增大现有的群机器人平台(例如，千机器人)以及定制机器人，甚至达到10倍大。在个体水平上，外骨骼提高了运动性和稳定性，并且还允许编码响应于外力或碰撞(包括与墙壁或可移动障碍物的碰撞和在动态倾斜平面上)的两种对比动力学行为。这种力定向响应增加了机械层面在机器人群体水平的感觉-行为周期，当拥挤时利用空间相互作用集体趋光性。使冲突还可以促进信息流，促进在线分布式学习。每个机器人运行一个嵌入式算法，最终优化集体性能。我们确定了一个有效的参数，控制力方向的反应，并探讨其从少量过渡到拥挤的群体含义。对物理群和模拟群的实验表明，形态计算的效果随着群体规模的增加而增加。机器人群是一个能够完成比其单个个体更大任务的协同集合体。在群体中，自我组织是一种突出的特征，使得群体对个体的故障具有弹性。群工程提出了一个跨学科的挑战，结合电气和机械工程，计算机科学和非平衡统计物理。发现群体的协同强大的设计规则提供了一个机会，以简化个别机器人单位的规格，降低制造复杂性，使生产规模化。最近在机器人群方面的发展展示了在集体建设，无人驾驶飞行器(UAV)的协调运动 ，开放水域巡逻或水下探索方面的潜在应用。这些应用是机器人明确避免身体接触的拥有属性群。群体设计的另一种方法是保持一个有凝聚力的群体，其中机器人不断地接触，保持物理互动，允许连续的信息传输。这种方法在自组装和形态发生以及多细胞机器人身体的协调方面取得了成功。到目前为止，人工蜂群被设计成只在稀释的、避免碰撞的环境或有凝聚力的密集种群中运作。利用计算机模拟实验来指导碰撞主导的群体中的群体设计被证明是受限于有效地解释完全机械相互作用的能力。有必要制定物理设计规则和完善强大的算法，使机器人不仅在独处时保持高度的自主性，而且在拥挤的环境中保留功能。
我们的想法是扩大机器人专家的工具箱，利用一般的机械反应: 倾向于调整方向，以响应外力。然后，我们证明了这种形态学反应在不同的机器人任务中的作用，无论是对于单个机器人还是机器人群。我们介绍了两种设计，以表明这种力方向的响应可以来在不同的场景，调整或反对一个外部力。这种力定向响应也可以用于机器人群平台，使控制结果的机器人-机器人碰撞和由此产生的集体行为。为了实现这一点，我们给机器人增加了一个灵活的外骨骼，并表明形态差异编码在一个单一的有效参数，标记为κ，控制碰撞的结果。我们展示了两种不同的设计，这两种设计对于自由的单个机器人具有相似的动力学(例如，一个机器人在一个平滑的平面上移动，没有经历任何外力，也没有触摸任何障碍物或机器人)。然而，当遇到外力或碰撞时，这两种设计会有相反的反应。我们表明，受力的动力学设计允许调整机器人的反应，以调整或反对外部力量。在碰撞时，机器人可以推动或滑动一个障碍物或另一个机器人，完全基于其机械设计。新兴的集体动力学为机器人的计算增加了一个形态学层，促进了物理和逻辑结合的群体结构。我们定量地分析了对外力的响应，发现它可以用一个单一的有效参数 κ 来描述。我们在实验上、理论上和数值上证明了 κ 符号的改变会使机器人对外力的反应发生逆转，使机器人在力场中向下或向上运动。我们发现κ 是机器人在遇到障碍(墙壁或其他机器人)时响应的关键设计参数。使用正的和负的 κ 使得两个原语在碰撞主导的、拥挤的环境中定性地改变群体的动力学。我们还证明了 κ 可以用来指导集体运输的设计。然后我们添加一个计算层，在这里，与隐式形态学计算并行，机器人执行一个显式的感觉循环。我们在一个部分照明的场地上进行了趋光性的实验研究，设置了一群 N = 64的机器人来搜索照明区域。我们设置的照明领域是无方向的(直接来自上面) ，没有局部的光梯度，从而确保机器人不能使用局部的信息，指导他们的方式到照明区域。此外，光照区域被设计成太小而不能容纳整个蜂群。这种限制迫使机器人进行物理互动，将趋光任务转变为空间互动的集体聚集练习，从稀释(在黑暗中)到拥挤(在光线中)。研究具有正的和负的 κ 的群体揭示了一个定性和定量不同的集体趋光性，直接归因于这个有效参数的性质。最后，我们证明了当个体机器人在稀疏区域和拥挤区域之间过渡时，群体可以共同学习执行趋光任务。我们实施了一个受社会学习启发的分散式强化学习算法，发现当允许碰撞时，尽管通信网络稀疏且间歇，但群体流化并有效地收敛成一个成功的趋光策略。我们进一步通过个体为本模型模拟来支持我们的实验观察，发现形态学是集体行为的核心，并且随着群体规模的增长而变得越来越重要。机器人群是一个能够完成比其单个个体更大任务的协同集合体。在群体中，自我组织是一种突出的特征，使得群体对个体的故障具有弹性。群工程提出了一个跨学科的挑战，结合电气和机械工程，计算机科学和非平衡统计物理。发现群体的协同强大的设计规则提供了一个机会，以简化个别机器人单位的规格，降低制造复杂性，使生产规模化。最近在机器人群方面的发展展示了在集体建设，无人驾驶飞行器(UAV)的协调运动 ，开放水域巡逻或水下探索方面的潜在应用。这些应用是机器人明确避免身体接触的拥有属性群。群体设计的另一种方法是保持一个有凝聚力的群体，其中机器人不断地接触，保持物理互动，允许连续的信息传输。这种方法在自组装和形态发生以及多细胞机器人身体的协调方面取得了成功。到目前为止，人工蜂群被设计成只在稀释的、避免碰撞的环境或有凝聚力的密集种群中运作。利用计算机模拟实验来指导碰撞主导的群体中的群体设计被证明是受限于有效地解释完全机械相互作用的能力。有必要制定物理设计规则和完善强大的算法，使机器人不仅在独处时保持高度的自主性，而且在拥挤的环境中保留功能。我们的想法是扩大机器人专家的工具箱，利用一般的机械反应: 倾向于调整方向，以响应外力。然后，我们证明了这种形态学反应在不同的机器人任务中的作用，无论是对于单个机器人还是机器人群。我们介绍了两种设计，以表明这种力方向的响应可以来在不同的场景，调整或反对一个外部力。这种力定向响应也可以用于机器人群平台，使控制结果的机器人-机器人碰撞和由此产生的集体行为。为了实现这一点，我们给机器人增加了一个灵活的外骨骼，并表明形态差异编码在一个单一的有效参数，标记为κ，控制碰撞的结果。我们展示了两种不同的设计，这两种设计对于自由的单个机器人具有相似的动力学(例如，一个机器人在一个平滑的平面上移动，没有经历任何外力，也没有触摸任何障碍物或机器人)。然而，当遇到外力或碰撞时，这两种设计会有相反的反应。我们表明，受力的动力学设计允许调整机器人的反应，以调整或反对外部力量。在碰撞时，机器人可以推动或滑动一个障碍物或另一个机器人，完全基于其机械设计。新兴的集体动力学为机器人的计算增加了一个形态学层，促进了物理和逻辑结合的群体结构。我们定量地分析了对外力的响应，发现它可以用一个单一的有效参数 κ 来描述。我们在实验上、理论上和数值上证明了 κ 符号的改变会使机器人对外力的反应发生逆转，使机器人在力场中向下或向上运动。我们发现κ 是机器人在遇到障碍(墙壁或其他机器人)时响应的关键设计参数。使用正的和负的 κ 使得两个原语在碰撞主导的、拥挤的环境中定性地改变群体的动力学。我们还证明了 κ 可以用来指导集体运输的设计。然后我们添加一个计算层，在这里，与隐式形态学计算并行，机器人执行一个显式的感觉循环。我们在一个部分照明的场地上进行了趋光性的实验研究，设置了一群 N = 64的机器人来搜索照明区域。我们设置的照明领域是无方向的(直接来自上面) ，没有局部的光梯度，从而确保机器人不能使用局部的信息，指导他们的方式到照明区域。此外，光照区域被设计成太小而不能容纳整个蜂群。这种限制迫使机器人进行物理互动，将趋光任务转变为空间互动的集体聚集练习，从稀释(在黑暗中)到拥挤(在光线中)。研究具有正的和负的 κ 的群体揭示了一个定性和定量不同的集体趋光性，直接归因于这个有效参数的性质。最后，我们证明了当个体机器人在稀疏区域和拥挤区域之间过渡时，群体可以共同学习执行趋光任务。我们实施了一个受社会学习启发的分散式强化学习算法，发现当允许碰撞时，尽管通信网络稀疏且间歇，但群体流化并有效地收敛成一个成功的趋光策略。我们进一步通过个体为本模型模拟来支持我们的实验观察，发现形态学是集体行为的核心，并且随着群体规模的增长而变得越来越重要。