受蜜蜂启发 康斯坦茨大学发明新算法帮助机器人集群达成共识

盖世汽车讯 从灾区搜寻、化学品泄漏应急响应到脆弱生态系统监测，未来的机器人集群可能需要在难以或危险的环境中执行任务。为了实现自主运行，机器人必须能够共同决定要解决的问题以及下一步的行动方向。然而，集体决策本身也存在脆弱性：机器人通过信息共享来改进决策，但故障的机器、不准确的观测或被篡改的信息都可能误导整个集群。

图片来源：康斯坦茨大学

据外媒报道，由康斯坦茨大学（University of Konstanz）计算机科学家Andreagiovanni Reina领导的一个国际研究团队发现，一条受生物决策启发的简单规则可以帮助机器人集群快速达成明确的共识——即使集群中流传的部分信息不可信。发表在期刊《自然通讯（Nature Communications）》上的研究表明，这种广泛应用的交互规则可以降低机器人集群在现实世界应用场景中因信息噪声而产生的脆弱性。

复制信息——还是先暂停一下？

更详细地说，研究人员比较了机器人在接收到与自身观点相冲突的信息时可以采取的两种简单应对方式：第一种方式称为“直接切换”，即机器人立即放弃当前观点，采纳刚刚接收到的信息。这种方式所需的内存或计算能力极少，但冲突或不准确的信息会导致群体反复切换观点，而无法形成明确的多数意见。

第二种方式称为“交叉抑制”，引入了一个短暂但重要的中间步骤。“关键在于犹豫不决。与机器人自身观点相冲突的信息不会立即被复制。相反，机器人会暂停片刻，暂时保持中立，然后再接受新的证据，”Reina解释道。这条规则的灵感来源于蜜蜂寻找新巢穴的行为：支持某个地点的蜜蜂会发出停止信号，阻止其他蜜蜂宣传竞争地点。“这种简单的行为可以防止蜂群在不同的备选方案之间摇摆不定，从而最终就单一目的地达成共识——同样的原理也适用于机器人。”

当少数机器人误导群体时

研究人员考察了机器人群体可获取信息的几种不可靠方式。例如，一些机器人可能会固执地支持某个选项，而忽略所有相反的信息。另一些机器人则可能偶尔依赖自身有限的观察，而不是来自群体的信息。此外，机器人之间交换的信息可能会因技术故障或蓄意的外部操纵而被篡改。

“我们都熟悉这样一种情况：少数但坚持不懈的个体对集体决策产生重大影响，”Reina说道。“类似的情况也发生在人类社会、动物群体和人工智能系统中。对于机器人群体而言，其来源可能是故障机器人、不完整的传感器数据或网络攻击。” 研究表明，在存在此类干扰的情况下，直接切换机制通常会导致群体内部出现弱势多数或长时间的犹豫不决。相比之下，交叉抑制机制通常能够帮助群体更快地做出更清晰的决策。即使机器人需要在两个以上的选项中进行选择，或者机器人群规模变大，这种优势依然存在。

最令人惊讶的结果之一是，适度的干扰有时可以提高交叉抑制的准确性。少量不可靠的信息可以防止群体选择较差的选项，从而增加做出更优决策的可能性。“这意味着，稳健的群体系统并非总是需要消除所有噪声源。在合适的条件下，不完美实际上可以帮助群体避免做出错误的决策，”Reina解释道。

细胞、大脑和蜂群中都存在相同的解决方案

交叉抑制并非蜜蜂独有，但类似的抑制性相互作用模式出现在生物组织的不同层级——从神经元网络到控制细胞周期的分子调控网络。尽管存在差异，这些系统都遵循相同的“赢者通吃”逻辑：相互竞争的方案会抑制彼此，直到最终形成一个明确的结果。“当相同的模式出现在如此不同的尺度上时，它可能指向一个强大的通用原则，可以将相互竞争的信号转化为一个清晰的决策——我们可以借鉴这一原则来构建更优秀的机器人集群，”Reina说道。

因此，这项研究将生物学和工程学双向联系起来。自然系统为设计稳健的自主机器人提供了灵感，而数学分析和机器人实验则可以帮助研究人员理解为什么类似的决策模式会在自然界中反复出现。对于未来的机器人集群而言，这种仿生机制可以支持快速决策，例如，确定首先搜索灾区的哪个部分、哪种环境威胁需要最紧急的响应，或者有限的资源应该部署在哪里。

【以上内容转自“盖世汽车”，不代表本网站观点。 如需转载请取得盖世汽车网许可，如有侵权请联系删除。】