（文章來源：教育新聞網）

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境。這項工作于10月23日發表在《科學機器人》雜志上，在群體機器人技術領域邁出了重要的一步。挑戰來自這樣一個事實，即33克的微型無人機需要自主導航，同時具有極為有限的傳感和計算能力。聯合研究團隊與TU Delft，利物浦大學和奈梅亨大學拉德布德大學的研究人員一起，通過從相對簡單的昆蟲導航中汲取了靈感，解決了這一挑戰。

昆蟲群激發了機器人學家的思考，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行大型大型機器人無法實現的任務。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難現場。這樣的群還沒有實現。

在過去的四年中，由荷蘭國家科學基金會NWO自然人工智能計劃資助的TU代爾夫特大學，利物浦大學和奈梅亨拉德布德大學的聯合研究團隊一直在努力設計一批小型無人機，探索未知的環境。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難現場，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信息。然后，救援人員就可以將精力集中在最相關的領域，例如內部仍然有人的地方。

在該項目中，微型無人機配備了攝像頭，并在室內辦公環境中被派出，以找到兩個代表災難場景中受害者的假人。這個概念驗證的搜索和救援任務清楚地表明了擁有大量人員的優勢。在6分鐘內，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。

執行該項目的博士生金伯利·麥奎爾(Kimberly McGuire)說：“實現群體探索的最大挑戰在于無人機的個人情報水平。”“在項目開始時，我們專注于實現基本的飛行能力，例如控制速度和避開障礙物。之后，我們設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-就像當您離開家中的WiFi路由器時，手機上顯示的條形數量減少一樣。這種方法的主要優點是：它在無人機上不需要額外的硬件，并且只需要很少的計算。”

群體探索方式中最艱巨的挑戰是難以讓小型機器人自行導航未知的環境。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。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：“新導航方法的主要思想是將我們的導航期望降低到極致：我們只要求機器人能夠導航回基站。”“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境中。探索之后，機器人返回到位于基站的無線信標。”

Kimberly McGuire補充說：“提出的導航方法是一種新穎的錯誤算法。”“錯誤算法不能繪制環境地圖，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致路徑效率較低，但具有甚至可以在微型機器人上實現的優點。”
（責任編輯：fqj）