[論文レビュー] Navigating Robot Swarms Using Collective Intelligence Learned from Golden Shiner Fish

Grace Gao|arXiv (Cornell University)|Jun 30, 2014

Underwater Vehicles and Communication Systems参考文献 12被引用数 4

ひとこと要約

本論文では、ゴールデンシナーフィッシュの集団行動を模倣することで、個々のロボットが光の勾配を把握していない状態でも暗所に自然に集団的に集まる、バイオインスパイアドなナビゲーション手法を提案する。各ロボットは、光の強度に応じて調整されるランダムウォークと、周囲のロボットとの整合性に基づく分散型戦略を採用しており、通信量を最小限に抑えつつ、計算負荷が低く、スケーラブルで頑健な集団ナビゲーションを実現する。

ABSTRACT

Navigating networked robot swarms often requires knowing where to go, sensing the environment, and path-planning based on the destination and barriers in the environment. Such a process is computationally intensive. Moreover, as the network scales up, the computational load increases quadratically, or even exponentially. Unlike these man-made systems, most biological systems scale linearly in complexity. Furthermore, the scale of a biological swarm can even enable collective intelligence. One example comes from observations of golden shiner fish. Golden shiners naturally prefer darkness and school together. Each individual golden shiner does not know where the darkness is. Neither does it sense the light gradients in the environment. However, by moving together as a school, they always end up in the shady area. We apply such collective intelligence learned from golden shiner fish to navigating robot swarms. Each individual robot's dynamic is based on the gold shiners' movement strategy---a random walk with its speed modulated by the light intensity and its direction affected by its neighbors. The theoretical analysis and simulation results show that our method 1) promises to navigate a robot swarm with little situational knowledge, 2) simplifies control and decision-making for each individual robot, 3) requires minimal or even no information exchange within the swarm, and 4) is highly distributed, adaptive, and robust.

研究の動機と目的

• 中央集権的または複雑な分散型経路計画アルゴリズムを用いた大規模ロボットスワームのナビゲーションにおける計算スケーラビリティの課題を解決すること。
• 個々のロボットが光の勾配を把握していない状態でも、暗所へ集団的に移動するゴールデンシナーフィッシュの自然な集団知能を活用すること。
• 状況認識能力や通信要件を最小限に抑えつつ、分散型で頑健かつ適応可能なロボットスワームナビゲーション戦略を設計すること。
• 単純な局所ルールが、障害物のある複雑な環境においても効果的な集団行動を生み出せることを示すこと。
• 従来の方法が二次関数的または指数関数的に増加するのに対し、提案手法がスワームサイズに比例して線形にスケーリングされることを検証すること。

提案手法

• 各ロボットは、ゴールデンシナーフィッシュの移動行動に基づく局所的ダイナミクスを実装する：光の強度に応じて速度が調整されるランダムウォーク。
• ロボットの進行方向は、近隣のロボットとの整合性に影響を受けることで、群泳行動を模倣する。
• グローバルな目的地や光の勾配マップの明確な知識は不要である。
• ロボット間の通信は最小限に抑えられ、主に隣接ロボットとの局所的相互作用に依存する。
• この方法は本質的に分散型であり、各ロボットが局所的なセンシング情報と周囲のロボット位置に基づいて独立して意思決定を行う。
• 理論的分析とシミュレーションを用いて、出現するスワーム行動の妥当性と、さまざまな条件下での頑健性を検証する。

実験結果

リサーチクエスチョン

• RQ1 グローバルな知識や複雑なセンシングがなくても、分散型で局所ルールに基づくシステムが、ロボットスワームを目的（例：暗所）へナビゲートできるか。
• RQ2 従来の中央集権的または完全分散型経路計画アルゴリズムと比較して、提案手法はスワームサイズの増加に伴いどのようにスケーリングするか。
• RQ3 通信量を極限まで減らし、状況認識能力も低いロボットが、どれほど効果的にスワームナビゲーションを実現できるか。
• RQ4 障害物やセンサーノイズなどの環境的擾乱に対して、このシステムはどれほど頑健か。
• RQ5 単純な局所的相互作用のみで、スワームの出現的知能が目的の領域（例：暗所）へ効果的に収束できるか。

主な発見

• 提案手法により、ロボットスワームは、局所的な光の強度と周囲のロボットとの整合性という情報のみを用いて、暗所へ効果的にナビゲートできる。
• 計算複雑性がスワームサイズに比例して線形に増加することを示し、従来の方法が二次関数的または指数関数的に増加するのとは対照的である。
• ロボット間の通信は最小限、あるいは不要であり、協調のオーバーヘッドを顕著に低減できる。
• 理論的分析により、提案されたダイナミクス下でスワームが目的領域へ安定的かつ収束することが確認された。
• シミュレーションでは、障害物やノイズの多いセンサ入力が存在する中でも、スワームが頑健かつ適応的なナビゲーションを実現していることが示された。
• 出現的集団知能のおかげで、個々のロボットがグローバルな光の勾配や目的地を把握していなくても、スワーム全体として暗所へ集約することができる。