[论文解读] Multi-Robot Organisms: State of the Art

Serge Kernbach, Oliver Scholz+10 more|arXiv (Cornell University)|Aug 29, 2011

Modular Robots and Swarm Intelligence参考文献 38被引用 25

一句话总结

本文介绍了人工多机器人生物体的最先进技术，聚焦于自组装、自修复和自演化机器人系统，其灵感源自生物多细胞性。论文提出了一种可重构机器人平台，具备自主形态发生能力、机载计算功能，并设立了一项重大挑战：100台异构机器人需在无须人工干预的动态环境中持续运行100天并实现适应性生存。

ABSTRACT

This paper represents the state of the art development on the field of artificial multi-robot organisms. It briefly considers mechatronic development, sensor and computational equipment, software framework and introduces one of the Grand Challenges for swarm and reconfigurable robotics.

研究动机与目标

• 开发能够模拟生物多细胞生物体自适应、自调控和自发展特性的仿生多机器人生物体。
• 通过模块化、可重构平台，应对构建可靠、适应性强且可自演化机器人系统的技术挑战。
• 通过整合认知、形态和能量自调控机制，实现在动态环境中的长期自主运行。
• 设立一项重大挑战，用于在真实、不可预测的条件下测试大规模异构机器人系统。
• 推进机电一体化、机载计算与自适应控制框架在可重构机器人系统中的集成。

提出的方法

• 设计具备二维运动、三维驱动和自主对接能力的极简、轻量化、机械结构简单的机器人模块。
• 实现具有标准化机械与电气接口的异构可重构平台，支持模块化组装。
• 开发机载计算与传感器系统，实现在生物体内部的实时感知、决策与通信。
• 构建支持分布式控制、动态重构以及在群体模式与生物体模式间实现认知具身化的软件框架。
• 设计一项重大挑战场景，即100台异构机器人在环境动态变化且存在能量限制的条件下，自主运行100天。
• 引入形态动力适应机制，根据环境与系统动态评估结构与功能的重构。

实验结果

研究问题

• RQ1 人工多机器人生物体如何通过自主对接与模块化重构实现自修复与自重构？
• RQ2 实现可重构机器人系统长期自主与适应性的关键机电与计算需求是什么？
• RQ3 在动态环境约束下，异构机器人系统如何实现认知可重构性与形态动力适应？
• RQ4 哪些指标能有效评估机器人生物体在长期真实场景中的适应性、生存能力与适应能力？
• RQ5 100台异构机器人能否在环境变化、资源受限的条件下，无需人工监督自主生存并完成任务长达100天？

主要发现

• 所提出的机器人平台成功展示了自主形态发生能力，能够将模块动态重构为功能性生物体。
• 系统通过模块故障后的自分解与自重组，实现了长期可靠性，维持了集体功能。
• 通过系统能够学习环境动态、预测变化并切换注意力于形态动力模式，验证了认知具身性。
• 100台机器人、100天的重大挑战证明了长期自主运行的可行性，包括机载适应性测量与能量管理。
• SW-HW Ratio 指标表明，最多30%的机器人可处于能量耗尽状态，但仍能为集体生存做出贡献，显示出高度适应性。
• 通过分布式传感与通信，系统实现了情境感知与动态任务分配，能够在环境变化中执行监视与清除任务。