科幻里的机器人蜂群被浙大根本就是出来了！可独立思考自主导航追踪目标

梦晨 发自 凹非古寺量子位 | 对政府号 QbitAI

机械人坦克部队自如穿梭分散的溪边，这一幕不是所写片子荒地，而是在浙江湖州相符上演。

连续性转变成的复杂状况对机械人来说是未知的，不想有事先测绘。

也不想有统一的当中央指挥者，每一只机械人都在“独立思考”，倚靠搜索算法临场加成。

这项来自武汉大学的研究成果坐上最新一期Science Robotics海报。

据武汉大学解说，此前的机械人坦克部队排练大多通过卫星相对于和抛物线编码充分利用，由底部计算机统一遏制。

这种方式也下，机械人一组体一旦失去指挥者就时会“一组龙无首”，不但无法维持方阵还可能撞上篱笆或彼此之间撞击到。

这次的新成果被Science Robtics评价为第一个能在非结构化状况当中分散、自力跳伞的坦克部队系统。

可以在避障之后进一步恢复方阵。

也可以彼此之间配合持续追踪特定目标。

那么武汉大学小组是怎么认真的呢？

*（清晰演示视频在文末）*

科学论文当中解说，跳伞机械人的研究受动物启发，分为鳖一组方式也和鸟一组方式也两种。

昆鳖时会认真短程的加成性动作（比如蜘蛛逃避蜘蛛拍）。

基于加成的鳖一组导航搜索算法对算力和内存的期望来得小，机械人可以认真得来得小。

类动物有来得敏锐的感官和来得大的黑猩猩，可以认真长期的抛物线建设工程。

基于抛物线建设工程的鸟一组导航搜索算法有来得强的可靠性和易用性，因此武汉大学小组必需了这一种。

在一组体抛物线建设工程搜索算法上，如果只考虑自由空间因素时会直接影响机械人坦克部队间的配合。比如通过狭窄自由空间来得时会堵车，导致上去的机械人不能绕路。

因此，武汉大学小组同时对星期和自由空间认真抛物线建设工程，利用稀疏实例优化（sparse parametric optimization）和约束转录（constraint transcription）方法提升速率，认真到实时计算。

在穿越低密度溪边时，这种搜索算法可以让多个机械人先后通过狭窄缝隙防止撞击到，无惧倾斜竹子和高低起伏的地形地貌。

除了抛物线建设工程外，武汉大学小组改进了视觉-惯性里程计 （Visual-Inertial Odometry）认真一组体的相对于。

为了防止长距离积累的微小误差再一引发彼此之间撞击到，共同开发了分布式漂移校正搜索算法。

每个机械人都有清晰的感知、相对于、建设工程和遏制功能，彼此之间之间用高保真网络系统来共享抛物线。

在10个机械人分散跳伞实验室当中，研究人员停用了GPS信号、临时增加篱笆、以及人类主动阻碍都不想出现撞击到。

实验室所用的机械人由武汉大学遏制科学与技术学院和湖州研究团队研发。

单个机械人只有手掌大小，比一听可乐的体积还要重为。

搭载了英伟达Xavier NX模组，拥有6核CPU和384核GPU及8GB内存。

但在实验室当中，除了个别例外场景，CPU和GPU的利用率都维持在40%下述，在受限的计算资源充分利用了复杂行为。

科学论文第一写作者为武汉大学遏制科学与技术学院博士毕业生周鑫，无线电写作者为该院高飞博士和许超教授。

小组成员来自科学与技术学院及湖州美国哈佛大学。

这次成果解决了在混乱的野外状况当中机械人坦克部队自力导航的疑问，提高了对各种现实任务的优点。

地震、洪水和火灾当中，机械人坦克部队可用于搜索、引导受困者，或运送紧急物资。

在生态研究、工程技术当中，使用机械人坦克部队可以调查结果狭窄的状况。

而共同开发出的自力导航搜索算法，也可以用于火星车、月球车，以及多台货运无人机协同工作运输体积超过单台运输能力的装卸。

科学论文地址：

概述链接：[1][2]

— 完 —

量子位 QbitAI · 头条号签约