“这项成果在未来有望帮助人们随心所欲地操控物态变化，就像电影《超能陆战队》里的男主角滨田广发明的设备一样，因为固、液、气三态转换本质上就是分子间距离的变化，” 担心自己刚公布的成果不好描述，佐治亚理工学院李圣恺特意向 DeepTech 举了一个电影的例子。

　　图 实验中用到的小机器人（来源：受访者）

　　该成果主要和群机器人（swarm robot）相关，如下图，他们研发的集群机器人可以像蚂蚁搬家一样，推动小盒子。

　　图 集群机器人推动盒子（来源：受访者）

　　集群机器人也是仿生学在多机器人系统中应用的典型案列。科学家通过观察蜂群、蚁群等群体的运作模式，发现了它们可以在不依靠中央控制系统的前提下，仅凭个体之间的局部交互和自组织行为，就能实现全局系统的有序运行。

　　（来源：受访者）

　　当人类把这种机制应用于机器人控制上时，就形成了群机器人系统。一种典型的群机器人是微小的胶体机器人，它们可以在战胜疾病、制造智能纺织品、设计纳米计算机等方面发挥作用。

　　（来源：受访者）

　　不过在宏观上，控制群机器人通常需要依赖大量内存，处理能力和微观尺度上无法提供的协调功能，这对机器人硬件层面的算力和通信能力提出了很高的要求，而为了处理复杂的状态信息，很难在缩小硬件尺寸上有所突破。

　　这一点从统计物理学的角度也得到了印证，单个机器人的体积与运算能力（功率达到了热力学极限）之间存在天然的取舍。

　　（来源：受访者）

　　为了提升微观尺度上的控制能力，佐治亚理工学院的研究团队近日提出了一种新的控制系统，其中的自主、自制动实体只依靠局部互动，就能推导出宏观尺度行为，而且无需很强的硬件，也不采用依靠局部互动物理学的传统计算方法。

　　研究成果以论文形式发表于Science Advances 上，标题为《具有机械诱导相变的活性粘性颗粒物质的编程研究》 “Programming active cohesive granular matter with mechanically induced phase changes”。

　　图 相关论文（来源：受访者）

　　事实上，机器人操控只是这项研究的一小部分，其更重要的目标是探索活性物质的结团机制。该研究是首个将计算机编程与结团机制结合起来的尝试，通过计算机编程的思路去控制结团或分散的过程，让颗粒物质具备了可编程性。

　　“我们的新贡献就是将活性物质的成团机制映射到格子气体（lattice gas）上，可以更好地分析成团机制随着时间和吸引力而变化的过程，” 论文第一作者李圣恺对 DeepTech 表示。

　　具体来说，研究人员首先设计了一种 “自组织粒子系统（self-organizing particle systems，SOPS）” 的理论抽象，在其中设计并严格分析特定而简单的分布式算法，以完成特定目标，同时兼顾了系统的鲁棒性和对错误的兼容性。

　　基于此，他们构建了一个新的系统，其中包括具备基本活动能力的 “聚合颗粒机器人”，上面只具备最基础的光线传感器，用来测试理论预测是否可以在现实世界中的阻尼驱动系统中实现。他们将这种机器人命名为 BOBbots，以纪念物理学家 Robert “Bob” Behringer。

　　简单来说，研究团队希望证明，通过调整算法参数和配置，用最简单的、不加传感器和通信功能的机器人，只依靠其物理特征（比如磁铁之间的吸引力），使其在不断运动中自主结团或分散，最终实现更精准的操控。这样也可以模拟出活性物质中颗粒的运作模式。

　　“这些简单机器人完成的任务超出了预期，” 研究人员表示，“这种互补的方法展示了分布式算法，活性物质和颗粒物理学的整合。”

　　SOPS 算法先行

　　在制造机器人之前，研究人员首先要开发自组织粒子系统的理论抽象。

　　尽管许多系统使用粒子间吸引和空间排斥来实现系统范围内的聚集，并使用粒子间的排斥来实现分散，但是这些方法通常需要远程感测，并且往往是不严格的，缺乏关键证据来保证理想的系统行为。

　　为了更好地理解群体行为，研究人员开发的 SOPS 抽象模型允许其定义一个正式的分布式算法并严格量化长期行为。

　　SOPS 中的粒子存在于晶格的节点（或顶点）上，每个节点最多有一个粒子，并且沿着晶格边缘在节点之间移动。每个粒子都是匿名的（未标记的），仅与占据相邻晶格节点的粒子相互作用，并且无法访问任何全局信息，例如坐标系或粒子总数。

　　图 SOPS 算法模拟粒子运动方向的可能性（A）；粒子随着时间的推移而逐渐抱团（B）（来源：受访者）

　　模型中的粒子就代表活性物质中的颗粒，也就是之后模拟场景中的机器人，如何让这些粒子更有效地聚集或分散，就需要完善模型背后的算法。

　　（来源：受访者）

　　该 SOPS 算法使用局部运动定义了有限的马尔可夫链，可以将所有简单连接的粒子配置的状态空间连接起来。粒子的分布和运动遵循泊松分布（Poisson Distribution），每个粒子有自己的泊松时钟，每隔一段时间就会激活一次，其激活时间是一个由泊松分布定义的随机值。

　　在激活后，粒子就会随机选择一个相邻节点移动，选择节点的概率由现有和新节点的相邻节点数量决定，同时还要满足局部条件，保证粒子配置的相连性。其背后的逻辑可以简单概括为：让粒子向拥有更多相邻节点的节点聚集。

　　不过这套运行逻辑需要粒子之间保持联系，而且对计算能力提出了要求，因此他们进一步优化了算法，使其可以在粒子断开联系之后也能工作，并且不鼓励它们远离有更多相邻节点的节点。

　　（来源：受访者）

　　BOBbots，模拟主动聚集的机器人

　　有了理论抽象和数学模型后，研究人员开始尝试用真实的集群机器人进行测试。

　　他们创造了一套主动聚集颗粒系统，名为 BOBbots，由许多个直径约 3 公分的小型机器人组成。名字中的 BOB 代表了 Behaving，Organizing，Buzzing，意为行动，组织，嗡嗡的 —— 这些机器人配有振动电机（ERM），光线传感器和磁珠，底盘上还有小刷子，因此行动起来会发出嗡嗡声。

　　BOBbot 之间的移动和交互旨在捕获抽象随机算法的显着特征，同时用物理形态和交互替换所有感测，通信和概率计算。每个 BOBbot 都呈圆柱形，底盘上的刷子与振动电机相连，电机引起的振动会通过刷子转换为运动。

　　图 机器人的抱团形式和受力分析（来源：受访者）

　　研究人员表示，由于这种推进结构的构造不对称，机器人主要会沿圆形轨迹移动，这些轨迹在其初始条件下是随机的，但与 SOPS 模型不同的是，BOBbots 引入了一定的噪声并且具有一定程度上的确定性，其移动速度约为 4.8 ± 2.0 cm/s。

　　在模拟成团机制的理论算法中，一条很重要的逻辑是 “阻止粒子远离有多个相邻节点的位置”，实际应用到机器人身上，就需要依靠它们内部的小磁球。这些磁铁总是会重新定向以吸引附近的机器人。

　　很显然，一个机器人附近的机器人越多，其受到的吸引力就越大，那么它与其相邻机器人分离的可能性就越低。

　　图 机器人从分散状态逐渐开始抱团（来源：受访者）

　　由于 SOPS 算法的关键要素可以由 BOBbot 机器人直观地展现出来，因此为了测试 SOPS 模型是否可以定量地展现集体动力学，研究人员接下来研究了机器人磁体强度等参数与其聚合效率的关系。

　　经过测试和模拟，他们找到了可以控制并主导机器人聚合和分散的参数。通过调整这些参数，就可以实现对机器人的控制，使其加速抱团或者一直保持分散。

　　在此基础上，研究人员还尝试控制这群机器人执行任务，尤其是 “聚合在一起的机器人能否‘识别’环境中存在的非机器人（杂质），并协同将其从系统中驱除？”

　　这种运行模式类似于自然界中蚂蚁协作运输食物，但 BOBbot 是通过机械和物理交互来完成集体任务，全局行为的控制无需复杂的通信或计算。

　　（来源：受访者）

　　结果表明，通过保持较高的磁力，一群小机器人可以保持物理连接的聚集状态，同时有效地排斥系统中的杂物。抱团的 BOBbot 可以不断随机重新配置并集合个体的力量，使其整体具备包裹、抓握和驱除杂物的能力杏耀娱乐官网。

　　在实验中，研究人员放入了盒子和圆盘作为杂物，BOBbot 可以在 12 分钟之内将其移动 7.9 厘米，对于单体重量仅有 60 克的机器人来说是不错的成绩。

　　反过来，如果减少磁力，那么它们移动杂物的表现就会变差，进一步证明了算法的可控性。

　　（来源：受访者）

　　“这项研究底层 SOPS 模型的理论框架可以进一步泛化，允许放宽其假设条件，只要其动力学保持可逆性并在热平衡下对系统进行建模，” 研究人员在论文中总结道。

　　局部随机算法的鲁棒性可以使机器人群体的宏观行为免受机器人本身的固有特性影响，包括其运动方向的偏移，轨迹的连续性，以及其速度和磁强度的不均匀性。

　　（来源：受访者）

　　更重要的是，由于算法的无记忆和无状态性质，即使某些机器人发生故障或受到环境干扰，算法也可以在无外部干预的情况下克服故障并持续收敛。

　　在实验中，研究人员展示了如何让一群机器人推动物体，而这套算法可以拓展到更多需要控制集体行为且对尺寸有限制的应用场景中，包括医疗领域的纳米机器人，用于探索太空的机器人等等。

　　举报/反馈