从 Quanta杂志 (在这里找到原始故事)。

在格鲁吉亚理工学院的实验室中,物理学家用机器人运行实验,看起来好像他们来自美元的商店。机器人可以’T穿过空间。他们能’沟通。主要是他们拍打着他们的小胳膊,就像甲虫粘在背上一样。

但是把很多这些物体放在一起,你没有什么东西:他们互相碰到,互相互相纠缠在一起。最终,他们开始作为一个单位工作。

研究人员正在学习如何控制这些系统,使它们以类似于蚁群的群或蚂蚁的殖民地的方式起作用:每个单独的操作响应于相同的基本指令。但是,当群体汇集在一起​​时,其成员可以在没有任何集中方向的情况下进行复杂的行为。

“我们的整体视角是:什么’S最简单的计算模型,可以实现这些复杂的任务吗?” said 达娜兰德尔是佐治亚理工学院的计算机科学家,项目的主要研究人员之一。“We’重新寻找优雅和简单性。”

作为计算机科学家,Randall基于他们可以收集的微薄数据,群体中可以运行的各个元素集中的最基本的指令集是什么是最基本的指令,这将不可避免地延伸到复杂的集体行为研究人员想要的?今年11月,兰德尔和同事 发布了算法 这确保了理想化的粒子群将以协调的方式移动。

与这些机器人的工作,称为“smarticles,”是对自组织机器人的可行性和应用的更广泛兴趣的一部分。其他例子包括 “droplet”-size robots 正在科罗拉多大学开发, “Kilobot” swarms 在哈佛大学,群体出来了 比利时的开拓者实验室。在许多这些情况下,想法是模仿自然界中发现的新兴现象,就像军队蚂蚁的分散殖民地的团制运动或DNA分子的无意识,自我编程组装。

“我们知道我们希望集体做些什么,但为了计划它,我们需要知道每个特工必须在个人级别做些什么,” said Melvin Gauci.,哈佛大学在群体机器人学的研究员。“在这两个层面之间往前是什么’s very challenging.”

谨防领导

丹尼尔戈德曼 是Georgia Tech的物理学家,谁领导着智能电池的实验(一个Portmanteau“智能活动粒子”)。他的基本科学兴趣是有活性粒状物理的物理,具有改变自己的形状。在他带来的幻灯片甲板上,他包括一个剪辑 蜘蛛侠3 that shows Supervillain Sandman的诞生:在沙漠中松散的沙子谷物,然后凝结成一个人的形状。智能电池是高盛’在实验室中测试活性颗粒材料的途径。

“它们给了我们一种使用几何来控制材料的属性的方法。如果你模糊你的眼睛,你可以想到这款智能电池作为真实材料,” Goldman said.

智能电池有短武器,就像装订的叉子一样,它们可以来回摆动。它们反应不同频率的光和音调。它们也可以被编程为调整它们在其立即遇到的其他智能电池的武器的速度。

有一些基本的演习,您可能喜欢孤立的智能电池来执行:压缩(包装在一起),扩展(传播)和运动。这些演习可以作为构建块,以便更复杂的壮举,但即使是压缩的最基本的功能也很难在工程师时难以推动,但没有任何智能电池都有任何想法’重新定位于整个组。

了解从简单零件的工程复杂行为的机会和挑战’值得铭记一个单独的智能物质都知道什么。答案是:不多。它可以’看看,它的内存有限,它唯一知道另一个智能电池’应该协调的是它可以从碰撞到它的即时邻居中学习的内容。

“想象一个人在一个摇滚音乐会上,闭着眼睛,”Joshua Daymude表示,亚利桑那州立大学计算机科学研究生,在Smartly项目上工作。

一个策略是指定一个策划群体的领导者,但这种方法很容易受到破坏—如果领导者下跌,整个群体都会下降。另一个是让每个机器人在群体中进行一个独特的工作来表现,但这’在大规模实施方面实施不切实际。“单独编程1000个机器人基本上是一个不可能的任务,” said 杰夫杜丝克是,奥林工程学院的研究员以及哈佛大学的自组织系统研究小组的前成员,他工作 水下机器人群。但“如果每个代理都在遵循相同的规则集时,无论您有10或1,000或10,000代理,您的代码都完全相同。”

用于编程群体的算法有两个属性。首先,它’s分布式,意味着它在系统中的每个单独的粒子上单独运行(每个陆军蚂蚁通过对其本地环境的任何感官感测到相同简单的指令的方式运行。其次,它包含随机性。这意味着如果陆军蚂蚁感官,请说,也许是五个其他陆军蚂蚁,也许在那里’S 20%的几率移动到左侧,80%的几率它向右移动。随机算法与确定性算法对比,其中每个步骤完全由在之前出现的东西决定。

随机性在算法中可能看起来不受欢迎—毕竟,当您实现程序时’D通常就像结果一样确定。但随机性也传达了一些令人惊讶的性能优势,除其他外,使随机算法非常适合应用于Smarticle Swarms。

随机保证

2015年,高盛和兰德尔正在讨论发现将导致高盛的规则的可能性’S Smarticly作为一个团体合作。 Randall意识到群体行为高级赛后是类似于计算机科学中研究的理想化粒子系统的行为。

“I was like, ‘I know exactly what’s going on,’” Randall said.

对于兰德布尔,Smarticles’行为类似于计算机科学家在许多其他环境中建模的紧急现象。最着名的例子之一是分离的社区形式。在20世纪60年代后期,经济学家托马斯·斯科林希望了解住房隔离如何在没有任何集中电力的情况下将人们分类为肤色的肤色。他想象一个看着他的邻居的假设的人,并根据他们的许多看起来像他一样,决定搬到其他地方。当这个人移动时,斯切洛尔把他运到了住房网格中的一个随机点,在那里他重复了观察他的邻居并决定是否留下或去的算法过程。 Schelling发现,根据他的规则,即使个体宁愿生活在不同的社区,几乎保证了住宅分离。

Randall意识到一群群体的智能电池,类似于Schelling模型的人。在这两种情况下,人们必须在不知道其全球地位的情况下做出决定(他们只知道他们在周围看到的东西)。在谢尔林’S模型可以使用随机性的元素进行决定—如果你的邻居看起来不同,也许在那里’你搬家的高概率,也是你选择留下来的一些小概率。

2016年,兰德尔和她的合作者 发表了论文想象着想象的理想化颗粒,生活在网格上,决定是否基于它们在它们周围观察到的其他颗粒的移动或停留。决策是概率的—粒子基本上是“roll”每次他们不得不做出选择的加权死亡。 Randall和她的共同作者证明,如果他们正确加权死亡,他们被保证最终有一个压缩的群(同样的方式,Schelling可能证明,如果他设定个人’对右侧级别的多样性的容忍度,隔离是不可避免的)。通过调整算法中的参数,它们还可以保证粒子群将移动到扩展状态。

算法中的随机性有助于群中的粒子避免在本地压缩状态中陷入困境,其中大量孤立的子组被聚集在一起,但是群体作为整个isn’T压缩。随机性确保如果智能电池最终以小型压缩群体,那么’如果机遇,个人仍将决定移动到一个新位置,并将过程保持活跃,直到达到整体压缩状态。 (在局部压缩状态下颗粒需要一点随机性—推出全局压缩状态需要更多的时间。)

进入世界

证明理论世界中的粒子可以运行一个简单的算法,实现特定的群行为是一件事。实际上在盒子里叮当线的廉价,故障,现实生活智能电池中实现算法是另一个。

“我们的理论合作者正在提出来编程这些东西,但我们’刚刚开始,我们可以’T虽然说这些计划已直接转移,” Goldman said.

一个问题是让智能电池作为一个组。起初,如果研究人员将智能电池放入狭窄的空间,那么该合奏将停止随机交错。

但是,有一天,物理学家在电池在其中一个智能电池中死亡时,物理学家正在观察这种混乱运动。高盛和他的合作者注意到群体突然开始朝着非活动单元的方向移动。研究人员报告说,这对他们的计算机科学合作者进行了意外地发现,他们抓住了线索。该工作导致最近的算法开发,将始终获得理想化的蜂蜜以在指定的方向上移动。

一点一点,计算机科学实验和物理的实验正在靠近在一起。研究人员希望理论上最终证明了一种基本算法,以大量的小型廉价机器人的分布式方式实施,得到了产生指定的群体行为。

“We’d想搬到它的一点’不是那些电池去世了,我们发现了一个 phenomenon,” Daymude said. “We’喜欢它更加有意。”

编者的说明(4/23/18):Ben Rollins错误地归功于写这个故事。提交人是凯文哈特纳特。 

转载许可 Quanta杂志,一个编辑独立的出版物 西蒙斯基金会 谁是通过涵盖数学和物理和生命科学的研究发展和趋势来提高对科学的公众理解。