萨里大学（University of Surrey）的研究人员最近开发了自组织算法，该算法受生物形态发生的启发，可以为多机器人团队生成阵型，以适应他们所处的环境。他们最近的研究发表在IEEE认知与发展系统交易上，由欧洲委员会的FP7计划部分资助。

萨里大学杰出主席兼首席研究员金耀初教授说：“这项研究可以追溯到我以前在形态发生机器人学上的工作，该工作将生物学形态发生基础的遗传和细胞原理应用于诸如机器人群之类的集体系统的自组织中国机械网okmao.com。”在研究中，告诉TechXplore。“我们的主要思想是在多细胞生物的细胞与机器人之间建立一个隐喻，包括可重构模块化机器人的模块。”

使用自然界中观察到的形态学原理来产生集体机器人行为的主要优势在于，这些原理允许机器人以“引导”，“可预测”或“可控制”的方式自我组织。但是，自组织系统（即，没有集中控制的系统）通常也有许多限制。

例如，定义本地交互规则以在这些系统中生成所需的群体行为可能非常具有挑战性。换句话说，在给定一组定义的本地规则时，很难预测和控制系统的全局行为。

Jin和他的同事在工作中试图通过使用简单的机器人来克服这一限制，这些机器人非常基础，并且无法自我定位。将形态学原理应用于这些“极简”机器人可以实现更有效的群体行为，例如目标周围或团队的形成。

金说：“我们最近的工作和以前的研究之间的主要区别是，我们使用了非常简单的机器人（例如，我们在实验中使用的千斤顶机器人），它们没有自我定位和定向能力。”

在生物发育中，细胞通过一种称为形态发生素的化学物质，或更具体地说是形态发生素梯度（即动物体内形态发生素浓度的变化）被引导至所需位置。形态发生梯度可以预先定义，例如在子宫（例如母体形态发生因子）中定义，也可以通过所谓的“形态发育”建立。

在他们的研究中，Jin和他的同事们从一个称为生物形态发生的过程中汲取了灵感，该过程通过细胞随着生物体的发展而自身产生形态发生子。然后在自然界中将这些形态发生子用于将细胞引导至特定位置，研究人员试图复制这一原理来引导机器人并改变其群体行为。

Jin说：“在自组织过程中，目标和机器人会生成边缘形态发生子，相邻的机器人（在机器人的感知范围内）都可以感知到。“机器人通过模拟生物形态发生子的反应和扩散过程，从其邻近的机器人接收模拟形态发生子的信息，并将这些信息传递给邻近的机器人。”

在他们的实验中，研究人员假设机器人只能感知其感应范围内的物体（例如目标或其他机器人）。他们使用的机器人称为千斤顶机器人，不具备任何自组织和定向功能。

研究人员通过使用人工“形态发生子”的梯度（即浓度差异）来指导多个机器人的运动，从而再现了自然界中观察到的形态发生原理，从而使它们有效地到达了期望的目的地并产生了特定的群体行为。在一系列的初步测试中，他们的分层基因调控网络（H-GRN）使机器人能够自动朝未预定义的目的地，周围的目标或形成特定形状的目标移动。

“我们发现，通过学习生物形态发生学，没有自我定位能力（即在给定环境中确定自己坐标的能力）的简单机器人，例如千斤顶机器人，可以以自组织方式均匀地包围移动或静止的目标”，金说。“另一方面，大多数以前开发的产生协作机器人行为的方法都是为知道自己位置的机器人设计的。”

由这组研究人员开发的新的分层基因调控网络（H-GRN），与其他在机器人中产生协作行为的现有方法相比，具有许多优势。它的主要优势在于，它可以用于调整数百甚至数千个机器人的行为，从而使他们无需集中控制且无需任何有关目标的事先信息即可完成目标周围或跟踪任务。

今后，该算法开发的金与他的同事们能够加强对那些需要更复杂的行为，并不能由单一类型的机器人来完成，尤其是在涉及到大量的人-的情况下工作的机器人协作机器人互动。研究人员现在计划研究他们解决现实问题的技术的潜力，例如在旨在检测海洋污染，跟踪危险气体泄漏或识别大森林火灾的任务中。他们的算法还可以潜在地用于生成用于微型卫星或无人机群飞行的编队。

“在未来的研究中，我们将开发异构自组织系统，其中存在不同类别的机器人，例如，其中一些机器人可能具有更先进的功能，一些机器人具有更基本的功能，而其他机器人也可能与之通信用户”，金说。“这应该使我们能够产生更强大，更强大但又可控制的集体行为。”