“聚合颗粒机器人”问世！中国科学家研发集群机器人可编程BOBbots系统，可用于微型机器人集体协作 ...
“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）