人工智能（AI），可以同时操控数百机器人“协同作战”了。

来自康斯坦茨大学和国际理论物理中心的研究团队开发了一种基于 AI 的控制策略，成功让 200 个微型机器人变身为“AI 智能体”，独立作出决策，在团队的协作下实现复杂的集体行为。

在实验中，微型机器人协同完成“大件物品的运输”任务的成功率超过了 90%，并在 3000 次动作内精确达成目标。

研究团队表示，这种控制策略可以训练成群的微型机器人完成集体操纵或运输物体等任务，如移动微型机械、可编程给药胶囊和其他先进的片上实验室应用的复杂和自动化组装。

在演示模拟中，经过训练的微型机器人群成功在无法穿越的固定障碍物面前旋转以及把一根杆运输到特定位置，甚至学会了利用结构化环境，将障碍物作为铰链来更高效地运输杆。


另外，微机器人群还能完成更复杂的集体行为，如同时旋转两根和三根杆。在分布式控制框架的支持下，独立运动的微型机器人能够充分发挥各自的优势，相互协作，实现对多个物体的高效操控。


在技术实现上，研究团队采用了多智能体强化学习（MARL）算法，并结合了“反事实奖励”（CR）机制，为每个微型机器人设计了个性化的奖励系统，从而引导其朝着集体目标努力。

这种方法让微型机器人在协作中学会如何优化自己的行为，使得整个集群的表现更加高效。

研究还发现，经过 MARL 训练的微型机器人能够有效克服热噪声和环境噪声，即使在一些蜂群成员出现故障时也能保持正常工作，还具有较强的鲁棒性。

在实验中，当 20% 的机器人出现故障时，集群的任务完成效率几乎不受影响；甚至当故障比例达到 50% 时，集群的效率仍能维持 30% 的初始水平。

相关研究论文以“Counterfactual rewards promote collective transport using individually controlled swarm microrobots”为题，已发表在科学期刊 Science Robotics 上。


值得一提的是，据个人主页显示，该论文的通讯作者之一顾红日（Hongri Gu）即将履新——从 2025 年 1 月起，加入香港科技大学，担任助理教授。

顾红日，本科毕业于浙江大学机电工程专业，在康斯坦茨大学物理系从事科研工作期间，他与该论文的另一位通讯作者 Clemens Bechinger 教授携手探究了活性物质集体状态应用，将强化学习融入到微型机器人集群研究，并研究了表面间的磁摩擦，这也是这项研究成功的关键。



这项研究不仅在微型机器人集群控制领域取得了显著的进展，还展示了群体智能在微观尺度的巨大潜力，但仍然面临一些挑战。

首先，现有的微型机器人集群控制系统依赖激光驱动，这限制了其在深层生物体内（如人体内的靶向药物输送）等复杂环境中的应用。激光的穿透深度有限，且依赖特定推进机制，使得这些微型机器人在某些应用场景中面临技术瓶颈。

此外，微型机器人仍面临诸多硬件相关的问题，包括计算、传感器和执行资源的限制，以及微型执行器在与环境和其他机器人互动时的精度问题。这些因素都限制了微型机器人系统的进一步应用。

尽管如此，研究团队表示，这些微型机器人有望被用于运输生物样本、病毒检测、个性化药物释放等任务，甚至可能在组织工程和定制制造等领域得到应用。

未来，随着微型机器人技术的不断发展，我们是否可以在人体内部，甚至是在极端环境下，实现这些微型机器人集群的智能应用呢？

这一边界，或将在下一次技术突破中被重新定义。

如需转载或投稿，请直接在公众号内留言




内容中包含的图片若涉及版权问题，请及时与我们联系删除