视频
加载玩家…
  • 提供配置文件
  • 我们的团队对自组织多智能体系统感兴趣，在该系统中，大量简单的智能体在局部进行交互，产生复杂而健壮的全局行为。我们主要从多细胞生物学和群居昆虫中汲取灵感，研究机器人和传感器网络中此类系统的编程范式。我们还研究了自组织的生物学模型，特别是如何在多细胞生物的发展中细胞合作。

    我们所有工作中的一个共同主题是理解局部和全局行为之间的关系:健壮的集体行为是如何从许多局部交互的代理中产生的，以及我们如何对简单代理的局部交互进行编程，以实现我们想要的全局行为。
产品组合

  • 研究

  • 我们在自组织多智能体系统方面的工作是计算机科学、机器人技术和生物学的交叉。我们实验室的主题是理解和改造集体行为但我们用了很多方法——包括理论和硬件，生物灵感和与生物学家的合作。

        • 学期项目

        • 受白蚁启发的攀爬机器人集体建造3D结构

          大自然为我们提供了令人印象深刻的动物建造的例子:许多种类的白蚁建造比它们自己大几个数量级的复杂土堆。然而，每个建筑师和工程师都是小的，可以牺牲的，而且似乎很少或没有集中的监督。社会性白蚁为蜂群建筑系统的设计提供了灵感，在这个系统中，许多自主机器人合作建造大型建筑。传统的人力建设包括对工具和设备的直接人力操作，精心的预先计划，很少或没有真正的自动化。将自动化应用于建筑施工有可能提高速度和效率等措施，并使建筑能够在人类工作困难或危险的环境中进行，如灾区或地外环境。

          受白蚁及其建筑活动的启发，我们在TERMES项目中的目标是开发一个机器人群建造系统，在这个系统中机器人合作建造比它们自己大得多的3D结构。目前的硬件系统由简单但自主的移动机器人和专门的被动块组成;机器人能够操纵砖块建造高楼大厦，也能操纵它所建造的建筑物。多机器人控制允许多个同时活跃的机器人以分散的方式进行合作，从高级描述作为输入，构建用户指定的结构。

        • Kilobot项目

        • 一种低成本、可扩展的展示集体行为的机器人系统

          在目前的机器人研究中，有大量的工作是关于分散合作的机器人群(称为蜂群或集体)的算法和控制方法。这些算法通常是为了控制数百甚至数千个机器人;然而，由于成本、时间或复杂性的原因，它们通常只在模拟中验证，或在一组几十个机器人上验证。为了解决这个问题，我们设计了kilbot，这是一种低成本的机器人，用于测试数百或数千(“千克”)机器人的集体算法机器人技术研究人员。每个机器人都具备蜂群机器人所需的基本能力，但其部件成本较低，大部分由自动化过程组装而成。此外，该系统设计允许单个用户轻松、可扩展地操作一个大型Kilobot集体，如编程、开机和为所有机器人充电。系统。

          我们现在正在使用Kilobot群来研究稳健集体行为的算法，比如集体运输，人群互动，形状自组装，以及将机器人个体能力与可实现的群体行为联系起来的新理论。查看我们的出版物和电影来了解更多关于这项研究的信息。

          Kilobot在2012年非洲机器人网络10美元机器人设计挑战赛中获得第一名。AFRON挑战的目标是为发展中国家的教育开发一种低成本机器人。Kilobot的设计可供非商业用途的开源，你也可以从K-Team公司购买Kilobot。我们也在开发新的示例程序和编程环境，以便在研究和教育中使用Kilobot。

        • Robobee项目

        • 蜜蜂群体表现出令人难以置信的高效和适应性行为作为一个群体，尽管单个蜜蜂比它生活的世界很小。蜂群定期在蜂巢2-6公里范围内寻找和开发资源，根据蜂群的环境和需要，调整探索和开发多种资源(花粉、花蜜、水)的蜜蜂数量，甚至在它们的世界发生剧烈变化时能够恢复。虽然还有很多有待了解的地方，但生物学家认为，许多复杂的群体行为都来自于蜂巢中蜜蜂之间相当简单的相互作用，因为它们共享信息并调整自己的选择。似乎没有领导者，没有中央集权，来协调蜂巢。

          实现昆虫群居群落的复杂性带来了许多挑战。它将涉及到复杂的协调算法的开发，以匹配我们期望在单个机器人蜜蜂中相当简单和有限的感知和通信。就像蜜蜂一样，利用群体作为一个整体的能力将是至关重要的——对并行性(探索大片区域)、能源效率(通过信息共享和分工)和鲁棒性(因为个体可能会失败或犯错误)。特别是由于每个机器人蜜蜂的重量和能量(以及传感/通信)都有很强的限制。

          与此同时，要管理一群机器人(有数千个或更多的个体)，就不能只管理一个机器人蜜蜂。我们将需要支持“全球到本地”方法的编程语言和理论工具。一个关键的挑战将是宏语言的设计和可扩展的实现，其中目标可以用群体的高级目标来表达，底层系统将目标转化为单个蜜蜂的决策，并随着世界的变化而重新优化。

          RoboBee蜂群挑战与计算机科学的许多其他领域共享——例如多机器人和机器人群系统，分布式传感器网络，编程语言研究，甚至合成生物学。我们的殖民地团队利用了多个学科的专业知识和知识，我们希望我们的方法可以应用于许多大型系统。

        • 集体建设

        • 白蚁丘可以是高耸的、复杂的结构，规模可达数米，具有复杂的功能结构，包括通风系统和湿度调节等功能。建筑师是大量毫米量级的简单昆虫，没有集中控制或预先规划。然而，这些动物从它们小小的、简单的、可消耗的个体，获得了巨大的复杂性、并行性和健壮性。成群的群居昆虫是如何建造它们所拥有的结构的，这是一个令人着迷的话题，人们还没有完全了解。工程学提供了一个互补的问题:你如何给一个人工机器人群编程来建造一个特定的结构?

          我们小组研究如何做到这一点。我们结合群体智能和可编程自组装的思想，创造算法、理论和机器人设计。我们已经开发了一个分散算法家族，简单的机器人-没有无线通信或GPS/定位-可以合作建立一个大类别的用户指定的结构模块化块。我们正在开发新的机器人平台例如，可以建造比自身大得多的块体结构的攀爬机器人，以及可以在非结构化环境中建造的材料存放机器人。最近，我们正在与生物学家合作研究和建模擅长构筑土墩白蚁在纳米比亚。

          集体建设有许多重要的潜在民用应用，从人类栖息地的建设到灾区的围护结构或支撑结构。这对机器人技术来说也是一个艰巨的挑战，在机械设计、操作、自主和多机器人协调方面都提出了许多有趣的挑战。

        • 可编程的自适应

        • 自适应多智能体系统的生物启发控制

          生物系统可以通过不可靠代理组成的庞大网络之间的局部相互作用，实现可扩展和适应性的群体行为，例如动物群集。在这些系统中，每个代理都是自主行动的，并且只与它的邻居相互作用，但全局系统表现出协调的行为。大规模的多智能体系统，如分布式机器人系统，与这些生物系统类似，它们的整体任务必须通过协调许多独立的智能体来完成。一个重要的问题是:我们如何对大型的代理网络进行编程，以实现集体任务，同时适应像生命系统那样的动态条件?

          我们的团队开发了一种生物启发的多智能体网络控制框架，以可伸缩、健壮和可分析的方式实现协调任务。我们关注的是分布式体内平衡，代理必须使用的一种任务类型分布式传感来解决集体任务和应对变化的环境。该任务空间可以更一般地表述为网络多智能体系统上的分布式约束维护，这种方法允许我们捕获各种多智能体场景和任务。我们展示了如何利用这个公式的局部性来设计基于简单感知、驱动和局部通信的最近邻代理控制。

        • 可编程软矫正器

        • 这个合作项目的长期目标是发展可编程主动软性矫形器(“可编程二次皮肤”)这可以帮助脑瘫儿童通过适应和补偿神经肌肉障碍，促进正常步态的发展。这种矫形器在许多方面都有潜在的影响:日常运动辅助，门诊康复，以及对幼儿步态控制的重新编程。

          该项目汇集了儿童运动发展、自适应模块化机器人和软机器人的概念和专业知识，以解决一个具有挑战性但重要的领域。

          我们的合作小组的工作涉及很多方面，从设计特定的目标设备(踝足矫正器)，到设计新颖的传感器-致动器材料，再到研究幼儿的运动。其中一些主要目标是:
          (1）轻便的衣服,比如矫正器采用软致动器、传感器和支架，不会限制腿固有的自由度
          （2）仿生学研究分布式设计有许多传感器和执行器，可以以不同的方式感知和控制多个自由度
          （3）human-adaptive控制，这样矫形器的工作与人的腿(手臂)补偿只需要指导正确的步态(任务)。我们也与儿童医院的脑瘫团队密切合作。

        • 无线传感器网络中的自组织同步与去同步

        • 几十年来，从简单个体自发产生的同步现象让科学家们着迷:数千个起搏器细胞同步产生一个心跳，萤火虫群同步它们的闪光形成一个强大的视觉灯塔。这些系统的强大功能之一是，简单、分散的节点行为导致整个网络健壮地保持同步，即使个别故障或拓扑变化。

          我们的团队感兴趣的是如何利用这些生物系统的灵感，为传感器网络设计简单的自组织算法，这种算法可以很容易地适应错误、拓扑结构的变化和使用的变化。我们已经展示了萤火虫启发的同步(脉冲耦合振荡器模型)是如何适用于解决ad-hoc无线传感器网络中不同类型的问题的。
          • 我们采用了萤火虫同步的Mirollo-Strogatz模型，用于存在消息延迟、时钟偏差和频繁拓扑变化的无线传感器网络。该算法(RFA-sync)在MicaZ微尘上实现，并在建筑范围内的MoteLab网络上进行测试(SENSYS 2005)。我们现在正在研究新的分散同步算法，它们使用相同的基本原理，但收敛速度更快。
          • 我们还展示了如何调整这些原则来生成其他有用的计时模式，例如去同步，其中节点尝试以完美的轮询方式闪烁，以便不干扰它们的邻居。我们利用DESYNC设计了一种无线传输无碰撞的自修复TDMA方案，使传输时间随着节点集的变化而自动适应(IPSN 2007)。这种时分多址方案在Telos微尘上得到了演示，它在低负载和高负载下都实现了近乎完美的带宽利用。我们现在正在研究在多跳网络中，DESYNC算法和TDMA方案的行为，这些网络与图着色和分布式一致性等问题有密切的关系。

        • 增殖网络与上皮组织

        • 从细胞分裂到网络拓扑

          果蝇的翅膀是一个神奇的自我组装的例子。

          翅膀从一个只有30个细胞的小圆盘开始，经过许多轮的分裂，直到变成一个大约有3万个细胞的大组织。在这段时间里，翅膀还创造了重要的结构，从鹅卵石般规则的细胞形状，到铺设静脉的模式，到控制整个器官的大小和形状。许多研究者将该系统作为多细胞生物发育的模型进行研究。与此同时，翅膀属于动物王国中常见的一类组织(与植物类似)，称为上皮组织。因此，它与其他多细胞生物有许多有趣的特性，并为我们提供了关于多细胞系统进化的线索。

          我们对……感兴趣本地和全球之间的链接，即，细胞的局部决定如何导致高层次的组织结构?反之亦然，高水平的组织结构能给我们关于细胞如何做出决定的线索吗?我们的方法包括将组织视为一个扩展的细胞连接网络(图)，并使用不同的技术来理解这张图的属性。我们有一系列关于这个主题的论文，其中包含了我们的大部分工作。

          与我们的长期合作者一起，马特·吉布森博士(充填工研究所)诺伯特•Perrimon博士(哈佛医学院)我们正在调查这个系统。这项工作首先由2009年毕业的应用数学学生Ankit Patel领导，然后由2011年毕业的生物物理学学生William(“Tyler”)Gibson领导。

        • 空间多智能体系统模式形成的局部到全局理论与全局到局部规划

        • 理解和设计自组织多智能体系统的困难之一是缺乏让我们发问的理论模型关于可计算性和复杂性的基本问题。给定一个全局目标和一个多智能体系统，其中智能体的能力有限(有限状态，有限视野)，我们可以提出许多理论问题:全局任务是否可解?健壮地解决任务所需的最小代理功能是什么?并行性和可伸缩性的下限是什么?这些理论问题的答案具有重要的实际意义:它们告诉我们全局到局部算法和编译器能够实现的基本限制，以及代理设计如何限制系统能够解决的任务集。

          我们最近发展出了一个全球性和地区性的理论可以回答这些问题的异步元胞自动机上的自组织模式形成任务。这项工作是由丹尼尔·亚明斯(Daniel yamin)开发的，作为他的博士论文，部分灵感来自于果蝇胚胎等生物系统实现的惊人的健壮和复杂的模式形成，以及模式形成思想在机器人群、模块化机器人和自组装中的工程应用。

          这项工作的一些贡献是:
          • 我们证明了存在一个充要条件，局部可检性，这不仅让我们回答了存在的问题，而且还产生了自我修复模式形成的最小国家代理程序。局部可检查性可以被认为是一种分布式投票(或停止)条件，可以用来解决三个问题。
            1. 一个存在的问题:局部可检查性形成了一个简单的准则，任何鲁棒可解目标都必须满足。如果一个模式不是本地可检查的，那么任何健壮的本地规则都无法对其进行自组织。局部可检查性的最小半径为我们提供了一种推理最小代理程序的方法。我们已经使用局部可检查性来显示几种常见模式(重复的、规模不变的)的代理状态和通信的下界。
            2. 一个建筑的问题:对于所有局部可检查的模式，我们可以使用局部检查算法推导出稳健地生成它的局部规则。局部智能体规则通过构造具有尺度不变性(适用于智能体数量的变化)、鲁棒性(适用于任何初始条件和异步定时)和自修复性(扰动后模式重新出现)。
            3. 资源问题:该模型的两个主要资源参数，代理交互半径和代理内存大小，存在于一个半径状态的资源权衡中。我们描述了沿着大半径/低状态和低半径/高状态实现之间的连续统一体进行调整的算法。

        • 可编程自组装:生物启发，模块化机器人和蜂群

        • 具有相同DNA的细胞协同创造出复杂的结构，从果蝇到人类，在面对细胞死亡、细胞数量的变化和环境的变化时，它们具有令人难以置信的可靠性。即使在发育之后，多细胞生物仍表现出惊人的修复和再生能力。然而，细胞群并不是创造复杂结构的唯一生物。即使是群居的昆虫群体(“超生物”)也显示出创造具有自我修复能力的复杂大规模结构的能力，例如毫米大小的白蚁合作创造具有2-5米高的复杂结构的土堆，编织蚁创造桥梁和拉链折叠树叶，军蚁用自己的身体创造巢穴(露营地)。

          我们的团队从这些系统中获得灵感来理解如何通过简单的局部行为来实现全球结构、修复和适应。我们对可编程自组装及其在可编程材料设计、自重构模块化机器人和协调机器人群中的应用感兴趣。我们工作的一个重点是设计全球性和地区性的编译器，其中目标使用高级形状语言描述，编译器自动将用户指定的全局目标转换为可证明的代理(“cell”)程序。我们在这一领域的工作是以算法和理论为导向的，但在许多情况下也与机器人实现密切相关。以下是我们追求和已经追求的几个与自我组装相关的主题:
          • 自组装和自重构模块化机器人
          • 使用全局到本地编译器的仿生自组装
          • 移动Agent群的自修复编队控制

        • 扩展Stigmergy

        • 群居昆虫，如蚂蚁和白蚁，共同建造大型和复杂的结构。这些动物实现了巨大的复杂性，并行性和健壮性，尽管个体很小，简单，可消耗。一个问题是，我们能否在机器人身上实现同样的集体智能:一组简单的机器人能否以类似的自适应和稳健的方式，共同构建复杂的用户指定结构?

          我们已经开发了一个分散算法家族，简单的机器人-没有无线通信或GPS/定位-可以合作建立一个大类别的用户指定的结构模块化块。我们工作的一些主要主题和贡献如下:
          • 简单的机器人和扩展的污名:简单的机器人，没有GPS或无线，可以通过在环境中存储信息来间接协调——这个想法是受到了白蚁和蚂蚁等群居昆虫的启发。在我们的案例中，“块”提供了一种本地化和协调的方法，例如，通过提供网格状环境和允许机器人存储信息(例如，嵌入可写RFID标签)。
          • 通过当地规则形成连贯的结构:我们认为这种构造过程是一种晶格自组装。这允许我们利用可编程/算法自组装的想法，为复杂的2D形状自动生成局部规则。当地规则可被证明创建了正确的结构，即使组装可能在许多可能的分散命令中进行，一些步骤可能会失败;他们还考虑到机器人的运动和操作约束。
          • 算法和理论:这种方法表明，集体建构与其他种类的自组装(从DNA自组装到模块化机器人)在算法上密切相关，尽管它以非常不同的规模存在。该算法推广到其他实现(如:自重构机器人)和一些相关的任务(如3D结构和拆卸)。仍然有许多开放算法的挑战，特别是在环境适应结构。
          • 机器人的硬件:另一个重要的推动力是物理原型的设计。我们已经用简单但自主的机器人(ER1和乐高平台)和带有rfid标签的积木，建造了几个可以构建二维结构的机器人。我们的硬件实现展示了简单机器人可以实现的自主水平和一致行为，也展示了块的协同设计(例如使用自对准连接器，RFID标签)如何允许机器人通过操纵环境来完成更复杂的任务。