• 受蜜蜂生物学和昆虫蜂房行为的启发……

• 我们的目标是推动微型机器人和紧凑型高能电源设计的进步;推动超低功耗计算和电子“智能”传感器的创新;改进协调算法来管理多台独立的机器。

• Robobees

• • 
  • • 身体，大脑和群体的集合
      
      实际应用
      
      协调敏捷的机器昆虫可用于多种目的，包括:
      • 自动授粉:自动给田地里的庄稼授粉;
      • 搜索和救援(例如，在自然灾害之后);
      • 危险环境勘查;
      • 军事侦察;
      • 高分辨率天气和气候制图;而且
      • 交通监控。
      这些都是自主机器人开发过程中通常调用的普遍应用程序。然而，通过协调大量小型、敏捷的机器人来模仿昆虫群体的身体和行为健壮性，我们将能够更快、更可靠、更有效地完成这些任务。
      
      愿景和目标
      
      合作者们设想，这项受自然启发的研究可以让人们更好地理解如何人工模仿蜂群的集体行为和“智能”;培养设计和构建电子替代神经系统的新方法，能够灵活地感知和适应不断变化的环境;推进小型飞行机械装置的研制工作。
      
      更广泛地说，科学家们预计这些设备将开启广泛的发现和实用创新，推动从昆虫学和发育生物学到非晶计算和电子工程等领域的发展。
      
      通过与波士顿科学博物馆的合作，该团队还将创建一个互动展览，以教育和激励未来的科学家和工程师。
      
      这个团队
      
      研究人员主要来自哈佛大学工程与应用科学学院，他们将与哈佛大学文理学院的生物和进化生物学系以及东北大学生物系的教员进行合作。
      
      此外，位于华盛顿特区的微电子公司Centeye将提供技术知识，该公司专门从事视觉芯片和视觉传感器技术。
      
      许多合作者都是新成立的威斯生物激励工程研究所的核心教员。由于这项工作特别符合Wyss“利用自然的设计原则创造新材料和设备”的使命，研究所和SEAS将在支持研究、提供实验室空间和实物资金支持方面发挥关键作用。
      
      资金
      
      哈佛大学是接受美国国家科学基金会“计算机探索”项目最新一轮奖励的三所领先机构之一。
      
      该项目由计算机与信息科学与工程理事会(CISE)去年建立，为CISE的研究和教育界提供了追求雄心勃勃的基础研究议程的机会，这些议程承诺定义计算和信息的未来，并为社会带来巨大的利益。Expeditions公司每年的投资高达200万美元，为期5年，是目前董事会最大的单项投资之一。

• 的研究概述

• • 
  • • 这个项目的首要目标是在机器人传粉者的目标下结合多个不同的研究课题。通过汇集来自生物学、计算机科学、机械和电气工程领域的专家，我们的最终产品将远远超过各个部分的总和。
      
      尽管如此规模的项目依赖于大量的相互作用，需要研究人员之间的紧密合作，但拟议中的研究可以巧妙地分为前面提到的三个类别:身体、大脑和群体。
      
      机体涉及拟议工作的所有方面，围绕扑翼机器人的建设。我们将探索自由飞行力学和性能的几个方面，以指导我们自主机器人蜜蜂的设计。
      
      大脑整合了所有传感器、控制(即算法和软件)和电路(即硬件)，以协调RoboBees的飞行和目标识别能力。
      
      该群体包含以协作方式完成复杂任务的目标所需的更高级别支持。我们寻求利用殖民地作为一个整体，以实现并行、节能和健壮的操作。
      
      该项目强调跨越广泛科学和工程学科的研究人员之间的合作，以实现其雄心勃勃的目标。它还提供了一个令人兴奋的平台，通过它与公众以有形的、容易获得的方式分享科学和技术突破。

• 身体

• 通过利用伍德教授的微型机器人实验室现有的突破，该实验室在2007年首次成功地进行了真人大小的机器人苍蝇的飞行，该团队将探索在他们提出的设备中模仿这种飞行壮举的方法。此外，实现自主飞行将需要紧凑的高能电源和相关电子设备，无缝集成到机器的“身体”。
  
  人工蜜蜂群体的机器人平台将利用昆虫生物力学和扇动翅膀的流体动力学原理来设计。正确设计机器蜜蜂的所有机械和航空机械部件是至关重要的，因为推进效率将决定飞行时间，有效载荷的限制将决定传感器、通信和其他机载电子设备的尺寸和质量。
  
  同样，执行器的功率要求需要开发高效的驱动电子设备，并需要具有高能量重量比的便携式电源。因此，对昆虫驱虫车的力学和空气动力学耦合特性进行严格的研究，对该项目的成功至关重要。
  
  机体的实现将需要广泛的研究(1)空气动力学和扑翼飞行的控制，(2)飞行装置的设计和制造，(3)便携式电源和驱动电子。
  
  标题:小RoBeep:微型自治系统的电源
  
  团队:Shriram Ramanathan(教师)、Kian Kerman、Suhare Adam(研究生)、Siya Xuza(本科生)、Quentin van Overmeere和Yuto Takagi(访问学者)
  
  文摘:
  
  可以嵌入硅和kapton平台的微型薄膜固体氧化物燃料电池已经开发出来。本研究在材料研究和设计方面做了大量的工作，包括以下几个方面:1)合成用于高性能燃料电池器件的薄膜形式和悬浮膜形式的氧化物电解质和电极材料，2)基本了解极端化学势梯度下封闭结构中的离子和电子输运，3)详细分析燃料电池性能和限制因素，4)制造集成燃料电池到机器人皮肤，这需要深入理解热机械稳定性中的微观结构效应。迄今为止的主要成果包括第一次可扩展的薄膜固体氧化物燃料电池的演示，通过设计多功能氧化物阳极在燃料电池中储能的演示，在包括氢、甲烷和天然气在内的各种燃料中的高性能运行。该项目还为多样化的本科生和研究生群体提供了教育和研究培训。与项目中的其他pi有很强的合作，包括Mahadevan教授和Wood教授。
  
  题目:昆虫的柔性翅膀与湍流中的飞行稳定性
  
  团队:身体
  
  我们正在研究昆虫结构和飞行控制的几个方面，它们在活昆虫的特殊飞行性能中起着关键作用，与高效、稳定的机器人蜜蜂的设计直接相关。我们目前的项目集中在两个在生物学和工程学文献中仍然知之甚少的领域:机翼灵活性对气动力产生的影响，以及湍流、非定常气流对扑动飞行稳定性的影响。我们最近提供了第一个明确的实验证据，证明昆虫翅膀的灵活性可以提高空气动力的产生。通过实验加强大黄蜂翅膀的柔性静脉关节，我们表明被动弯曲，特别是当翅膀在每半行程结束时停止并反向时，显著提高了空气动力的产生。我们还证明了几种不同的翅膀设计策略(包括在过度受力下屈服的柔性区域)可以减少昆虫翅膀因与障碍物碰撞而积累的损伤。最后，我们通过风洞试验，在不稳定的结构尾迹中进行稳定性和控制，以及户外跟踪试验，探索复杂的环境气流对昆虫飞行稳定性的影响，这些试验探索了昆虫如何在有风的湍流条件下改变它们的运动模式。
• • 

  • 机械装置的主体

• • 

  • 芯片规模的固体氧化物燃料电池阵列

• • 

  • 光彩夺目的蜜蜂

• 大脑

• 
• 科学家们将要进行的最复杂的探索领域之一将是创造一套人造“智能”传感器，类似于蜜蜂的眼睛和触角。魏教授解释说，最终目标是设计动态硬件和软件，作为设备的“大脑”，控制和监测飞行，感知其他设备和其他物体等物体，并协调简单的决策。
  第二组研究课题涉及“大脑”的发展，以协调身体的所有活动，并执行更高阶的殖民地任务目标，稍后将进行描述。
  
  这将包括本体感觉和外部感觉传感器、电子神经系统(ENS)和控制算法。就像车身的重点是轻量化和能量高效率的推进组件一样，大脑的重点将包括计算效率控制、紧凑高效的传感器和节能的电子硬件。
  
  该图说明了昆虫神经系统(双翅目)的功能描述，以及与神经系统内部工作相对应的功能的物理表现的混合结构框图。
  
  虽然我们不打算建立一个一对一的复制品，但我们再次使用昆虫生物学来指导我们设计人工大脑。

• 殖民地

• • 
  • • 蜂群作为一个群体表现出令人难以置信的高效和适应性行为，尽管单个蜜蜂与它所生活的世界相比微不足道。蜂群有规律地在蜂巢2-6公里范围内寻找和开发资源，根据蜂群的环境和需求调整探索和开发多种资源(花粉、花蜜、水)的蜜蜂数量，甚至可以在它们的世界发生巨大变化时恢复过来。虽然还有很多需要理解的地方，但生物学家认为，这些复杂的群体行为中，有许多来自蜂巢中蜜蜂之间相当简单的互动，因为它们分享信息，调整自己的选择。似乎没有领袖，没有中央集权，来协调蜂巢。
      
      要实现社会性昆虫群落的复杂性带来了许多挑战。它将涉及复杂的协调算法的开发，以匹配我们对单个机器人蜜蜂相当简单和有限的传感和通信的期望。就像蜜蜂一样，利用整个群体的能力将是至关重要的——对于并行性(对大面积区域的探索)、能源效率(通过信息共享和劳动分工)和稳健性(因为个体可能失败或犯错)来说。特别是由于每个机器人蜜蜂的重量和功率(以及它所携带的传感/通信)都有很强的限制。
      
      与此同时，要管理一群机器人(拥有数千或更多个体)，就不能管理单个机器人蜂。我们将需要支持“全局到本地”方法的编程语言和运行时工具。一个关键的挑战将是宏语言的设计和可伸缩实现，其中的目标可以用蜂群的高级目标来表示，底层系统将目标转换为单个蜜蜂的决策，并随着世界的变化而重新优化。
      
      RoboBee群体面临的挑战与计算机科学的许多其他领域一样，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适用于许多大型系统。
      
      我们目前的一些努力包括
      
      (1)因果规划系统和随机控制策略
      
      (2) Simbeeotic仿真环境
      
      (3) Heli-testbed环境
      
      (4)蜜蜂信息共享模型