想要完成龐雜的義務，有時候光靠一臺機械人是不敷的。算法使機械人團隊可以完成義務，如測繪或搜索和救濟，并將虛耗的精神降到最低?？紤]一下探求正在森林中迷路的徒步旅行者的搜救義務，救濟人員大概想要安排一隊輪式機械人正在森林中周游，也許還可以借助無人機由高空搜索現場，機械人團隊的利益是昭然若揭的。
然則調和這個團隊并非一件簡樸的事情。若何確保機器人不容易反復相互的勉力，或在撲朔迷離的搜索軌跡上糜費能量？
麻省理工學院的研究人員設計了一種算法，以確保收集信息的機器人團隊的協作富有成效。他們的方式依賴于均衡所收集的數據和所消費的能量之間的衡量，這消除機器人也許為了取得一點點信息而虛耗施行行動的時機。研究人員說，這類包管關于機器人團隊正在龐大、不行猜測的環境中取得成功至關重要。"麻省理工學院航空航天系（AeroAstro）的博士生Xiaoyi Cai說："我們的方式供應了慰藉，由于我們曉得它不容易失利，這得益于算法的最壞情況下的浮現。
這項研討將在5月進行的IEEE機械人和自動化國際會議上頒發。Cai是該論文的重要作者。他的配合作者包孕麻省理工學院R.C. Maclaurin航空和航天學傳授Jonathan How；賓夕法尼亞大學的Brent Schlotfeldt和George J. Pappas；和加利福尼亞大學圣地亞哥分校的Nikolay Atanasov。
機械人團隊常常依賴一個整體法則來收集信息。越多越好。Cai說："我們的假設是，收集更多的信息永久不會有弊端。若是有肯定的電池壽命，我們就用它來得到盡量多的信息。這一目的平常是按挨次施行的--每一個機械人各自評價狀況并打算其軌跡，一個接一個，構成一個簡單明了的步伐，當信息是獨一的目的時，它平常運作優秀，但當能源效力成為一個因素時，題目就涌現了。收集分外信息的利益常常伴隨著工夫的推移而淘汰。比方，若是您已有99張叢林的照片，大概不值得派一個機械人去拍攝第100張照片。"我們要認識到信息和能源之間的衡量，讓更多的機械人四周挪動其實不老是功德。當您考慮能源本錢時，它事實上大概會更糟。"
研究人員開發了一種機器人團隊打算算法，優化了能量和信息之間的均衡。該算法的 "目的函數"決議了機器人所提出的使命的價值，它思量到了收集分外信息的收益遞加和能源本錢的上升。取之前的打算辦法差別，它其實不只是按次序為機器人分配使命。"這更像是一種合作起勁，機器人自身想出了團隊打算"。
Cai的要領稱為分布式部分搜索，這是一種通過從團隊的團體籌劃中提升或刪除單個機器人的軌跡來進步團隊性能的要領。首先，每一個機器人自力生成一組它大概尋求的潛在軌跡。接下來，每一個機器人向團隊的其他成員提出其軌跡。然后，該算法接受或謝絕每一個人的認為，這取決于它是不是提升或減少了團隊的目的函數。"我們同意機器人自身籌劃他們的軌跡，"Cai說。"只有當他們需求提出團隊籌劃時，我們才讓他們舉行協商。所以，這是一個相稱渙散的盤算。"
分布式當地搜索正在測算機模仿中證明了它的威力。研究人員正在調和一個由10個機器人構成的模仿團隊時，將他們的算法取競爭者的算法進行了對照。雖然分布式當地搜索破費的測算工夫略多，但它包管了機器人義務的勝利完成，局部原因是它確保了沒有團隊成員為了最小的信息而墮入糜費的無盡探險中。
俄勒岡州立大學的機器人專家杰夫-霍林格（Geoff Hollinger）示意，這項進度有朝一日能夠幫忙機器人團隊辦理能源是有限資源的實際天下的信息收集題目，"這一些手藝適用于機器人團隊需要在傳感質量和能源消耗之間開展衡量的中央。這將包含空中監督和海洋監測"。
Cai還指出了正在測繪和搜救方面的潛正在使用--這一些流動依賴于高效的數據收集。改進這類信息收集的根基才能將是相稱有影響的。研究人員接下來計劃正在實驗室的機器人團隊上測試他們的算法，包孕無人機和輪式機器人的組合。