推荐！《自主交互蜂群变换基础》美海军研究实验室58页技术报告

在自然界和机器人学中，自主集群（蜂群）由具有有限动力和简单规则的移动智能体组成，它们合作产生突发的大规模一致性行为。这种一致性是动态的，以自我组织的稳定和适应性时空模式的形式出现。这种机器人群动态的国防应用的例子包括自主雷达干扰、瞄准、跟踪和监视。自主集群行为取决于许多因素，从通信强度到噪音、延迟、网络拓扑结构，以及敌对智能体的存在--所有这些都可以用来控制和破坏蜂群的意图。集群（蜂群）理论的一个核心和开放性问题涉及研究蜂群实现稳定的自组织行为的条件，以及外部和内部力量如何破坏蜂群动力学的稳定。这种力量可能来自通信拓扑结构的变化、吸引和排斥力以及多个相互作用的蜂群，其中一个蜂群可以改变另一个蜂群的行为。

在本报告中，我们考虑了三个主要议题，这些议题涉及突发自组织蜂群的开放问题。首先，我们通过研究其分叉结构，考虑在存在范围相关的通信网络的情况下，蜂群的稳定性如何作为系统参数的函数发生变化。然后，我们看了目前的蜂群模式的混合现实实验来验证以前的分叉分析。最后，我们展示了一个蜂群如何通过将两个蜂群碰撞在一起而改变另一个蜂群的行为。

具有距离相关通信时延的大规模蜂群环面分叉

蜂群模型采用了全局耦合的蜂群，并明确放宽了固定延迟的假设，包括基于固定通信半径的范围相关延迟。我们表明，当包括与范围有关的延迟时，就会引入新的频率，并产生环形的分叉。其结果是一个蜂群，只取决于几个参数。这里的结果对机器人蜂群很重要，其目标之一是在没有外部控制的情况下，自主地产生所需的模式。这里预测的模式形成显示了延迟的信息，无论是来自通信、行动还是两者，都会影响蜂群状态的稳定性，如环形和/或旋转状态。通过揭示模式不稳定的那些参数区域，我们提供了在存在与范围有关的延迟的情况下自主可得的蜂群状态的全面特征。

混合现实实验中延迟引起的蜂群模式分叉

在这项工作中，我们通过提出一个混合现实的实验框架来解决工程化蜂群系统的这些实验挑战，作为走向全面实验验证的第一个重要步骤。混合现实是在模拟和现实世界中同时使用虚拟机器人和真实机器人，它保留了物理机器人的关键特征，同时能够扩展到更多数量的智能体，或更大的工作空间，而不受到资源的物理限制。混合现实带来的好处包括：能够与大量的机器人一起工作，并确保人类机器人互动的安全性。由于所需的机器人数量减少，使用混合现实技术的实验成本较低，同时还能从几个真实的机器人中引入现实世界的复杂动态。混合现实是向理论研究结果的全面实验验证迈出的重要第一步。此外，混合现实框架提供了对理论和改进实验设计的额外见解的机会。

我们目前的研究使用混合现实作为进一步研究Szwaykowska等人提出的控制器的方式，并在实验中绘制出物理参数方面的完整分叉图。除了揭示蜂群动力学的分叉结构外，我们还将重点了解行为之间的转换和增加防撞的影响。新的实验使用两个不同的感兴趣的平台：一个使用无人驾驶飞行器（UAV），另一个使用自主地面车辆（ASV），都在一个混合现实框架内。使用两个不同的平台有几个优点。首先，它测试了不同平台和巨大的不同时间尺度的延迟耦合群的普遍分叉结构。其次，它允许在实验过程中安全地测试不同数量的机器人和约束。

碰撞蜂群——用一个蜂群控制另一个蜂群

由于自然蜂群的稳健性、可扩展性和集体解决问题的能力，许多研究都集中在设计和构建具有大量且不断扩展的平台以及虚拟和物理交互机制的移动机器人群上。这类系统的应用范围包括探索、绘图、资源分配和用于防御的群组。

由于近年来机器人系统的整体成本大幅下降，在现实世界中使用人工群已成为可能。这就引入了让多个蜂群占据同一物理空间的可能性，从而导致相互之间的互动和对彼此动态的扰动。随着这种蜂群之间相互作用的可能性增加，对多个蜂群如何碰撞和合并的理解变得很有必要。

尽管人们对具有物理启发的、非线性相互作用的单个孤立蜂群的行为和稳定性有很多了解，但对多个这样的蜂群的交叉动力学却知之甚少，即使在一个蜂群是单个粒子的情况下，如捕食者-猎物模型中。最近的数值研究表明，当两个蜂群发生碰撞时，所产生的动态通常表现为蜂群合并成一个单一的蜂群，作为一个统一的蜂群进行研磨，或散射成单独的复合蜂群向不同方向移动。虽然很有趣，但需要对这些行为如何以及何时发生有更详细的分析了解，特别是在设计机器人实验和控制其结果时。

为了取得进展，我们考虑了一个在自推进力、摩擦力和成对相互作用力影响下运动的移动智能体的通用系统。在没有相互作用的情况下，每个个体都倾向于一个固定的速度，这平衡了它的自推进力和摩擦力，但没有首选方向。

结论

我们考虑了自主蜂群中的三个基本的开放性问题：在存在范围相关的通信网络的情况下，蜂群的稳定性如何作为系统参数的函数而变化。目前混合现实实验的蜂群模式的动态，以验证以前的分叉分析。最后，我们展示了一个蜂群如何通过两个蜂群的碰撞来改变另一个蜂群的行为。

具体来说，我们考虑了一个具有延迟耦合通信网络的蜂群的新模型，其中延迟被认为是与范围有关的。也就是说，给定一个范围半径，如果两个智能体在半径之外，延迟就是开，否则就是零。其含义是，如果智能体彼此靠近，小的延迟并不重要。额外的范围依赖性创造了一套新的分叉，这是以前没有看到的。对于没有延迟的一般蜂群，通常的状态包括成群（平移）或环形/旋转状态，智能体以相位传播。随着固定延迟的增加，旋转状态分叉，所有的智能体都处于相位，一起旋转。范围依赖性引入了一个新的旋转分叉状态，表现为观察到的新的混合状态，结合了环形和旋转状态的动力学。半径参数，被用来量化旋转混合状态的分叉。对于小半径，我们看到整个蜂群的动力学显示出集群的反旋转行为，是周期性的。这与平均场描述中的小半径值一致。随着半径的增加，混合的周期性状态在整个模型中产生了新的频率，这些频率在平均场中表现为环形分叉。均值场分析是通过跟踪以复数对形式穿过虚轴的Floquet乘数来完成的。频率分析明确地显示了均值场中的额外频率。

最后，我们跟踪了不同半径值的耦合振幅和延迟的位置，定位了发生环形分叉的参数。结果显示，随着延迟半径的增加，环形分叉在较低的耦合振幅和延迟值上发生。其含义是，如果包括延迟的范围依赖性，比周期性运动更复杂的行为在理论和实验中被观察到的概率更大。

通过操纵通信延迟和耦合强度，我们采取了第一个重要步骤，利用混合现实测试不同的突发蜂群状态。混合现实框架允许通过使用模拟来增加智能体的数量，同时保持关键的现实世界的相互作用，这是很难用物理平台来建模的，从而对突发的蜂群行为进行研究。由于混合现实可以处理许多不同的抽象层次，我们能够使用两个不同的机器人平台来验证蜂群行为。我们选择了行为所需的抽象水平，在我们的案例中，它集中于表现出简单的动态和使用延迟信息的智能体，就像在现实世界中一样。ASVs和UAV都测试了所有三种理论上预测的行为，以及预测的蜂群状态之间的转换。这强调了所提出的蜂群模型有可能适用于各种平台，并强调了通信延迟对系统行为的影响。

有一系列的理论支持所提出的模型，所提出的结果是显示理论有效的重要步骤，同时也证明了有一些感兴趣的领域是理论所没有捕捉到的。理解这个系统的多重稳定性在分析上是很困难的，但是通过使用模拟和混合现实，我们能够观察到多重稳定性，以及它在与真实车辆配对时对拟议的理论模型的影响。

这项工作的下一步包括调查增加更多的现实世界的假设如何改变预测的出现模式。例如，由于网络的限制，我们的全局耦合的通信模型在所有真实的机器人中并不实用。下一步是研究基于范围的通信的影响。虽然经常对同质智能体进行研究，但也可以考虑异质性的影响，这可能需要使用不同类型的防撞措施来说明不同的硬件限制。最后，存在不同的动态模型，其中可以添加延迟。这就提出了新的潜在模式，可以使用所述的分析形式进行研究。这些变化将继续增加对我们当前模型的理解，以及对物理世界中这种类型的突发行为的使用。

最后，我们研究了具有非线性相互作用的两个蜂群的碰撞，并特别侧重于预测这种蜂群何时会结合成一个群体。与完整的散射图不同的是，它取决于一组特定的初始条件是否属于集群的高维吸引盆地（一般来说是一个困难的问题），我们集中于预测在近乎正面碰撞时维持一个集群所需的最小耦合。通过注意到最终形成碰撞群，最初是围绕一个密度近似恒定的共同中心旋转，我们能够将临界耦合的问题转化为确定均值场近似的极限循环状态的稳定性。我们的分叉分析与许多智能体的模拟结果一致。尽管我们的分析直接涉及到软核内互动的蜂群，但只要智能体之间的非线性力有一个有限的范围，基本方法可以很容易地扩展到更广泛的模型。此外，提高我们分析的准确性的一个直接方法是超越均匀密度假设，用具有一般相互作用的蜂群状态的精确稳态密度来取代它。除此之外，下一步的改进将是直接包括密度动力学，这可能为控制蜂群碰撞提供进一步的见解，包括在其他设置中，如蜂群。尽管如此，这项工作为理解和分析非线性蜂群碰撞迈出了重要的一步。