Вчені створили роїнний інтелект, базуючись на принципах архітектури людської нервової системи.

Протягом останніх двох десятиліть, як зазначили вчені Брюссельського вільного університету (Бельгія), дослідження в сфері роєвого інтелекту продемонстрували можливості управління великою кількістю автономних роботів без наявності центрального координуючого робота. Ці емерджентні системи розраховані на колективну поведінку різних об'єктів, кожен з яких виконує прості функції, взаємодіючи з іншими. Подібні технології інженери використовують для вирішення найрізноманітніших задач: моніторингу навколишнього середовища, навігації та транспортування, будівництва.

Традиційно архітектура більшості таких роїв роботів є самоорганізованою гетерархією, оскільки спочатку штучний роєвий інтелект створювався на основі біологічних систем соціальних або громадських комах. До них належать, наприклад, мурахи, оси, бджоли, які формують сезонні або багаторічні сім’ї. Однак досі небагато спеціалістів у сфері штучного інтелекту змогли побудувати ефективну ієрархію в структурі агентів-роботів.

Бельгійські вчені створили самоорганізуючі нервові системи (self-organizing nervous systems, або SoNSs), які є родичами людських. При такій структурі роя роботи формують багаторівневі системні архітектури і займають певні позиції в ієрархії керівництва, найвища з яких — «мозок». Він направляє і контролює групові дії під час місії, діючи при цьому як тимчасовий координатор.

Будь-який агент на будь-якому рівні ієрархії може бути взаємозамінним з іншим, навіть з «мозком». При цьому роботи «спілкуються» лише з найближчими сусідами, щоб мати можливість змінювати конфігурації та перенастроювати динамічні системні архітектури.

Незалежно від ієрархічного положення сусіда, робот намагається його «завербувати». Якщо агент перебуває або нещодавно перебував у тій же нервовій системі, що й конкурент, або його якість гірша за власну, він відмовляється. За інших умов сусід погоджується і стає «дочірнім» роботом «батька», зливаючись з ним і залучаючи своїх нижчестоящих «нащадків».

Водночас «батько» може замінити і потенційно знизити статус вже призначеного дочірнього елемента на той, який краще відповідає в цей момент. Вимкнений «нащадок» автоматично відновлює роботу в якості «мозку» власної системи і відповідним чином оновлює свій цільовий граф. Виконуючи ці операції, роботи в SoNS можуть безперервно перерозподілятися.

Унікальність розробки полягає в тому, що система має переваги керованості централізованих систем і в той же час зберігає масштабованість, гнучкість і відмовостійкість самоорганізуючої мережі, тобто здатність зберігати свою працездатність після відмови однієї або декількох її складових частин.

Автори дослідження пояснили, що SoNS дозволяє програмувати рій так, наче це був один робот, а не ціла «популяція», і це значно полегшує можливість інтегрувати їх у практичні застосування. Зазвичай саме на етапі перенесення технології з лабораторних умов у реальні і виникають труднощі.

Інженери з Бельгії провели чотири місії. Кожна включала як мінімум п’ять випробувань з реальними повітряно-земними роботами (до 12 агентів) і з використанням спеціально розробленої квадрокоптерної платформи, а також 50 випробувань у режимі моделювання (до 65 роботів).

У всіх експериментах роботи виконали місію. Вони досліджували навколишнє середовище, прокладали маршрут, рухалися і планували наступні кроки для виконання задачі: наприклад, шукали і рятували зниклих «побратимів».

Крім того, вчені продемонстрували масштабованість підходу SoNS у роях чисельністю до 250 роботів у фізичному симуляторі та кілька типів відмовостійкості системи в моделюванні та реальності. Цей внесок у розвиток роєвого інтелекту в робототехніці допоможе створити нові рішення, за яких роботи виконуватимуть завдання швидше і ефективніше. Зокрема, такий підхід був би застосовний у пошукових і рятувальних операціях під час стихійних лих або природних катастроф.

Наукова робота опублікована в журналі Science Robotics.