未经深思熟虑的群体感应:在多机器人系统中将计算外部化到物理空间的生物灵感( Quorum sensing without deliberation: biological inspiration for externalizing computation to physical spaces in multi-robot systems )

Theodore P. Pavlic Jake Hanson Gabriele Valentini Sara Imari Walker Stephen C. Pratt

从细菌到节肢动物到灵长类动物，群体感知(QS)在自然界的分布式多智能体系统中普遍存在，并被提出作为工程系统的一种有用的分布式算法，从多机器人系统到互联网服务器群。实现QS要求小组集体整合关于他们的数字的信息，并根据这些数字就行动达成共识。在蚂蚁中使用QS的巢址选择任务中，对偶遇率的敏感性被认为是个体如何感觉到已经达到法定人数的机制。然而，关于个体蚂蚁如何估计接近临界速率的程度，人们知之甚少。由计算机科学家提出的蚂蚁启发的QS算法要么严重依赖于Agent之间的通信，要么依赖于个体Agent在与其他人的多次接触中积累信息的能力。通信和重要的记忆存储可能超出了大型集体中小规模机器人的简单能力。或者，如果认知体现在整个主体群体及其物理环境中，那么认知能力可能远远超过每个个体的能力。为此，我们提出了一种基于生物启发的受限空间内移动Agent的QS算法。我们的方法不需要个人交流或在长时间的接触中计数；相反，QS是由可移动的可激动剂之间和物理空腔之间的随机相互作用产生的。我们在仿真中验证了对算法性能的理论预测，并表明该算法与真实蚂蚁的精度和响应时间数据有很好的定性一致性。更广泛地说，我们的算法提供了一个新的、具体的例子，说明蚂蚁如何作为移动神经元的假设动态网络的概念模型。

SciDown文献求助系统（解决99%问题） Public Download ResearchGate