《PLOS Complex Systems》：Patience is a virtue: How nature achieves group navigation with minimal cooperativity
编辑推荐：
摘要：在受限环境中进行群体导航，随着局部群体密度的增加，若无堵塞机制则难以实现。昆虫及其他认知简单的生物能够轻易完成这一壮举，这一事实表明必然存在一种分布式计算解决方案，其中问题的复杂性被分解为大量个体决策，每个决策仅需关于周围环境的少量信息。研究人员通过研究
摘要：在受限环境中进行群体导航，随着局部群体密度的增加，若无堵塞机制则难以实现。昆虫及其他认知简单的生物能够轻易完成这一壮举，这一事实表明必然存在一种分布式计算解决方案，其中问题的复杂性被分解为大量个体决策，每个决策仅需关于周围环境的少量信息。研究人员通过研究社会性蟑螂（social cockroaches）的集体导航能力来验证这一假设，并证明它们比非社会性的鬃毛机器人（bristlebots）更能有效避免拥堵。研究人员利用这些观察结果设计了一个基于智能体的模型（agent-based model），在该模型中，运动决策仅需提炼四位外部信息（four bits of external information），无论环境复杂性或局部智能体密度如何。研究人员采用的社交互动要求从后方接近另一智能体的个体停止并等待前方智能体让路后再前进，这种机制形成排队倾向，以牺牲个体通过环境的较慢速度为代价，从而排除堵塞的形成。研究人员定义了一个名为有效平均穿越时间（effective mean crossing time）的指标，用于量化一组智能体集体绕行一系列障碍物的效率，并证明所采用的社交互动能显著改善该指标，尤其是在局部智能体密度增加时。
群体导航中的协同性与信息效率：蟑螂与机器人的对比研究解读
一、研究背景与问题
随着智能扫地机器人、自动驾驶汽车和配送无人机等自主系统的不断普及，其导航算法将日益需要考虑其他自动体的存在。这要求系统能够自适应地导航于密集、动态的环境中，而这类环境可能破坏群体动力学并导致拥堵和湍流现象。对于鱼群、人群和机器人群体，这些导航挑战已被详细刻画。至少，在拥挤环境中导航需要某种形式的避碰协议，该协议必须频繁更新以适应其他自主智能体不断变化的位置。避碰通常表现为短程排斥相互作用，但这并不能驱动社会群体集体导航受限环境并高效穿越狭窄空间所需的长程空间协调。这种群体协调通常由互惠的社会互动提供。研究人员将智能体之间的互动称为“社会的”或“协同的”，如果该互动具有局部特征（通常受智能体感觉范围限制），并在整个群体中产生长程空间秩序。
尽管这种协同性定义在物理学中是标准的，但行为生物学家使用该术语来描述群体协调的“为什么”而非“如何”。简单社会互动驱动群体内取向有序性的研究已广泛开展。运动决策通常由涉及所有邻近智能体位置和取向的计算决定。然而，在充满障碍物或局部智能体密度较高的环境中，高频率的视觉遮挡会干扰智能体利用此类框架做出准确运动决策的能力。大型昆虫群体在障碍物周围灵活机动的能力表明，可能存在一种计算开销更低的更简单社会互动机制，促进了对集体导航这一复杂问题的稳健分布式计算解决方案。
二、研究内容与结论
为了更好地理解昆虫群体如何实现这种分布式计算，研究人员选择研究美洲蟑螂（Periplaneta americana）群体在穿越一系列圆柱形障碍物时的机动能力。为与社会性蟑螂形成对比，研究人员用完全非社会性的鬃毛机器人重复了这些实验，后者仅通过排斥性碰撞进行导航。基于对蟑螂和机器人导航能力的经验观察，研究人员设计了一个基于智能体的模型，该模型定性地再现了两种实验智能体的行为，通过调节一种基本的“停止并等待”社会互动的强度在两者之间插值，这一互动灵感来自蟑螂表现出的排队行为。
这种社会互动要求智能体区分障碍物与同类，尝试绕过前者，同时耐心等待后者让路。研究人员证明，当局部智能体密度较高时，这种社会互动导致群体围绕一组障碍物集体导航的定量改善，与人类群体、车辆交通和其他系统中记载的“慢即是快”效应一致。在没有任何社会互动的情况下，这种受蟑螂启发的导航算法要求每个智能体每次仅处理两位信息，无论存在的智能体总数或环境复杂性如何。加入停止并等待社会力后，信息成本翻倍至四位，但仍与群体规模或系统地形无关。
三、关键技术方法
研究人员从Carolina Biological Supply（美国北卡罗来纳州伯灵顿）获取美洲蟑螂，以二十五只为一组储存在通风塑料箱中。作为非社会性对照系统，研究人员使用市售的Hexbug Nano品牌鬃毛机器人。实验围栏由矩形有机玻璃框架和底座（48×24英寸）构成，内部设有可移动墙壁以改变路径宽度。实验采用六英寸宽的路径，中间粘合了由三英寸直径有机玻璃棒构成的菱形障碍物配置。使用Basler CMOS相机（型号acA4112-30uc）配合Moritex 35mm SR系列镜头（型号ML-U3518SR-18C）从三脚架悬挂在围栏正上方，在环境光照条件下以每秒30帧（FPS）的速率采集俯视图视频。数据以MP4文件存储，并使用开源跟踪软件包TRex进行分析。该软件通过首先生成平均背景图像并从视频中每个单独帧中减去它来跟踪静态背景上物体的运动。
在基于智能体的模型中，模拟箱为长L、宽W的矩形区域，两个圆形和两个半圆形障碍物（半径R）以实验所用的相同菱形配置放置。为匹配模拟系统与实验系统的尺寸，研究人员一致使用L=81.98 cm、W=14.12 cm和R=3.81 cm。模型将蟑螂粗粒化为直径d的圆，带有从圆一侧伸出的两条长度为l的线性触角，触角间夹角固定。智能体在任意时间t的配置由二维位置和朝向决定。模拟箱初始化时无任何智能体，然后在每个时间步t>0，以概率（称为发射率）向模拟箱添加新智能体，一旦N个智能体被发射，该概率降为零。左右边界为吸收边界，上下边界为反射边界。
四、研究结果
非社会性智能体：在每个时间步开始时，检查每个智能体的触角是否与反射边界、圆形或半圆形障碍物或其他智能体的圆形身体相交。若触角被发现与一个或多个物体相交，则该触角被赋予碰撞状态1；若不与任何物体碰撞，则碰撞状态为0。在没有模型社会成分的情况下，智能体触角的布尔碰撞状态唯一地决定该智能体如何在下一时间步更新其位置和朝向。由于这种二元状态不依赖于相交物体的类型或相交点在物体边界上的位置，非社会性智能体仅基于两位信息（每根触角一位）做出运动决策。在(0,0)的最简单情况下，智能体沿当前朝向平移固定距离v。在(1,0)情况下，智能体不平移位置，而是顺时针旋转其朝向（远离碰撞触角），直到触角碰撞状态返回(0,0)。(0,1)情况类似处理，只是朝向旋转沿逆时针方向进行。在(1,1)情况下，即智能体的两根触角都与物体碰撞时，同时考虑返回触角碰撞状态(0,0)所需的最小顺时针和逆时针旋转，选择使智能体偏向正x方向运动的旋转。
包含社会互动：模型中的社会互动区分触角与墙壁或障碍物的碰撞和与其他智能体身体的碰撞。若智能体j的一根触角与智能体k的身体相交且智能体k的一根触角与智能体j的身体相交，则定义为互惠碰撞；若智能体j的一根触角与智能体k的身体相交但智能体k的任何触角未与智能体j的身体相交，则为非互惠碰撞。在后一种情况下，智能体j的碰撞触角被赋予碰撞状态-1。互惠碰撞则导致触角状态为+1。如果智能体的任一触角在时间t的碰撞状态为-1，则有概率（称为等待概率）该智能体在当前时间步既不平移也不旋转。区分互惠和非互惠触角接触的原因在于确保停止并等待排队行为仅在一个智能体从后方接近另一个智能体时发生。如果两个智能体面对面相遇，等待无济于事，因为智能体相互阻挡路径。实现这种社会互动将触角碰撞状态的数量从两个增加到四个：无、障碍物、智能体（互惠）和智能体（非互惠）。这对应于每根触角处理两位信息，因此智能体在每个时间步必须处理四位总信息以做出运动决策。
比较轨迹热图：为评估模型对蟑螂和鬃毛机器人导航算法现象学的捕捉程度，研究人员将单蟑螂和单机器人实验的轨迹数据聚合为热图。将实验障碍走廊尺寸向下取整为80×14 cm，将每只单独蟑螂轨迹的时间点直方图化为1 cm×1 cm的区间。结合34次单独蟑螂实验的数据生成热图。对34次单独鬃毛机器人实验重复此计算，并通过从蟑螂热图值中减去机器人热图值并归一化到[-1,1]区间生成比较热图。结果显示，尽管两种智能体之间存在一些微小差异，但单个机器人的整体导航效率至少在定性上与单个蟑螂相当。机器人平均轨迹时间点与蟑螂之间无统计学显著差异。模型智能体与实验智能体的主要差异在于模型智能体被障碍物漏斗化进入狭窄轨迹带，而蟑螂和机器人探索更多整体围栏区域。
有效平均穿越时间：为量化模型中的群体导航效率，研究人员考虑发射N个总智能体的模拟。统计被模拟箱右边界吸收的智能体比例，即从左侧进入、成功导航障碍走廊并从右侧退出的智能体比例。对每个成功穿越的智能体，统计其发射与吸收之间经过的时间步数，计算平均穿越时间。由于仅此平均穿越时间具有误导性（忽略了在拥堵处掉头而非等待的智能体），研究人员将除以，使得如果只有一半智能体成功穿越围栏，则智能体平均穿越围栏的时间有效加倍。由此定义有效平均穿越时间。该指标可从实验数据计算：按智能体类型和数量聚合数据，从每个实验视频提取的轨迹数据中，统计从左侧进入相机帧的每个实例为新发射智能体，计算成功穿越围栏并在右侧退出的比例，以及每个智能体发射与吸收之间的时间间隔。
实验结果与模型结果：实验结果显示，对于十智能体实验，p=0.988，表明蟑螂和机器人的导航效率之间无统计学显著差异。智能体数量如此之少时，局部智能体密度很少高到足以引起拥堵，社会互动几乎没有影响。当智能体数量增加到二十时，蟑螂排队行为开始产生显著影响，导致两种智能体（归一化）有效平均穿越时间出现统计学显著差异（p=0.029）。模型结果显示，在最低发射率下，有效平均穿越时间随等待概率增加无显著变化。随着发射率（从而平均局部智能体密度）增加，等待概率开始产生更实质性的影响，有效平均穿越时间随增加单调减少。在较大值处，研究发射率范围内仅有轻微变化，而在较小值处变化更大。当25%的智能体以较慢速度移动时，有效平均穿越时间普遍增加，但增加等待概率单调减少收益，且减少速率随局部智能体密度增加而更急剧。
五、讨论与结论
研究人员将模型中的社会互动描述为“最小协同性”的实例，因为个体智能体基于关于同伴运动的极少量信息做出连续运动决策。与Vicsek模型等常见群体模型中的智能体需要其感觉半径内所有其他智能体朝向的详细信息不同，该模型中的智能体仅基于其触角是否戳到另一智能体（以及该智能体的触角是否回戳）的知识做出运动决策。这导致每个个体仅需要四位关于环境的信息，无论其他智能体的局部密度如何。在极高智能体密度极限下，等待概率可以现象学地类比于流体力学中的雷诺数（Reynolds number）。低雷诺数下，粘性力超过惯性力，流体更强烈地“粘合”在一起，导致障碍物周围平滑流动（层流），等同于大等待概率值，其中排队行为而非粘性将智能体保持在一起。高雷诺数下，粘性不足以保持流体在一起，部分流体从障碍物反射回来，形成涡流和湍流回流，对应于小值，其中许多智能体被拥堵排斥并原路返回。
研究人员提出了一种简化模型变体，可在不需要昂贵传感组件的情况下实现高效群体导航。拟议的机器人形状大致类似蟑螂，头部附有两根金属丝触角，身体两侧各附有三条腿。正常操作下，腿以旋转运动（类似桨）推动机器人前进。触角连接到驱动腿的电路，使得当压力施加到正触角（通过碰撞）时，对侧腿组的电流将被中断，导致机器人顺时针旋转。类似地，负触角上的压力将导致另一组腿停止，机器人逆时针旋转。在两根触角都承受压力的情况下，机器人将完全停止移动，模仿模型中的停止并等待机制。该机器人平台的一个吸引人特征是它可以尝试与任何动态移动实体“社交”，使得在不同形状和尺寸的自主平台旁导航成为可能。如果智能体能独立导航其环境，那么编程的耐心可能是作为群体一部分导航的唯一额外先决条件。
