层级结构决定机器人集群的可扩展性

集群的涌现行为一直吸引着科学家，并在机器人领域引起了广泛关注。传统上，集群被视为平等主义的，机器人共享相同的角色和能力。然而，最近的研究强调了层级结构对于在多样化场景中更有效部署机器人集群的重要性。尽管自然界偏爱层级结构，但机器人领域一直坚持平等主义模型，部分原因是缺乏支持层级结构条件的经验证据。我们的研究表明，虽然平等主义集群在与它们集体感知能力相称的环境中表现出色，但在更大或更复杂的环境中则会遇到困难。相反，层级集群能有效地扩展其感知范围，在更大、更非结构化的环境中以更少的资源取得成功。我们通过模拟和物理机器人实验，使用一项复杂的辐射清理任务验证了这些概念。这项研究为开发适用于行星探索和自动驾驶汽车等领域的适应性层级集群系统铺平了道路。此外，这些见解可以加深我们对生物有机体中层级结构的理解。