Первоначальные шаги по освоению чужих миров, вероятнее всего, будут доверены машинам. Речь может идти как о крупных устройствах, так и о крошечных аппаратах. Габариты накладывают ограничения на вычислительную мощность «мозга» таких механизмов. Однако примеры насекомых на Земле подсказывают, что роевое взаимодействие отчасти напоминает коллективный интеллект, что избавляет от необходимости оснащать каждую особь мощным ИИ — достаточно несложных поведенческих алгоритмов. И эту тему стоит исследовать.
Источник изображения: ИИ-генерация ChatGPT/3DNews
Так, учёные из Гарварда и Мадрасского технологического института (Индия) разработали крошечных автономных роботов, получивших название RAnts (сокращение от «роботизированные муравьи»). Как отмечает первоисточник, исследователи упустили более точное имя — «antdroids» (андроиды-муравьи), однако это не главное. Целью данной работы стало изучение адаптивного коллективного поведения роботизированных устройств, лишённых сложных вычислительных способностей. Задумка оказалась успешной: рой простых машин смог согласовывать действия друг с другом, возводить и разбирать элементарные конструкции без какого-либо централизованного управления, что открывает возможности для автономного строительства в опасных зонах и даже на других планетах.
Согласованность между роботами-муравьями достигается всего за счёт двух регулируемых параметров: силы взаимодействия и скорости установки или удаления строительных блоков при достижении определённого порога сигнала. Кроме того, машины оставляют на поверхности метки (фоторомоны — световые сигналы, имитирующие химические феромоны насекомых), вокруг которых они собираются в группы. Чем больше роботов скапливается в одном месте, тем активнее они строят или разрушают.
Как пояснил один из соавторов работы, роботы демонстрируют зачатки коллективного познания, которое возникает не только из их взаимодействия внутри группы, но и из постоянного контакта с изменяющейся средой. Таким образом, простые локальные правила ведут к самоорганизующемуся, устойчивому и гибкому выполнению сложных задач. Иначе говоря, данные для продолжения задачи (строительства, разрушения или чего-либо ещё) роботы как бы оставляют в окружающей среде в виде подсказок-меток, вовлекая в процесс управления роботизированной командой всё её окружение. Это уменьшает нагрузку на вычислительные ресурсы самих машин и центра управления — именно этого и стремились достичь исследователи.
