但研究人員也是借用這種原理，Bluebot 用視覺來確定鄰居的相對(duì)位置，并在沒有任何直接交流的情況下做出含蓄的反應(yīng)。不管采用哪種方法，虛擬力模型的結(jié)果都是一樣的：機(jī)器魚群傾向于分散在一個(gè)區(qū)域，排斥力和吸引力的平衡決定著它們的密度和擴(kuò)散程度。

圖｜自組織的動(dòng)態(tài)圓的形成（來源：Science Robotics）

3、動(dòng)態(tài)旋轉(zhuǎn)運(yùn)動(dòng)。魚群最酷炫的技能，便是海洋中壯觀的“魚群風(fēng)暴”了，它們經(jīng)常利用這種方式來躲避捕食者的追殺，搞得捕食者暈頭轉(zhuǎn)向。

在這項(xiàng)研究中，研究人員利用了類似“銑削”結(jié)構(gòu)的行為規(guī)則，該規(guī)則不依賴于對(duì)每個(gè)可見鄰居的單獨(dú)反應(yīng)，而僅依賴于單個(gè)二進(jìn)制信息源，該信息源指示至少一個(gè)其它機(jī)器人是否在視線內(nèi)。

在這種情況下，機(jī)器人有一個(gè)設(shè)定，如果看不到任何其他任何鄰居，則稍微向右游轉(zhuǎn)，如果看到任何機(jī)器人，則稍微向左轉(zhuǎn)，多圈下來，機(jī)器人自發(fā)聚集，組成了動(dòng)態(tài)圓運(yùn)動(dòng)行為。

最后，研究人員在分散復(fù)雜性演示中，結(jié)合了多種行為以實(shí)現(xiàn)集體搜索操作。

在魚類、機(jī)器人甚至人類集體中，掃描環(huán)境的工作可以在組成個(gè)體之間共享，從而可以減輕每個(gè)個(gè)體的負(fù)擔(dān)，同時(shí)實(shí)現(xiàn)更高的集體警覺性。

未來能用于水下搜索

Blueswarm 的相關(guān)研究工作是在哈佛大學(xué)拉迪卡·納格帕（Radhika Nagpal）實(shí)驗(yàn)室進(jìn)行的。納格帕目前擔(dān)任哈佛大學(xué) SEAS的Fred Kavli 計(jì)算機(jī)科學(xué)教授，以及懷斯生物啟發(fā)工程研究所副教授，她領(lǐng)導(dǎo)著自組織系統(tǒng)研究小組，探索受生物啟發(fā)的機(jī)器人技術(shù)和生物多代理系統(tǒng)的科研工作。

早在 2014 年，她的實(shí)驗(yàn)室就曾經(jīng)創(chuàng)建過一個(gè)由 1024 個(gè)微型機(jī)器人組成的陣列 Kilobots。當(dāng)時(shí) Kilobots 的設(shè)計(jì)靈感來自于白蟻蟻群，這些數(shù)以千計(jì)的分布式機(jī)器人，內(nèi)置紅外發(fā)射器和接收器，允許個(gè)體與一些鄰居進(jìn)行通訊并測量它們的接近性，最終完成指定形態(tài)的排列組合。

圖｜ Kilobots 機(jī)器人（來源：哈佛大學(xué)）

對(duì)于此次機(jī)器魚的研究成果，納格帕表示：“Blueswarm 代表了水下機(jī)器人 3D 自組織集體行為研究的重要里程碑。這項(xiàng)實(shí)驗(yàn)的相關(guān)成果將幫助我們?cè)谖磥黹_發(fā)微型水下群體機(jī)器人，它們可以在水下進(jìn)行環(huán)境監(jiān)測和搜索。該研究還通過綜合再現(xiàn)它們的行為，為更好地了解魚群鋪平了道路�！�

據(jù)論文描述，在所有演示的行為中，Bluebots 僅依靠本地視覺信息，這些信息實(shí)時(shí)獲取和處理，這些協(xié)調(diào)技術(shù)對(duì)不完善的知識(shí)具有魯棒性，并且能夠從看似簡單的交互中，延伸出復(fù)雜而動(dòng)態(tài)的全局行為。

當(dāng)然，論文在總結(jié)中也提到了一些局限性，比如使用低成本的鰭式執(zhí)行器的運(yùn)動(dòng)效果并不理想，另外，如果在渾濁的水域等視覺較差的環(huán)境下，可能需要組合其他傳感器套件等。

關(guān)于這項(xiàng)水下機(jī)器人成果的展望，研究人員表示，也將有助于實(shí)現(xiàn)機(jī)器人的無監(jiān)督技能進(jìn)化，從而有可能結(jié)合多種機(jī)器人模式（空中、地面、水面和水下），來實(shí)現(xiàn)可擴(kuò)展且強(qiáng)大的冒險(xiǎn)活動(dòng)。

未來，這些機(jī)器人可以集體出動(dòng)，去搜索失事飛機(jī)的殘骸，落難船只和落水人員，以及應(yīng)用到諸如環(huán)境監(jiān)測、在珊瑚礁和沿海水域的搜索任務(wù)等。