隨著包括微型機械纖維技術(Technology)在內的傳感器(Sensor)，受動器以及處理器技術的快速發展，價格低廉同時具有足夠的處理功能和有限的感知能力的自動可移動設備的研制開發成為了可能。我們提出的目標是，利用大量的（100個以上）這些簡單機器人來實現陸地，空中和水下環境中真實的軍事任務，利用基于傳感器的機器人來實現所需的共有的群體操作。為實現這一目標，關鍵的前提之一是具備以面向任務的系統級參數的方式來對這些機器人進行指揮和控制。指揮員需要了解系統的功能，操作規范以及在部署后系統有效性的度量方法。因此有必要通過單獨的自動組件將系統（總體）功能和性能與所實現的行為聯系起來。
本文描述了分析、建模、算法開發以及仿真的一系列項目，這些項目的目的是開發、和改進這個基本方法，并使其成為實際的解決方案。最初的目標是開發通用的行為，例如覆蓋，障礙，以及掃描覆蓋區域，各種部署和恢復模式，這些行為能夠在很多通用的應用(Application)中得到應用，例如布雷，掃雷，偵查，放哨執勤，維護檢查，船艙清理以及通信接力。文中最后給出了初步的仿真結果。
1.0引言
開發研制21世紀的軍用移動機器人所必需的傳感器，受動器，和處理器這些關鍵技術正在飛速發展。而且軍用移動機器人的研制主要集中在無人地面車輛（UGV），無人飛機（UAV）和無人水下艦艇（UUV）上，在固態傳感器和受動器技術上的進步說明在機器人車輛功能和性能范圍的“低端”還有沒有利用的機會。實際上，新出現的微型機械（也稱為“微動力”，“機電一體化”或者“微型電子機械系統”）領域已經被1991年紐約時報的今日科學版選為90年代“10大關鍵技術”之一。
本文的目標是通過大量相對簡單、廉價而且可相互替換的自動組件的共同操作實現一系列的軍事任務，而不是通過目的明確，復雜，基于某個單獨、十分復雜（而且目前在技術和經濟上并不可行）的基于感知行為的機器人單元方式來實現。本文所提出的方法是設計并實現可以達到如下兩個目標的機器人車輛：
a）：支持真實世界的任務
b）：用目前的傳感器和處理技術可以實現
即使在對象和障礙很多的地面應用環境中，有用的任務一般所需的高帶寬的基于視覺感知的車輛導航和控制功能也超出了目前傳感器和處理器工具的功能。
大量的小型廉價車輛可以用于很多軍事應用當中：雷區掃描，布雷，偵查，值班放哨以及通信接力，另外還有不同類型的搜尋，維護檢查，載貨倉異物（FOD）處理以及船艙清理等。
注意到，我們將這些不同應用中需要實現的導航行為定義為“在靜態部署以及動態群組中維持各個組成單元之間的空間關系”是恰當的。這種協調位置和移動的一致性的概念是本文所關注的重心。
當采取利用中心位置控制器計算一個群組中各個組成單元的某個所需的位置或者移動軌跡，并隨后下載并執行這些數據的方法解決這個問題時，在最好的情況下是效率低下，最壞的情況下是無法實現的。這個計劃的執行可能會被無法預知的事件（例如，電流過載，位置障礙，敵軍的行動）所阻礙。中央控制器需要從受控組件獲得一些特殊的信息來修改計劃，才能將偶然事件納入考慮范圍，并且這種信息有可能是受控組件自己也無法獲知的。時間、處理、通信資源(Resource)可能無法對以下三種情況進行支持：
a)：所需數據與中央控制器之間的通信；
b）：制定修改計劃所需要的處理；
c）：將計劃回傳給執行單元的通信。
我們提出的解決方案是讓機器人在應用中實現與人一樣的方式：“你們排成一行，間隔一臂的距離，然后全部一起行走，在行走過程中拾起任何能找到的物體”。每個成員的行動都是在其它成員行動的基礎之上的，與最臨近的成員的行動最為相似，但是與距離相對較遠的成員之間也有一些類似。因此利用傳感器輸入（每個成員感知相對于自身而言臨近成員的位置）和明確的通信信道就可以實現導航定位。動態傳感器可能要經過調制來完成控制過程（例如，發出與峰值發射功率成反比的鳴叫聲）。這些機器人各自的世界模型將是嚴格 “以自我為中心”的。
當然，動物在成群移動時也使用類似的模型來實現控制。在動物的成群活動方面的文獻中，大部分文獻都是描述性的或粗略分析性質的，但是Craig Reynolds在文獻中對這種成群活動進行了綜合分析，并提出了一種鳥群的動物序列的概念。他發現他無法通過一次畫一只鳥的方式來制造出一群實際的鳥群，但是通過維持鳥與周圍臨近的鳥之間的特定距離關系卻可以實現一群鳥的仿真。
動物行為學（對動物行為的研究）提供了討論體現群體行為系統的自然語言，對自然的群體行為的研究進入了新近出現的“人工生命”研究領域的范圍之內，在這里需要指出的是，這種研究工作已經是智能控制領域的主流。
2.0系統概念
在本文中所考慮的系統的定義特征是移動機器人系統的數量是足夠大的，系統的指揮控制接口必須將各自成員“隱藏”在系統的指揮員的視線之外。各成員不一定要是小型的或者廉價的，但是經濟和技術因素讓它們很可能具有這種特正。
系統由大量同樣的成員（參見2.3和4.0節）所組成，每個成員處理如下數據：
(a)：移動性的某種度量，這個度量可能是十分有限的，例如在水下應用中，成員可能只能在調整在水中的深度，并隨著水流飄動；
(b)：某種感知功能，讓每個成員能進行測量，最少要知道相對于最近的其它成員的位置；
(c)：某種能完成任務的傳感器或者受動器，具有上述同樣的傳感器功能；
(d)：此項是可選的，某種通信功能，這種能力可以利用傳感器的功能；
(e)：某種處理功能，執行利用受動器的移動性來維持傳感器所測量的與臨近成員之間的位置關系的算法。以這樣方式與任務功能傳感器或受動器一起完成所期望的任務目標。
2.1總體運動行為
完成任務目標的關鍵是要確保單個成員個體的簡單運動行為的總和的結果是所期望的總體上的群體行為。我們對問題進行了如下級別的抽象：即不處理成員之間的碰撞或者有不相關聯的障礙的單個成員，成員可以被認為是足夠小的，以至于相互之間碰撞的可能性很小，并且成員足夠健壯碰撞不會對其造成損害，或者說，成員的損害或者損失在系統/任務級別是忽略不計的。
覆蓋行為：在許多情況下，我們所期望的群體行為是維持一種群體成員之間空間關系，并利用特定的本地條件來優化這種功能的性能，這種行為被稱為“覆蓋”。在這些情況下，有必要對有效性進行精確的度量，這對在特定任務目標的環境下對全部系統性能的描述是十分有意義的。例如，當任務的目標是讓每個單元在廣闊區域中單位時間內發現的敵人數量最大，偵查小組應當是具有很大的規模，并且成員間隔遠，但是規模小且成員間排列緊密的偵查小組卻可以在較小的掃描區域內讓漏報的概率最小。下面列出了三種類型的覆蓋行為：
地毯覆蓋：目標是通過靜態的成員布置在覆蓋區域內達到最大的目標檢測率。
障礙覆蓋：目標是通過靜態的成員布置在讓突破障礙的敵軍的漏檢測概率最小。
掃描覆蓋：目標是在覆蓋區域內通過一組成員的移動進行覆蓋，移動的方式是在單位時間內達到最大檢測率和單位區域內的最小漏檢率之間的一種折中。
下表中是這三種類型的覆蓋行為可能的應用場合，有時可以認為不同系統可以完成同樣的需求：
應用 覆蓋類型
布雷 障礙覆蓋
掃雷 掃描覆蓋
偵查 掃描覆蓋
放哨執勤 障礙覆蓋
通信接力 地毯覆蓋
維修檢查 掃描覆蓋
載貨倉FOD處理 掃描覆蓋
船體清潔 地毯覆蓋或掃描覆蓋
編隊行為：這些行為是覆蓋行為的一種替代方式的代表，期望的行為是在成員之間維持一種特定的空間關系。例如，如果一群USV（無人水面船只）或者低空飛行的UAV作為佯攻戰斗群，這個群體之中各成員之間的距離應該保持得很好使這個群體看起來就像在執行進攻任務一樣。這類行為的一個典型例子是行軍分隊或者演習連隊，在這些群組中各成員之間在空間商是痛不得，并且伴隨著音樂在時間上也是同步的。聽起來可能簡單，但實際上卻不是這么簡單！或許最簡單的編隊行為的例子是在一維空間條件下的沿著道路的護航車隊；在文獻中描述了一種基于傳感器的保持護航車隊中車輛間距離的方法。
覆蓋和列隊行為是系統的“穩定狀態”和“主體”行為，在這之外，還有比必要考慮并提供各種空域和時域“邊界條件”下的行為。
部署：各成員必須可以讓自己從可以在部署方案中簡單實現的初始狀態進入一種可以接受的啟動模式中。可能出現的情況有以下幾種：
(a)：單點（例如空降），
(b)：密度適中的線性模式（例如，從移動平臺上進行順序部署）；
(c)：隨機分布的初始狀態，或者緊密，或者稀疏（例如，在空中突然實施散布）。
恢復：當任務完成時，系統必須可以（最少在一些情況下）完全（或者大體上）恢復到原來狀態，或者（在一些情況下）即使在單個成員失靈的情況下。這個理想的恢復模式需要各成員自動移動到“召集”它們的集合站點。在同一時間具有多個相距很近的集合站點應當也是可行的。這種結合模式顯然要保證不會向敵軍留下可乘之機。
群體的整體導航：需要有一中機制來以整體的形式來控制群體的移動，以使群體可以到達執行任務所需的地點。實現這種控制方式的一些可行的方案有如下幾種：
(a)：使群體中每個成員的運動方向傾向于某個方向（一個可以實時“定向”的方向），這需要所有的成員公用一個通用的方向參考系）；
(b)：利用一小部分成員的方向控制來實現，群體中的大部分成員依靠基本的相對位置控制算法來實現運動控制（像牧羊犬引導一群羊一樣）。
在許多應用中需要其它通用的行為，例如：
(a)：當某個成員失靈時，在不干擾其它成員完成任務的情況下向其它成員求助；
(b)：在不干擾全局任務的情況下，讓成員自己進行例行維護（例如電池充電）。
2.2需要分析的問題
在定義了一系列類型的所期望的移動行為之后，系統未來的開發人員還必須對有大量移動成員所組成的系統的復雜行為有足夠的理解。下面列出了一些需要考慮的領域:
行為的隨機性：將隨機性引入導航算法被證明是合理的。在實際的系統中，這有助于解決潛在的死鎖情況，加強任務傳感器的有效性并增強對敵軍欺騙威脅的抵抗力。另外，在仿真系統中，算法隨機性可以用在一些實際傳感器和受動器行為限制的建模中。
障礙和可遍歷性：可遍歷性的概念在二維（地面）環境中是很重要的：有必要對點障礙和延伸障礙的存在進行區分，或者相反的說，導航實際上可以限制在一小部分可能的路由上。這些信息具有全局（任務級）的重要性，必須要弄清楚并向指揮員報告。在導航/機動界別，系統的行為必須要在存在各種不同類型的障礙的情況下保持健壯性：群體不應該一個接一個的從高處翻滾，也不應該在低處重疊在各自身上。
內部的動態狀態：一個群體的整體運動可以被認為是實現整體行為的群體獨立的內部動態。在算法和傳感器功能的基礎上，同樣的群體運動可以通過利用一系列會產生十分不同的內部行為的其它不同的策略來實現。以物理狀態進行分離，這些內部模式可以簡單的分為如下幾類：
如果群體在運動時，各成員間保持嚴格的相對地理位置關系，我們可以講這種群體認為是固態的；而如果相對地理關系是重復的，則是晶體狀態的；除此之外是非結晶的。如果成員間自由移動，但是成員的密度保持不變，這種群體可以認為是液態的。最后，如果密度是變化的，并且成員個體可以漂移出去，我們可以將這個群體看作是氣態的。試驗證明，類似于溫度或壓力的統計學度量方法在群體行為的分類中也是有效地。
2.3可能的生物系統類推
在我們所討論的人工系統與動物的行為之間，已經進行了很多的類推和比較，因此我們可以在自然生物系統中尋找可以用于我們需求的方法。例如：
變形蟲的爬行運動具有一種特殊的模式，即當群體通過“流動”的環形模式運動時，群組最外層的成員在任意給定的時刻都是靜止的。在很多情況下，這會使傳感器的性能比所有的成員都處于運動狀態時要強。
信息素是一種動物用來通信的化學物質。例如，螞蟻會在它們巢穴和水源之間的路途中留下信息素。在一些應用中，可以用例如撒微小的發射玻璃頭的簡單人工信息素方法。人工信息素的關鍵部分是衰退率以及隱蔽性。欺騙性也是一個問題，理想的信息素應該使用加密技術。
人體的免疫系統和螞蟻的聚居都提供了自然系統該如何使用不同特點和功能的元素來實現期望目標的模型。一些細胞檢測人體內的入侵者并對其進行“標記”，其它細胞如果發現了這個標記就摧毀這個入侵者。螞蟻的分工系統與此類似。將能力進行何種混合擦你能最有效和高效的完成某項任務呢？從安全相關的任務來看，入侵檢測任務中定位，鑒別以及中和需要不同的能力。利用很多廉價的傳感器來進行最初的檢測任務，然后利用數量相對較少的一組功能更強的傳感器來執行最初的威脅接觸并在入侵者被確認的情況下做相應的處理。Deneuboura在文獻中通過仿真演示了螞蟻的分類行為可以通過環境信號最簡單的概率偏置來實現。
工蜂可以執行很多不同的任務，它們花費很大部分的時間在蜂巢周圍“巡邏”，并可以根據很多簡單信號來啟動不同的生成活動。因此蜜蜂可以提供一個獲得“有目的”的相互協調，對環境變化敏感的群體行為的模型，這個模型并不是全局模型，實際上，明確的全局判斷并不能成為任何類型的模型。這種基于單反應計劃的交互的準智能“突發行為”已經用于簡單的車輛系統中，這個工作被認為是較復雜系統最基本的研制方法。目前的方法就屬于此類。
3.0項目仿真和初步結果
在1992財年，我們啟動了一個分析，建模和算法研制和仿真項目，目的是對所有的系統方法進行驗證。仿真開始是在二維世界中進行的，每個成員知道相鄰成員具體的相對位置，相鄰模型和傳感器功能以及限制（起初是對稱的）將在仿真項目的第二次迭代中實現。最終，模型將用在三維世界中，并且系統將具有更加詳細的傳感器模型和預處理傳感器。
仿真程序已經在Macintosh操作系統和Symantec的Think C編譯器及相關開發環境中進行了編程，在編程中盡量不使用Macintosh操作系統相關的指令，以使程序具有最大的平臺可移植性和計算性能。仿真程序可以支持10個不同控制行為群組的成員（機器人）的創建，成員總數可以達到200個。仿真程序用戶在創建成員簇時可以指定一簇中有多少成員、簇的模式（圓形隨機分布或者指定大小和位置的矩形分步）、初始速度（在某種速度區間內隨機分布）、何種行為（零加速、特定速度，指定時間和位置的集合或者傳感器基礎上的集群算法中的一種）。仿真對每個單獨的成員的航向和速度進行導航，利用安裝在沒有被仿真的較低幾倍的控制器上的控制閥門和轉向裝置實現所需的速度和航向，仿真還可圍繞點障礙（例如其它成員）實現導航。不同群體的成員的行為可以在仿真過程中通過用戶命令進行更改。一次仿真運行可以以包含關鍵幀文件的形式進行保存。
圖2中所示是一次仿真中的一些幀序列，一個包含40個成員的群體正在執行一種“凝聚”行為，即從分散的初始配置位置集中到一起。實際的算法非常簡單：如果某一個成員所有相鄰成員的最小方位角都小于 180度（即，如果能通過某個成員畫一條線，并且這個成員所有的相鄰成員都在這條線的同一側），那么這個成員就被認為是在群的“邊緣”。處于“邊緣”的成員以固定的速度沿著方位角的角平分線移動，而不在“邊緣”的成員保持靜止。因而，隨著“外部”元素“掃描”剩余的節點，凝聚過程得以繼續。這個算法的分角部分是由Sugihara和Suzuki最先發現的，他們的論文討論了一些其它有趣的運動協調算法。在實際應用中，利用一種補償（或者在一些實現中，“競爭”）行為可以在達到期望的元素密度時中止凝聚過程。
關于凝聚算法及其仿真，還有一些有趣的特征可以討論。首先，算法是相當健壯的，即使在傳感器的感應距離比配置時的初始值要小得多的時候，只要傳感器的探測能創建一個連接的圖，算法也可以創建一個單獨的排列緊湊的群體。（如果圖是由不相連接的片組成，每片將凝聚形成一個單獨的組）。之所以能夠這樣是因為任意一個移動的成員都在向靠近其它成員的方向運動。第二點是凝聚過程不需要任何類型的全局位置信息；群的指揮員并不是“向LATLONG位置凝聚”，而只是“凝聚”。第三點是算法只利用了來自傳感器的方位角信息，而不需要其它數據。然而，算法在效果上與只用范圍數據的方法或者范圍數據和方位角數據混合方法是相似的。第四點，在初始安裝中，因為“在邊緣”和“不在邊緣”兩種情況下，成員的運動具有不連續性，時間分布仿真在配置的“邊角”位置引入了一種人造簇，不同成員在“邊角簇”交替前進，輪流處于 “邊緣”狀態。但是，這種“人為”的集中力量可能在某些戰斗情況中被認為是可以值得擁有的特征，算法在生成真實（仿真）機器人時可以在時間上進行量化。
4.0指揮控制以及系統問題
為了有效地利用資源，指揮必須要理解他所使用的工具：他必須要知道他能讓下級單元做什么，他們能夠做什么，以及在各種條件下最應該做什么。指揮員在“游戲”中的參數是在訓練和演習中建立的。這些考慮同樣適用于自主無人單元的應用中。我們要向未來的指揮員提供以下的模型：
單元功能模型：了解能向單元分配的任務范圍，單元能做出回應的基本的命令；
單元執行能力模型：了解單元能以多快的速度移動，移動范圍能有多遠，武器以及傳感器的作用范圍以及效能，在各種威脅下自我防衛的能力，通信資源的連接性和有效性，以及后勤保障支持需求。
單元行為模型：了解下屬單元指揮員在訓練和接收到特殊指令的基礎上如何對一系列范圍很廣的情況做出回應：如何使用機動性，武器，傳感器和通信能力。
本文所做工作的目的是提出“覆蓋行為”的概念并讓其作為多機器人系統通用的范例，換句話說，作為一個與多種不同應用相關的單元功能模型。最后，我們還會開發一些列對單元執行能力進行分類的分析工具。這些工作還包括用模型受動器（武器或者傳感器）有效性（檢測概率或者攻擊成功率）對即時的戰場情形進行分析，當成員接近潛在目標及隨后撤退時為器提供合理的建議。關鍵問題是如何恰當的標示成功概率與相對時間和空間間隔的統計獨立性。我們的計劃是從群體行為的定義開始，然后提出這些群體行為使用的傳感器和受動器的有效性度量(MOEs)，并以MOE是的形式對群體行為進行驗證。
在真實系統部署此之前，還要提出一個單元行為模型，這在某種意義上說是和對“虛擬下級指揮員”進行建模是一致的。如果單元行為確實是可適應的，并且不是令人失望的“不友好”，那么就有必要用明確的策略來處理許多人會用“常識”來處理得情況。對所有可能的相關情形進行遍歷首先就不是簡單工作，這包括大量不需要行動而只是向指揮員發送“這里有些奇怪的事情發生…”的信息的情況。
還有其它一些問題需要考慮。例如，考慮一群 10000個成員的群體在以目標為中心，1km半徑的圓形區域內的部署。假如兩個5000個成員部署器中有一個失靈，剩余的5000個成員怎么辦？一個最明顯的可能是保持成員的空間，將半徑減少至700米。另一個明顯的可能是保持1km半徑的覆蓋范圍，但是增加成員間的間距（從大概平均8-9m增大至大約 12米）。或者我們可以區分不同情況。方法是，當這種命令是一種可能隨著任務不同發生改變的“高級”政策決定時，暗示著有必要設計一個“低級別”的凝聚算法。如果間距保持不變，算法就可能是“如果局部密度太低，則向信號源移動，如果密度過高，則向密度降低的方向移動”。
如何處理與指揮員的通信也是一個問題。正如希望加入可以通過向所有參與的成員廣播一個單獨信息引起的整體行為一樣，我們對有很清楚的強烈需求希望能夠讓各個單元向指揮員發送回饋信息，作為很多單獨成員只是的融合，而不需要各個成員單獨匯報。這種方式有一個潛在的需求，即需要各成員某種分層次組織，不是為了指揮，而是為了匯報。這種組織可能是參數化的，基于不同成員的不同固有差別的，或者是可變的，反應不同成員當前狀態（例如在凝聚行為例子中的“邊緣”狀態）。
5.0未來演示和實現
這種方法的可信度最終取決于使用真正物理機器人的真實的物理行為。當資金允許是，我們計劃使用廉價的“玩具”車輛，“智能”傳感器，和一個簡便實現的控制器來演示一個有可用于一類軍事應用中的有目的的群體行為。
我們可以采用的一種方案是，使用現有的車輛群，例如麻省理工學院機器人實驗室的20個IS Robotics R-1 室內機器人（每個機器人重量4磅）的“Nerd Herd”，來實現初步的演示。R-1使用Brooks的包含體系，提供一個非常合理的基于Macintosh的軟件開發環境，并且使用聲音信號讓每個 R-1知道其它所有成員的位置，所以利用他們進行基于“偽傳感器”的行為仿真是十分方便的。
第二套方案是開發和實現一種非常廉價的機器人車輛（目標是每個機器人車輛小于1k美元，而R-1的單元花費是5k美元），具有恰當的傳感器和處理功能，能夠讓幾十個成員在幾百米的區域進行室外演示。這項任務的一個備選技術是Echelon公司的“局部操作網絡”（“LON”）范例。LON利用控制技術為非常廉價的機器人成員提供高效的實現，項目處理器組件的花費大約在2美元到5美元之間，而RF調制解調器的花費小于10美元。另外，Echelon的硬件在提供傳感器和受動器的控制功能之外還提供全套通信協議。
但是，最后這種原型系統的開發還是超出了 6.1預算，項目必須集中于單個實際世界應用（或者小部分相關應用）。仿真和建模共作的一個關鍵目標是確定能用于實際軍事應用的備選系統，對所需群體行為進行量化分類（以成員數量，成員間距和運動參數），并開發一個可以滿足（包括成員傳感器，受動器和處理器需求）應用的智能機器人概念設計。
