“这项成果有望在未来帮助人们随意操纵状态的改变，就像电影《大英雄6》中的男主角滨田宏(Hiroshi Hamada)发明的设备一样，因为固体、液体和气体的三态转换本质上是分子间距离的改变。”担心新发表的成果难以描述，佐治亚理工学院的李胜凯特意给DeepTech举了一个电影例子。
这一成就主要总和组机器人(蜂群机器人)，如下图，他们开发的集群。机器人你可以像蚂蚁搬家一样推这个小盒子。
组机器人还有很多仿生学。机器人系统中应用的典型案例。科学家通过观察蜜蜂、蚁群等群体的运行模式，发现它们不依赖中央控制系统，仅通过个体间的局部互动和自组织行为，就可以实现整体系统的有序运行。
当人类将这种机制应用于机器人在控制中，形成一个组。机器人系统。典型的群体机器人这是一种微小的胶体机器人它们可以在战胜疾病、制造智能纺织品和设计纳米计算机方面发挥作用。
然而，在宏观层面上，对照组机器人通常需要依赖大量的内存、处理能力和微观尺度上无法提供的协调功能，这是对的。机器人硬件层面的计算能力和通信能力提出了很高的要求，为了处理复杂的状态信息，很难在缩小硬件尺寸上有所突破。
这一点也从统计物理的角度得到了证实，单一的机器人体积和计算能力之间有一个自然的权衡(功率达到热力学极限)。
为了提高微观尺度的控制能力，佐治亚理工学院的研究团队最近提出了一种新的控制系统，其中自治和自制动实体仅通过局部相互作用就可以推导出宏观尺度的行为，不需要强大的硬件或依赖于局部相互作用物理的传统计算方法。
研究成果以论文的形式发表在科学进展，题目是“机械诱导相变的活性粘性颗粒物质的编程研究”。
事实上，机器人操纵只是本研究的一小部分，其更重要的目标是探索活性物质的聚集机制。本研究首次尝试将计算机编程与团聚机理相结合，通过计算机编程控制团聚或分散的过程，使颗粒物具有可编程性。
“我们的新贡献是将活性物质的团聚机制映射到晶格气体，可以更好地分析团聚机制随时间和引力变化的过程，”论文第一作者李胜凯告诉DeepTech。
具体来说，研究人员首先设计了“自组织粒子系统(SOPS)”的理论抽象，其中设计了具体而简单的分布式算法，并对其进行了严格的分析，以实现特定的目标，同时兼顾了系统的鲁棒性和错误兼容性。
基于此，他们构建了一个新的体系，其中包含了具有基本活动能力的“聚集粒子”。机器人“，其中只有最基本的光传感器来测试理论预测在现实世界中的阻尼驱动系统中能否实现。他们把这个机器人它被命名为博博茨，以纪念物理学家罗伯特“鲍勃”百灵达。
简而言之，研究团队希望通过调整算法参数和配置，证明最简单、无传感器、无通信。机器人，只有依靠它的物理特性(比如磁铁之间的引力)，才能让它在不断的运动中独立凝聚或分散，最终实现更精确的控制。这也可以模拟活性物质中粒子的运行方式。
“这些简单。机器人“完成的任务超出了预期，”研究人员说这种互补的方法展示了分布式算法，活性物质和粒子物理的集成。"
SOPS算法优先
在制造业机器人以前，研究人员应该首先开发自组织粒子系统的理论抽象。
虽然许多系统利用颗粒间的引力和空间斥力实现系统内的聚集，利用颗粒间的斥力实现分散，但这些方法通常需要遥感，往往不严格，缺乏保证理想系统行为的关键证据。
为了更好地理解群体行为，研究人员开发的SOPS抽象模型允许他们定义一种正式的分布式算法，并严格量化长期行为。
SOPS中的粒子存在于晶格的节点(或顶点)上，每个节点最多有一个粒子，沿着晶格的边在节点之间移动。每个粒子都是匿名的(未标记)，只与占据相邻晶格节点的粒子相互作用，无法访问任何全局信息，如坐标系或粒子总数。
模型中的粒子代表活性物质中的粒子，也就是后面模拟场景中的粒子。机器人如何让这些粒子更有效地聚集或分散，需要改进模型背后的算法。
SOPS算法使用局部运动来定义一个有限的马尔可夫链，它可以连接所有单连通粒子构型的状态空间。粒子的分布和运动遵循泊松分布，每个粒子都有自己的泊松时钟，每隔一定时间就会被激活，其激活时间是泊松分布定义的随机值。
激活后，粒子会随机选择一个相邻的节点进行移动。选择一个节点的概率由现有节点和新节点的相邻节点数决定，同时必须满足局部条件，保证粒子配置的连通性。背后的逻辑可以简单概括为:让粒子向相邻节点多的节点聚集。
但是这套运行逻辑需要粒子之间保持联系，需要计算能力，所以他们进一步优化算法，使其在粒子断开后还能工作，不鼓励他们远离相邻节点较多的节点。
BOBbots，模拟主动聚合机器人
有了理论抽象和数学模型，研究人员开始尝试使用真实的团簇。机器人进行测试。
他们创建了一个名为BOBbots的主动粒子聚集系统，由许多直径约为3厘米的小尺寸粒子组成。机器人作文。名字中的BOB代表行为、组织和嗡嗡声，意思是行动、组织和嗡嗡声——这些。机器人它配备了振动电机(ERM)，光传感器和磁珠，底盘上有一个小刷子，所以它移动时会发出嗡嗡声。
BOBbot之间的运动和交互旨在捕捉抽象随机算法的显著特征，同时用物理形态学和交互取代所有的感知、通信和概率计算。每个BOBbot都是圆柱形的，底盘上的刷子与振动电机相连，电机引起的振动会通过刷子转化为运动。
研究人员表示，由于这种推进结构的结构不对称性，机器人它主要沿着圆形轨迹运动，在初始条件下是随机的。但与SOPS模型不同，BOBbots引入了一定的噪声，具有一定的确定性，其移动速度约为4.8±2.0cm/s。
在模拟成簇机制的理论算法中，一个很重要的逻辑是“防止粒子离开有多个相邻节点的位置”，实际应用到机器人体，你需要依靠它们内部的小磁球。这些磁铁总是重新定向以吸引附近的物体机器人。
很明显，一个机器人附近的机器人越多越吸引人，所以与之相邻。机器人分离的可能性越低。
因为SOPS算法的关键要素可以由BOBbot来确定。 机器人直觉上，所以为了检验SOPS模型是否能定量地显示集体动力学，研究人员接着进行了研究。机器人磁铁强度与聚合效率的关系。
经过测试和模拟，他们找到了控制和支配的方法。机器人聚合和分散参数。通过调整这些参数，我们可以实现对这些参数的调整。机器人控制，使其加速群体或保持分散。
在此基础上，研究人员还试图控制这个群体。机器人执行任务，尤其是“聚合”机器人你能“识别”环境中不存在的东西吗？机器人(杂质)，并配合将其赶出系统？"
这种操作模式类似于自然界中的蚂蚁。协作运输食物，但BOBbot是通过机械和物理的相互作用来完成集体任务的，对全局行为的控制不需要复杂的通信或计算。
结果表明，通过保持高磁力，一组小的机器人可以保持物理连接的聚集状态，同时可以有效排除体系中的杂质。BOBbot可以不断随机地重新配置和聚集个体力量，使其具有整体包裹、抓取和驱离碎片的能力。
在实验中，研究人员将盒子和圆盘作为杂物，BOBbot可以在12分钟内将它们移动7.9厘米，这对单体来说只有60克。机器人总的来说是个不错的结果。
反之，如果减小磁力，它们移动碎片的性能会变差，这进一步证明了算法的可控性。
“基本SOPS模型的理论框架可以进一步推广，允许放宽其假设，只要其动力学保持可逆，并且系统是在热平衡下建模的，”研究人员在论文中总结道。
局部随机算法的鲁棒性可以使机器人群体的宏观行为受到保护机器人它的固有特性包括运动方向的偏差，运动轨迹的连续性，运动速度和磁场强度的不均匀性。
更重要的是，由于算法的无记忆性和无状态性，甚至一些机器人当出现故障或受到环境干扰时，算法能够克服故障，继续收敛，无需外界干预。
在实验中，研究人员展示了如何让一群人机器人推送对象，并且这种算法可以扩展到更多需要控制集体行为，对大小有限制的应用场景，包括医疗领域的nano。机器人，用来探索太空机器人等一下。