Hur bygger man egna svärmarobotar? En översikt av tillgängliga plattformar och deras tillämpningar

Idag finns det redan flera små UAV:er (unmanned aerial vehicles) som utgör en bra bas för forskning inom luftburna svärmsystem. En detaljerad översikt av dessa små UAV:er kan hittas i arbeten av Cai et al. och Swetha et al. Mikroflygplan (MAV) finns i ett brett spektrum av modeller och används ofta inom spelindustrin samt för videoinspelning och fotografering. Tyvärr är deras flygkontroller ofta stängda, vilket gör det svårt att utveckla och testa egna algoritmer, som exempelvis Qualcomm Flight Pro och DJI M100. För forskning inom svärmteknologi är det dock viktigt att använda UAV:er som tillåter utveckling och anpassning av programvara, såsom de MAV:er som utvecklades inom Swarmanoid-projektet. Dessa UAV:er är utrustade med tre gyroskop, tre accelerometrar, en ultraljudssensor och fyra IR-sensorer.

I vattenmiljöer har CoCoRo-projektet (Collective Cognitive Robotics) utvecklat en stor svärm bestående av 41 olika undervattensrobotar (UUV), som används för miljöövervakning, bedömning av vattenföroreningar och global uppvärmningens effekter. Dessa undervattensrobotar kommunicerar via sonar och elektriska fält, vilket gör det möjligt att etablera effektiva kommunikativa nätverk för samarbete. Monsun är en annan undervattensrobot som använder både akustiska moduler för datakommunikation och kameror för att känna igen och följa andra enheter inom svärmen.

För marina applikationer utvecklas svärmar av autonom marina ytfarkoster (USV) inom projekt som CORATAM. Dessa plattformar kan användas för miljöövervakning, lokalisering av havsliv och patrullering av marina gränser. Med hjälp av evolutionära algoritmer kan svärmarna lösa komplexa uppgifter och anpassa sig till förändrade förhållanden. På andra sidan har forskningen även gett upphov till mikrostora undervattensrobotar, som exempelvis microUSV, som är avsedda för inomhusbruk och erbjuder kostnadseffektiva lösningar för svärmteknologi på liten skala.

Inom rymdforskning har NASA utvecklat Swarmies för att möjliggöra materialinsamling på Mars, såsom vatten, is eller värdefulla mineraler. Denna teknologi, som kallas in-situ resursutnyttjande, innebär att små flygande robotar arbetar tillsammans för att utföra uppgifter på Mars. Genom att genomföra experiment i form av Swarmathon strävar NASA efter att inspirera till utveckling av algoritmer som härmar myrornas sätt att samla mat och organisera sig för gemensamma syften.

För att skapa egna svärmarobotar på en liten skala måste vissa tekniska och praktiska utmaningar beaktas. Ett exempel är Spiderino-roboten, som är en benrobot utformad för svärmforskning och utbildning. Att bygga en sådan robot med ben innebär att man måste hantera kostnad och storlek på ett sätt som gör det möjligt att skapa ett funktionellt system. Ett vanligt problem med sexbenta robotar är antalet servo-motorer som behövs för att flytta varje ben. För att underlätta rörelse och bibehålla balans kan det vara nödvändigt att reducera antalet ben, vilket dock kan kräva mer avancerad styrning och fler sensorer.

En annan utmaning vid konstruktionen av benrobotar handlar om statisk stabilitet. För att ett benrobotssystem ska vara stabilt under hela sitt gångmönster, krävs det åtminstone fyra ben. Detta gör att roboten kan bibehålla balansen genom att lyfta ett ben åt gången, vilket gör att tyngdpunkten alltid hålls inom det område som definieras av de ben som är i kontakt med marken. För en sexbent robot kan en effektiv gångstil vara att lyfta tre ben åt gången, vilket ger snabbare rörelse än en traditionell fyrbent gång med en ben i taget. Detta mönster används ofta av djur, som exempelvis sköldpaddor, som håller balans även när endast två ben är i kontakt med marken.

Denna förståelse för samarbete och självorganisering är avgörande för att kunna skapa effektiva svärmteknologier, oavsett om det handlar om praktisk tillämpning i en kontrollerad miljö eller i mer extrema, realvärldsscenarier som rymden eller havet. Genom att bygga plattformar som tillåter denna typ av samarbete kan vi öppna upp för nya möjligheter inom forskning och tillämpning av svärmsystem, som sträcker sig långt bortom dagens teknologier och experiment.

Hur kan biologiska och teknologiska nätverk inspirera utvecklingen av svärminformation och framtida tillämpningar?

I en värld där teknologin ständigt utvecklas söker forskare efter nya sätt att förbättra effektivitet, skalbarhet och anpassningsförmåga i olika system. En särskilt spännande utveckling har varit användningen av biologiska och teknologiska nätverk som inspiration för att skapa svärminformation—ett område som i allt högre grad visar sig vara användbart inom flera vetenskapliga och industriella fält.

En annan aspekt av biologiska nätverk som inspirerat utvecklingen av svärminformation är molekylära nätverk, vilka ofta används för att modellera komplexa sjukdomar som cancer och schizofreni. I dessa nätverk representerar noder molekyler som gener, RNA och proteiner, medan kanterna representerar deras relationer. De exceptionella egenskaperna hos dessa nätverk, såsom skalbarhet och robusthet, gör dem till förebilder för att designa interaktioner mellan agenter i svärmar. Trots den enorma komplexiteten och storleken hos dessa nätverk kan de snabbt anpassa sig och reagera på förändringar i sin omgivning, vilket gör det möjligt för organismer att överleva under strikt kontrollerade förhållanden. Dessa funktioner—flexibilitet, robusthet, skalbarhet och komplexitet—är också centrala egenskaper hos svärminformation.

Molekylär kommunikation erbjuder dessutom hög säkerhet och sekretess på grund av den lokala karaktären hos kommunikationen. Nanonätverk har redan framgångsrikt använts inom biomedicinska tillämpningar som läkemedelsleverans, in-vivo sensorik och övervakning av glukosnivåer hos diabetespatienter. De har också använts i miljömässiga tillämpningar, såsom övervakning av föroreningar. Genom att utnyttja förmågan hos nanonätverk kan svärminformationssystem potentiellt uppnå högre effektivitet, skalbarhet och robusthet i en rad olika applikationer.

Mänsklig kognition erbjuder också insikter för utvecklingen av svärminformationssystem. Människor använder sig av självorganiserande strategier för att interagera och lösa olika uppgifter. Detta är tydligt i kollektiva mönster som observeras i folkmassors dynamik. Experimentella studier har undersökt hur människor koordinerar sina rörelser och beteenden, även med begränsad perception av omvärlden. Trots att djurvärlden har varit en stor källa till inspiration för svärminformationsalgoritmer, har det visat sig vara förvånansvärt lite forskning om hur människors gruppbeteende kan översättas till svärminformation. Eftersom människor är skapare av komplexa samhällen och kulturer, och kommunicerar genom naturligt språk, skulle mänskliga beteenden vara en lättillgänglig och potentiellt mycket värdefull inspirationskälla.

Den tvärvetenskapliga ansatsen att studera aktiva material—där många enskilda agenter följer enkla regler för att uppnå kollektiv rörelse—kombinerar representationer från olika discipliner, som biologi, fysik, datavetenskap och robotik. Modellen för självpropellerande partiklar, som föreslogs av Vicsek et al. 1995, har använts för att simulera realistiska system, inklusive självreplicerande morfogenes, där svärmar bildar strukturer som i sin tur skapar nya liknande strukturer. Dessa modeller erbjuder robusthet mot heterogenitet, vilket gör dem särskilt lämpliga för att studera svärmdynamik inom cyber-fysiska system (CPS).

Med tanke på den potentiella betydelsen av svärminformation för framtida tillämpningar inom en rad olika områden, från medicin till miljöövervakning, är det tydligt att denna forskning har mycket att erbjuda. Även om implementeringen av svärminformation i verkliga världens scenarier fortfarande är begränsad, har vi endast skrapat på ytan av de möjligheter som finns. Forskare som Bonabeau och Meyer har påpekat att tillämpningarna av svärminformation är begränsade endast av vår fantasi, och detta öppnar upp för en mängd nya möjligheter i en värld som blir allt mer sammankopplad.

Endtext