多机器人研究前沿：协同通信与路径规划技术

当阿曼达·普罗洛克在高中选择计算机科学作为选修课时，其主要吸引力在于客观评估——解决方案要么有效，要么无效。回顾过去，这个青少年时期的生活技巧被证明具有决定性意义，为职业道路铺平了道路。如今，普罗洛克正在开创多机器人学中困难协调问题的实用解决方案：即机器人如何交互的科学。

作为剑桥大学集体智能与机器人学教授，普罗洛克已发表多篇关于多机器人系统的论文。其实验室的研究项目“多机器人路径规划的显式通信学习”为其赢得了2019年某机构研究奖。

发现集体智能

在洛桑联邦理工学院计算机科学第四年，她学习了集体智能和群体机器人学。“这是我第一次真正接触如何观察复杂自然系统，”她说。“这种我们可以逆向工程自然的想法是我喜爱并认为如此强大的理念。”

普罗洛克特别受到克雷格·雷诺兹的Boids项目启发，这是一个“协调动物运动的计算机模型”，模仿了鸟类的群体行为。

在本科项目中，普罗洛克通过探索预测个体和群体行为的算法来尝试逆向工程。她对多个智能体为何团队合作以服务更高层次目标以及如何优化其交互的问题感到好奇。

她认为，结果不仅仅是个体部分的总和。她回忆道，正是“嵌入在这种交互中神秘、突现的智能”引起了她的兴趣。

在日本的一次实习激发了她一直寻求的魔力。

在洛桑联邦理工学院的最后一年，她是赢得年度实习竞赛的四名学生之一。鉴于她对机器人学的兴趣，她被匹配到三菱电机的Amagasaki先进研发中心。在那里，她致力于自动化在仓库中执行取放任务的机器人。

生活在日本改变了她的世界观。她着迷于该国的文化哲学，特别是关于人类与其环境相互依存的精神信仰。她还对东京等大城市中人们如何导航拥挤空间感到着迷，这导致她对集体智能如何在人群导航中发挥作用感到好奇。

“在日本，你观察到极高程度的集体智能，”她说。“没有它，你不可能像日本人那样高效地生活在像东京这样密集的地方。”

多年后，当她建立实验室时，这个问题推动了她对机器人学的研究：如何编程一组机器人尽可能平稳高效地移动，同时避免碰撞和死锁？

普罗洛克在日本的经历促使她返回洛桑联邦理工学院攻读计算机科学博士学位。

她的论文专注于室内定位——自主代理如何在室内环境中定位自己并确定坐标，以及在GPS信号弱或不存在时与其他代理通信。

她使用移动机器人模拟移动目标，并使用地面实况定位系统实时跟踪它们。当时，超宽带（UWB）是一项新兴技术，使设备能够通信和跟踪精确位置。但UWB也有复杂信号处理和在杂乱环境中由于信号反射性能差的缺点。

普罗洛克希望克服UWB的缺点，并探索机器人团队如何不仅互相帮助，还能提高自我认知。她最终通过使用UWB定位和协同定位的混合方法解决了室内定位问题。

她的论文获得了洛桑联邦理工学院计算机科学“最佳论文”的ABB奖。

在剑桥大学，普罗洛克在博士后研究后加入了该校，并成立了普罗洛克实验室，她和团队目前致力于寻找实用方法来解决需要机器人相互协调的问题。

这包括，例如，通过集体运动进行群体行为或路径查找。群体行为指的是组中每个机器人调整其速度并与其他机器人对齐，同时保持预定路径并避免碰撞。

实验室还致力于分布式覆盖，这需要将机器人发送到特定位置以熟悉空间布局，自动化产品交付，监控环境，并在灾难场景中为受伤人群进行搜索和救援。

2019年某机构研究奖认可了实验室开创性机器学习方法以合成本地通信和决策策略的工作。该奖项通过津贴资助研究