仿生机器鱼群体中三维水下集体行为的隐式协调（UnderWater-2021）_鱼类群体模型

摘要

许多鱼类成千上万地聚集在一起，看似毫不费力地和谐游动。大型鱼群展示了一系列令人印象深刻的集体行为，从简单的浅滩化到集体迁徙，从基本的捕食者躲避到诱饵球和闪光扩张等动态机动。大量的实验和理论工作表明，这些复杂的三维(3D)行为可以来自对附近邻居的视觉观察，而无需明确的交流。相比之下，大多数水下机器人集体依赖于集中的、水上的、明确的通信，因此，表现出有限的协调复杂性。在这里，我们展示了一群受鱼启发的微型水下机器人的3D集体行为，这些机器人只使用通过产生和感知蓝光介导的隐性交流。我们表明，复杂和动态的3D集体行为——同步、分散/聚集、动态圆圈形成和搜索捕获——可以通过感知邻居的最小噪声印象来实现，而无需任何集中干预。我们的结果提供了对隐含协调能力的见解，并对未来的水下机器人感兴趣，这些机器人在珊瑚礁和沿海环境的环境监测和搜索等应用中显示出与鱼群相当的集体能力。

引语

• 群体智能：其中大量相对简单的智能体使用局部交互来产生令人印象深刻的全局行为，使得系统作为一个整体大于其各部分的总和。
• 这些集体行为大多来自隐性协调——许多鱼类物种的决策基于对附近邻居的视觉观察，通过基于邻居的本地感知做出决策。
• 大多数水下集群只在水面上协调，或者根本没有协调
• 最近的一个项目CoCoRo构建了一个异构群体，结合了多种移动和通信模式:水面机器人、水下机器人和浮动基站，使用水上射频通信和水下调制蓝光和声波通信。
• 受利用视觉进行协调的鱼群的启发，我们的目标是实现水下机器人集体基于视觉的局部隐式协调来进行自组织，具有连贯的协调性、高度的可操作性以及不需要任何辅助技术。
  

设计

• 我们设计了微型(235 cm3)、自主、受鱼启发的水下机器人Bluebots，以系统地研究水下领域的自组织3D协调。

• 自组织的两个基本个人级能力是对邻居距离和方位的3D感知以及对邻居的快速3D运动响应。

• Bluebot使用相机和蓝光发光二极管的组合来实现3D视觉和邻域感测。两个带有195°广角镜头的摄像机提供了一个准全向视野，前方方向(35°重叠)，仅受机器人后部狭窄5°盲点的限制(图1A)。蓝色机器人在后部结合了一对垂直堆叠的蓝光发光二极管，作为一个简单的视觉特征，允许邻居通过射影几何快速识别彼此的距离和角度位置(图1，G-J)。
  
  

• 《材料与方法》中介绍了基于视觉的邻居检测算法，用于处理摄像机镜头的球面畸变、水面上的发光二极管反射以及将发光二极管对应到单个机器人,使用这种视觉系统，我们能够近似鱼类视觉的各个方面，例如持续的感知和对周围环境的快速反应，一个Bluebot可以探测到5米外的单个邻居。

• 四个独立控制的鳍在三维空间中提供精确的运动；原地转弯、向前运动和在水平xy平面内停止都分别用两个胸鳍(图1D，左)和一个尾鳍(图1D，右)实现，沿垂直z轴的潜水由单个背鳍和轻微的正浮力控制。
  

• 时间(同步)、空间(聚集和分散)和动态运动(磨)，以多个行为的组合结束，以实现搜索操作。

通过发光二极管闪光的视觉相位匹配实现跨时间的自组织

• 我们研究的第一个行为是自发同步，这是时间上自组织协调的经典例子。数以百万计的萤火虫同步闪光吸引配偶(图3A)；研究表明，这种全局行为是由单个萤火虫通过视觉检测邻居的闪光并调整以匹配它们的相位而出现的。
  

• 我们的方法利用闪烁作为实现同步的默认机制，并基于众所周知的米罗罗-斯特罗加兹模型(图3B)。Bluebot以不同的开始时间初始化，时间间隔t_f=15s。

• 运行在每个Bluebot程序中使用一个变量n来计数，每到达一次周期，点亮2秒钟的发光二极管，并更新数值。每当Bluebot闪烁时，所有观察到的邻居以f(n)的步长向前跳跃(等式1)，n_i达到周期，观察者n_j根据公式进行对应的更新.
  

• 左:y闪光，x的计数器被改变；右:x闪光，y的计数器改变；结果:它们的相位差(红色)减小。在多次这样的回合后，x和y会同时闪光。

• 七个机器人在最初的三轮不同步闪烁(虚线)后调整它们的闪烁周期以实现同步(实线)。在分别进行了四轮和七轮均匀(蓝色)和随机(红色)分布的初始化同步后，机器人同步闪光。

• 随机初始化同步时间比均匀初始化要长，因为它们被分成两个竞争的子组(第5轮到第7轮)。
  
• 真实环境的实验，第一轮和第十轮对比。
  

通过吸引和排斥的虚拟力跨越空间的自组织

• 鱼群的聚集和扩散
• 大多数模型假设一条鱼根据距离感受到来自附近邻居的虚拟力，距离太近的邻居相互排斥，距离较远的邻居相互吸引。
• 鱼使用视觉来确定邻居的相对位置，并在没有任何直接交流的情况下做出反应。不管实现方式如何，虚拟力模型的涌现结果是一样的:鱼群或机器人群倾向于分散在一个区域，排斥力与吸引力的平衡决定了群体的密度和扩散。
• 在分散/聚集过程中，黑色机器人将其下一步移动(黑色向量)计算为来自相邻机器人的所有吸引力(蓝色)和排斥力(红色)的加权平均值。
  
• 我们选择了一种常用的人工势，Lennard-Jones势，基于从机载视觉中实时提取的相对位置来建模机器人之间的非线性相互作用。dt是引力圈的半径，在引力范围内作用力为排斥力，引力圈范围外作用力是吸引力，并根据距离逐渐改变。
• 所有n个可见邻居的力贡献Fij通过取Lennard-Jones势Vij相对于它们的距离∣rij∣.的一阶导数来获得所有单个力的平均值乘以相应的相对位置rij确定了机器人的下一个运动矢量pi.
  
  设置dt来设置聚集还是分散状态(dt=2/0.75,time=120s)，通过实验证明人工势可以实现机器人的聚集和分散。
  
• 逐步改变dt发现鱼群可以做到突变，从聚集状态突变成分散，好比自然界的捕食者突袭，鱼群分散。
  

基于邻域存在二元感知的动态鱼群漩涡形成

• 鱼群漩涡：整个鱼群连贯地以顺时针或逆时针的圆形队形游泳，通常形成大的3D漏斗或球形。
  
• 极简自组织，通过具有极其简单的邻域感测(例如，邻居存在与否的二元感测或邻居数量的模拟感测)的智能体，可以实现意想不到的复杂行为。
• 从两种可能的情况中的每一种映射到预定义的运动模式上:在这种情况下，如果看不到任何人，则稍微向右转，如果看到任何机器人，则稍微向左转。对于许多转弯半径值，机器人自发地聚集，我们的行为规则不是使用视线传感器，而是使用具有非零张角的3D三棱镜。
  
• N是参与机器人数量，这个方程表明，机器人越多，圆半径R越大。注意，所有机器人都有相同的固定转弯半径r0 ≤R，但圆的实际半径R是作为交互机器人数量的函数出现的，并不直接取决于转弯半径。

• 在实验中，我们还对每个机器人进行了预编程，使其潜入不同的首选深度，从而使动态地层为3D，形成一个旋转圆柱体，类似于鱼群漩涡的一些自然观察。
  

• 跟踪的3D轨迹如图5D所示。机器人能够一次形成并保持几分钟的动态圆圈，部分原因是与其他机器人边界的碰撞。
  

• 旋转时，蓝色机器人可以保持20%以下的半径精度和5%以内的深度精度(图5，E和F)。
  

多机器人集体搜索，在搜索、聚集和警报之间转换

• 在实验中，七个机器人被放置在水面的中心，任务是在水箱的底角搜索红色光源(图6，A-E)。
• 为了完成这项任务，我们结合了三种行为——搜索、提醒和聚集，使用闪烁的发光二极管作为视觉信号来启动行为转换(图6F)。
  • 作为第一步，机器人使用前面描述的分散行为，通过在水箱中分散来集体搜索。
  • 第一个检测到红色光源的机器人切换到警报行为，它保持其位置，并以15 Hz的频率闪烁其发光二极管，作为招募其他人的信号。
  • 当其他机器人观察到闪烁的信号时，它们关闭了发光二极管，向信号移动(聚集行为)。一旦它们靠近红色光源，它们也开始闪烁，从而增强了警报信号(图6)。

结论

• Bluebots仅依赖于本地视觉信息，这些信息是使用低成本执行器在机器人上实时采集和处理的，并且是3D且不完美的运动。Blueswarm能够通过利用生物启发的协调技术来实现多种3D集体行为，这些技术对不完美的数据具有内在的鲁棒性，并且能够从看似简单的交互中出现复杂和动态的全局行为。
• 我们展示了经过充分研究的经典集体行为，如同步和分散，引入了动态行为，如鱼群漩涡，并通过连接多个行为对复杂任务进行编程-搜索、报警、聚集。通过关注视觉协调的极简形式，我们能够实现多功能性，并展示水下机器人群的可编程性。

未来方向

• Blueswarm支持对算法的健壮性和可伸缩性进行物理验证的研究，这将揭示我们理论理解中的重要差距。
• Bluebots也非常适合作为研究自然集体行为和生物模拟的实验测试平台，例如，研究鱼群中不同队形的动态规避机动或最小花费，或者狼群或海豚表现出的集体捕食者行为。
• 隐式协调是实现可扩展和健壮集群的一种令人信服的方法，因为它不仅是自然分散的，而且对单个故障是健壮的，而且在不可能或不希望直接显式消息传递的环境中降低了通信复杂性。