哈佛大学约翰·A·保尔森工程与应用科学学院的研究人员发现，在机器人的运动路径中加入适量的受控随机性，可以有效防止其在拥挤环境中发生“交通堵塞”。
据 ScienceDaily 报道，该研究表明，虽然在任务中增加机器人数量最初可以提高进度，但如果有限区域内的机器人过多，最终会导致整体陷入停滞。
这项由应用数学博士生 Lucy Liu 领导的研究指出，与其让机器人遵循僵化的直线路径，不如允许它们进行轻微的“摆动”，这有助于它们在彼此经过时实现错位避让。
寻找“金发姑娘区”
研究团队通过计算机模拟，对向随机目的地移动的“智能体”进行了建模。研究发现，完全笔直的路径会导致机器人密集聚集并最终造成彻底的交通瘫痪；而过度的随机性则会导致机器人漫无目的地游荡，降低效率。
然而，研究人员发现存在一个“黄金平衡点”：当运动变化（即所谓的“噪声”）达到特定水平时，系统能够保持稳定的流动状态。
“这可能违背直觉，因为人们会想，随机性怎么可能让事情变得更容易处理呢？”Liu 在报告中表示，“但在这种情况下，当存在足够的随机性时，我们就可以进行平均化处理——计算平均距离、平均时间、平均行为。这使得预测变得容易得多。”
研究团队随后开发了一套数学公式，用于估算“目标达成率”，并确定密度与随机性之间的理想平衡点，以实现性能最大化。
为了验证模拟结果的准确性，研究人员在实验室环境下使用小型轮式机器人进行了物理实验。通过与埃因霍芬理工大学的物理学家 Federico Toschi 合作，团队利用顶置摄像头追踪带有二维码的机器人。
尽管物理机器人的运动精度略低于数字模型，但实验结果与模拟模式高度吻合。该研究表明，高效的群体行为并不需要中央控制或复杂的智能，而是可以从简单的局部规则中自发产生。
