自由組隊、分離和修復，基於MNS開發的機器人秒變“變形金剛”

該機器人可以實現自由組隊、分離和自我修復，未來將融入AI進一步優化與改進。

變形金剛

電影裡，炫酷的變形金剛對我們來說再熟悉不過了，話不多說，先上兩個片段：

視訊中，那姿勢、那動作，流暢自然，早已看呆鎂客君。

但電影終究是電影，讓我們回到現實中，真正的“變形金剛”是下面這樣的：

 

視訊看完，第一感受是電影裡都是騙人的。但是，其實現實中的技術也還不錯，畢竟有這樣一輛炫酷的車或是飛機，還是足以讓阿姨看呆。

正題：技術的侷限性

現在我們轉入正題，不知道大家有沒有注意到，現實中的“變形金剛”，專業角度上看也就是一個機器人，本質上是一款智慧的系統，在直觀感受上，它是遲鈍的。其實關於這一方面的研究，在科學界也早已不是新鮮的話題，但研究的成果卻一直沒有達到理想中的“智慧”效果，所以大家將電影和現實對比來看才會有巨大的心理反差。

這裡沒有實現真正意義上智慧的原因在於——機器人變形系統現有的技術水平侷限於兩個方面：一是通過一箇中央“神經系統”來控制其他機器人單元，但其擴充能力有限；二是每個機器人單元自行運作，但只能在有限的範圍內用固定線路進行物理連線。顯然，這兩種技術的思路和實現方式都無法讓機器人系統具有真正的靈活性和可擴充性。

突破：基於MNS的機器人

針對此方面研究，比利時布魯塞爾自由大學的Marco Dorigo團隊開發出了基於mergeable nervous system（MNS）的機器人，這一全新的系統打破了當前的技術瓶頸，讓機器人的合併、拆分動作都更加靈活流暢。此外，該機器人系統還具有自我修復性。

首先，我們先來直觀感受下它們按任務和場景要求迅速組隊和分離的靈敏度：

從視訊中可以看出，機器人該抱團就抱團、要分開就分開，從靈活度等方面來看，整體表現著實不賴。

那具體機器人是怎麼做到根據任務或環境需要來重新構建和配置自己的呢？

達到視訊中效果最核心的因素還是這個稱為MNS的系統。

首先，我們先來認識下目前現有的系統，即傳統的機器人神經系統。這一系統的實現，簡言之，就是設計人員先選擇訊號和決策架構，其中感測器和執行器連線到中央處理單元，以控制機器人整合感覺輸入和協調執行器。

但是，因為系統在設計上一開始就要求研究人員設定好訊號和決策架構，所以基於該系統的機器人一定是具有特定形態和特定功能的機器人，因此靈活性大大降低，也就使其少了“人味”。

而此款基於MNS的機器人，它是由一個或多個機器人單元（robotic units）組成，其中負責發出合併和拆分命令的叫做“大腦單元”（the brain unit），“大腦單元”通過連線Wi-Fi收集來自其他機器人單元的資料來決定如何行動，如實現特定的合併或拆分任務。

此處，值得注意的是，當MNS機器人拆分成多個機器人模組時，每個模組都具備成為全新獨立機器人實體的“大腦單元”所需的全部知識。

當然，自然而然我們就會疑惑，在執行任務時，如何快速辨別出充當“大腦單元”角色的那個機器人單元呢？

據解釋，由於MNS這一系統被設計成了樹形結構，所以機器人中的根單元總能被明確地識別並用作“大腦單元”。

此外，機器人的每次合併和拆分都伴隨著系統內部對“大腦單元”變化資訊的實時更新，所以整個過程不會太耗時。

接下來，我們來看下這個機器人怎麼應對“零件”壞掉的情況：

 

視訊中，第一次，研究人員設定“大腦單元”壞掉，並設定了完成Y型的合併任務，實驗中，機器人單元在檢測到其有故障時先彼此進行了拆分，接著建立三個新的獨立的MNS機器人，這時候每個機器人都有自己的“大腦單元”，最後三個新機器人相互合併，形成新的“大腦單元”，完成Y型任務。

在第二次實驗中，研究人員設定了一個有故障的機器人單元。這種情況下，包含故障單元的部分與MNS機器人分離，隨後，“大腦單元”又召喚了兩個新的機器人單元以恢復原來的樣子。

最後，我們來通過視訊感受下系統作為整體對入侵者的態度：

 

如視訊中，如果感測器感應到外部有LED燈光刺激的話，“大腦單元”會向其他機器人單元發出合併或者拆分的執行指令，然後它們將進行座標轉換來協調空間位置。

如果資訊傳遞有延遲，執行器不會在機器人單元剛接收到指令時就立即執行，而是等指令傳遞到所有單元之後再統一行動。

總結

對於該機器人的未來改進，Dorigo團隊介紹說：“目前研究存在的主要侷限是仍然需要對所有的機器人進行程式設計，只有這樣才能準確地告訴它們該如何合併。團隊下一步要做的就是融入AI，讓每個機器人單元進行自主學習。”

此外，他們還計劃將MNS的概念擴充套件到可重新配置的模組化機器人，使其能在三維空間裡執行，並且具備更高的柔性和適應性。

期待未來該技術的成熟會讓機器人擁有更加炫酷的表現。若您對技術十分感興趣，可以點下面瞭解詳情。

https://www.nature.com/articles/s41467-017-00109-2

原文釋出時間：2017-09-15 14:06

本文作者：Lynn

本文來自雲棲社群合作伙伴鎂客網，瞭解相關資訊可以關注鎂客網。