不久前，一种名为“蜂群崩溃症候群”（CCD）的神秘疾病开始摧毁蜜蜂蜂巢。这些蜜蜂负责美国大部分的商业授粉，它们的损失引发了人们对农业可能开始遭受损失的担忧。2009年，我们三人与哈佛大学和东北大学的同事一起，开始认真考虑创建一个机器人蜂群需要什么。我们想知道机械蜜蜂是否可以复制的不仅仅是个体的行为，还有数千只蜜蜂互动产生的独特行为。我们现在已经创造了第一批“罗伯蜂”——飞行蜜蜂大小的机器人——并且正在研究使成千上万的它们像真正的蜂巢一样合作的方法。
从表面上看，这项任务几乎不可能完成。蜜蜂经过数百万年的进化，已经变成令人难以置信的飞行机器。它们微小的身体可以飞行数小时，在阵风中保持稳定，寻找花朵并躲避捕食者。用镍币大小的机器人试试看。
现在考虑蜂巢。一个蜂群似乎没有主管，也没有中央权威。然而，成千上万的蜜蜂群落智能地分工合作，完成对整个蜂巢健康至关重要的任务。当蜂巢需要更多花粉时，会有更多的蜜蜂去觅食；当蜂巢需要照料时，蜜蜂会待在家里。当出现问题时——比如蜂后意外死亡——蜜蜂会迅速适应变化的环境。如果无人负责，如此庞大的蜂群是如何做出这些复杂的决定——而又不会花费太长时间或因沟通不畅而造成混乱的呢？
支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道： 订阅。通过购买订阅，您正在帮助确保有关塑造我们当今世界的发现和想法的具有影响力的故事的未来。
机器人蜂巢可以做的远不止为花朵授粉（尽管农业是一个潜在用途）。实际上，小型、灵活、简单、廉价的机器人可以比少数功能强大的机器人更有效地执行许多任务。例如，考虑一下救援人员携带一箱1000个“罗伯蜂”——重量不到一公斤的包裹。可以将“罗伯蜂”释放到自然灾害现场，以搜索幸存者的热量、声音或呼出的二氧化碳特征。如果只有三只机器人完成了任务，而其他机器人失败了，这对蜂群来说也是一种成功。对于目前一代价值10万美元的救援机器人来说，情况并非如此。
然而，机器人蜜蜂群落带来了大量的技术挑战。这些微小的机器人从头到尾的长度不会超过几厘米，重量约为半克——大约是世界上最轻的自主飞行器的重量的百分之一。这个微小的封装必须容纳每只蜜蜂的飞行系统、电子大脑和视觉系统，以及控制蜜蜂如何与其蜂巢其他成员互动的控制器。材料科学、传感器技术和计算架构的最新进展正在使这些目标触手可及。
身体和飞行
制造小型飞行机器人最明显的挑战是找到使其飞行的办法。不幸的是，过去十年中机器人在小型化方面取得的稳步进展对我们几乎没有帮助，因为“罗伯蜂”的小尺寸改变了作用力的性质。摩擦等表面力开始支配重力和惯性等与体积相关的力。这种比例缩放问题排除了机械工程师的大部分标准工具包，包括旋转轴承和齿轮以及电磁马达——这些部件在较大的机器人中无处不在，但对于“罗伯蜂”来说效率太低。
我们没有采用旋转马达和齿轮，而是根据空中昆虫的解剖结构设计了“罗伯蜂”——扑翼由（在本例中）人造肌肉驱动[参见上方框]。我们的肌肉系统使用独立的“肌肉”来提供动力和控制。相对较大的动力致动器使翅膀-胸廓机构振荡，从而为翅膀的拍打提供动力，而较小的控制致动器则微调翅膀的运动，从而产生扭矩以进行控制和机动。这两种致动器都在翅膀与身体连接的关节处工作。
人造肌肉由压电材料制成，当您在其厚度方向施加电压时，压电材料会收缩。这种致动器有一些缺点——例如，它们需要高电压并且易碎——但这是一个比例缩放物理原理对我们有利的例子。这些致动器越小，它们就越想快速移动。并且由于每个周期（每单位质量）传递的功量保持相当恒定，因此更快的拍打会导致更大的功率。事实上，这些肌肉产生的功率与同等大小的昆虫肌肉产生的功率相当。
在过去的几年里，我们试验了数十种不同的致动器和关节配置。我们在所有这些设计中寻找的一件事是它们的可构建性。蜂巢中的数千只蜜蜂将必须批量生产。
到目前为止，我们提出的最佳设计是由三层夹层结构制成的：硬质面板形成顶层和底层，中间是一层薄聚合物薄膜。我们通过在顶层和底层刻出材料来创建关节，留下中间层的聚合物弯曲，从而创建挠曲关节[参见前页的方框]。
我们在制造蜜蜂大小的机器人方面取得了巨大进展，但我们仍在努力找出为其供电的最佳方法。为了克服小型飞行对能源的苛刻要求，蜜蜂的大部分质量必须由主致动器和动力装置占据（想想“电池”，尽管我们也在探索使用固体氧化物微型燃料电池的可能性）。电力问题也被证明有点像第22条军规：大型动力装置可以存储更多能量，但需要更大的推进系统来处理增加的重量，而这反过来又需要更大的电源。
尽管我们还不能让“罗伯蜂”依靠自身动力飞行，但我们已经展示了一种100毫克的蜜蜂，它能够产生足够的推力起飞（我们将其拴在外部电源上）。“罗伯蜂”还能够使用主动和被动机制相结合的方式来稳定自身。鉴于电池能量密度的技术水平以及所有身体部件的效率，我们对飞行时间的最佳估计仍然只有几十秒。为了增加飞行时间，我们正在努力最大限度地减少每个身体部件的质量并最大限度地提高其效率。
大脑和导航
电力并不是唯一限制“罗伯蜂”的因素。机载大脑是另一个尚未解决的问题。野外的“罗伯蜂”必须不断评估周围环境，决定最佳行动方案并控制其飞行机制。外部电子设备在实验室中可以作为临时的解决方案，但工作的“罗伯蜂”将需要自己的大脑。
从高层次来看，大脑构成了智能，它不仅负责控制单个“罗伯蜂”，还负责管理其与蜂群中其他“罗伯蜂”的互动。我们着手分层构建大脑——解释物理环境的传感器、处理基本控制功能的电子神经系统以及做出高级决策的可编程电子皮层。作为第一步，我们试图设计一个能够实现自主飞行的大脑子系统。这一挑战需要一个紧密的控制回路，其中包含传感器、信号处理器和身体部位的运动。
为了弄清楚使用什么传感器以及如何构建大脑电路，我们再次求助于自然。苍蝇（和其他动物）使用两种广泛类型的传感器在世界各地活动。本体感受传感器为苍蝇提供有关其内部状态的信息——例如，翅膀拍打的速度或电池中剩余的电量。外感受传感器提供有关外部世界的信息。
现代技术提供了GPS、加速度计和多轴陀螺仪，但此类传感器通常太重或消耗太多功率（或两者兼有），因此无法使用。因此，我们正在研究一种类似于天然蜜蜂所拥有的电子视觉系统——一种分析“光流”的系统，即图像传感器视觉场中物体的明显运动。想象一下从汽车乘客侧窗看到的景象：附近的物体似乎快速穿过您的视野，而远处的物体移动缓慢。即使仅配备小型、简单的图像传感器，利用此信息的视觉系统也可以创建其环境的详细三维表示。
然而，“罗伯蜂”的大脑必须足够强大，才能处理来自图像传感器的数据流，并做出适当的控制决策来驱动身体致动器。同样，即使是先进的现成组件也无法满足我们的需求。因此，我们一直在探索一种用于“罗伯蜂”大脑的新型计算机架构，该架构将通用计算与称为硬件加速器的专用电路相结合。与通用处理器（即运行普通家用电脑的万能芯片）不同，硬件加速器是经过微调的电路块，它们只做一件事，但做得很好。我们将使用硬件加速器来进行稳定飞行所需的快速、实时计算，同时还要保持在严格的功耗预算之内。
一个主要的挑战是弄清楚我们可以容忍哪些权衡。例如，我们希望能够使用高分辨率相机。然而，高像素计数需要更大的图像传感器和额外的计算能力来处理图像。最佳平衡点在哪里？
为了帮助回答这些问题，我们开发了一个特殊的测试室。我们将“罗伯蜂”的身体安装在固定的多轴力和扭矩传感器上，并让它拍打翅膀以尝试飞行。在测试室的墙壁上，我们投射出“罗伯蜂”将要飞行的物理环境的图像。通过这种方式，我们可以探索我们的原型视觉系统、大脑和身体如何协同工作以在世界中导航。
当然，飞行控制仅仅是开始。我们还在并行努力探索其他类型的传感器，这些传感器将使“罗伯蜂”能够完成特定任务——例如，找到隐藏在地震废墟中的人。
不幸的是，我们目前预见不到我们目前的蜜蜂具备直接的蜂对蜂通信能力——与无线通信相关的功率成本太高了。然而，这并不意味着蜜蜂会单独行动。
蜂群和通信
与我们希望“罗伯蜂”在其中运行的世界相比，单个“罗伯蜂”将非常微小且功能有限，功率和重量预算严重限制了任何单个“罗伯蜂”可以拥有的传感和通信硬件类型。因此，除了我们对“罗伯蜂”的身体和大脑的研究之外，我们还必须弄清楚如何建立一个蜂群。与蜜蜂一样，孤立的“罗伯蜂”几乎一事无成。但是蜂巢呢？群体行为将使“罗伯蜂”能够探索大片区域，通过进行许多简单的观察来理解这些区域，有效地分工合作，并且即使单个蜜蜂失败也能蓬勃发展。成群的小型、灵活且可能是一次性的机器人可以实现许多新的应用——例如授粉，或灾难场景中的搜索和救援——这些应用对于单个机器人来说是不可能的。
自 1990 年代初期以来，在“群体智能”研究领域工作的计算机科学家已经阐明了许多受社会性昆虫启发的强大协调算法——从协调搜索策略到智能分工。但即使掌握了这些算法，也不能像管理单个机器人那样管理机器人群。
首先，在数千个实体级别进行编程和推理变得站不住脚。这就像要求普通的软件开发人员坐下来写出计算机内部每个物理位的指令一样。相反，正如编译器采用计算机程序的人类可读指令并将其转换为控制微处理器内部各个晶体管的 1 和 0 一样，我们需要一种更高级别、更抽象的方式来对整个蜂群进行编程——这种方式可以将全局指令转换为单个行为程序。我们需要一种用于蜂群的编程语言。
哪种语言能够捕捉蜜蜂蜂群所做的事情以及我们希望“罗伯蜂”蜂群做的事情？目前还没有简单的答案，但我们已经开发了两种抽象语言作为起点。在 Karma 语言中，可以指定蜂群必须完成的任务流程图。流程图包含表示触发新任务的条件的链接。Karma 系统使用来自个体的信息来调整资源向任务的分配，这种方式模仿了蜂巢在真实蜜蜂蜂群中所起的作用。
另一种称为 OptRAD（优化的反应-对流-扩散）的方法将空中机器人蜂群视为在环境中扩散的流体。任何单个“罗伯蜂”都使用概率算法来确定是否基于当前环境状态执行任务。将系统视为流体使 OptRAD 能够在较高层次上推理预期结果，并调整其行为以适应新情况。
关于构建和操作一个庞大的机器人蜂群，我们也有很多东西要学习，这个蜂群不仅包含数十个或数百个，而且包含数千个自主机器人，其数量远远超过了人类操作员。当有数千个实体时，仅在个体级别操作机器人也变得站不住脚。想象一下，如果每个机器人都有一个开/关开关——如果打开每个机器人需要五秒钟，那么打开 1000 个机器人将需要近一个半小时。类似的限制适用于从成本到维护的所有方面——每个机器人都必须便宜、易于制造且易于在集体层面操作。理想情况下，每个操作都应该是可扩展的——它应该花费一些固定的时间量，而不会随着集体规模的扩大而增加（或者至少增加得非常缓慢）。
这些挑战促使我们创建了 Kilobot 系统——数百个机器人的集合，每个机器人的宽度约为四分之一美元硬币，它们通过振动移动并与其他附近的 Kilobot 通信。我们可以使用这个集合来测试我们的编程语言和我们的涌现行为数学模型的有效性。毕竟，如果不使用真实的硬件进行实验，我们就不太可能理解物理系统的涌现行为。
该集合可用于测试我们最终希望“罗伯蜂”蜂群实现的许多群体行为。例如，我们可以要求该群体在环境中搜索目标，然后，一旦某个 Kilobot 找到目标，就将位置报告给该群体。我们还开源了 Kilobot 设计，供希望自行制造的团体使用。或者，可以从教育机器人公司 K-Team 购买预制的 Kilobot。我们希望这种标准化的机器人套件将有助于产生新的想法，并促进各个团体无法单独完成的科学集体进步——毕竟，我们也依赖集体力量来变得大于我们各部分的总和。
未来
尽管我们已经取得了很大进展，但仍有许多工作要做。我们预计在几年内，我们将拥有在严格控制的实验室条件下飞行的“罗伯蜂”。在那之后的五到十年内，您可能会看到它们得到广泛应用。
1989 年，著名的机器人专家罗德尼·布鲁克斯撰写了一篇关于小型机器人用于太空探索的益处的论文，题为“快速、廉价且失控：机器人入侵太阳系”。这当然是对老工程师格言的一种戏仿，即消费产品通常可以用以下形容词中的任意两个（但不能是三个）来描述：快速、廉价和可靠。对于许多个体而言，一个个体的失败无关紧要。
布鲁克斯对这个概念在机器人技术中的解释具有预见性。如果您可以制造许多简单但有效协同工作的东西，谁会在乎个体是否偶尔会从天上掉下来呢？确保机器人探险家成功的唯一方法是允许它们偶尔从天上掉下来。