在自然界中，鸟类聚集高效觅食移动、鱼类成群躲避捕食者、蜜蜂集群促进繁殖，这些自然行为蕴含着独特的智慧。如今，人工智能领域正试图模仿这些行为，通过协调无人机或机器人的运动，改进搜救行动、识别广阔区域野火等。然而，开发控制和利用这种人工智能(群体智能)的方法困难重重。

近日，在《美国国家科学院院刊》的一篇论文中，一个国际科学家团队描述了旨在提高群体智能的新框架，即以类似自然界的方式控制群集和蜂拥。

荷兰拉德堡德大学唐德斯认知中心助理教授、论文作者之一马坦·亚·本·锡安指出，设计机器人群体的一大难题是找到分散的控制机制。自然界中的鱼类、蜜蜂和鸟类无需单一领导者或指令就能形成有序结构并良好运作，而合成群体灵活性差，大规模控制更是难以实现。

为应对挑战，包括纽约大学科学家马蒂亚斯·卡西尤利斯(Mathias Casiulis)和斯特凡诺·马蒂尼亚尼(Stefano Martiniani)在内的研究团队，开发了自推进粒子聚集的几何设计规则。这些规则采用自然计算建模，类似于质子和电子中作为物质形成基础的“正”“负”电荷。

根据规则，受外力运动的活性粒子具有导致其弯曲的内在属性——“曲率”。纽约大学物理学、化学和数学助理教授马丁尼表示，曲率驱动群体集体行为，意味着有可能控制群体是聚集、流动还是聚集成群。

一系列实验证实了该团队的结论。实验表明，基于曲率的标准能控制机器人对之间的吸引力，且可自然扩展到数千个机器人。每个机器人被视为具有正或负曲率，类似电荷，曲率控制着机器人间的相互作用。

本·锡安解释，这种类似电荷的“曲率”可直接编码到机器人的机械结构中，其值决定机器人相互吸引聚集或相互偏转成群的方式。他还提到，找到曲率等几何性质的设计规则，可应用于工业或配送机器人、细胞大小的微型机器人，有望改善药物输送和其他医疗治疗。

卡西尤利斯补充，这些规则基于基本力学，在物理机器人中实现简单。从更广泛层面看，这项工作将控制群体的挑战转化为材料科学的练习，为未来群体工程提供了简单的设计规则，为高端设备制造领域开辟了新的发展方向。

更多信息： Mathias Casiulis 等人，《机器人群体凝聚力与集群-群体转变的几何条件》，《美国国家科学院院刊》(2025 年)。