哈佛大学应用数学家研究发现，在机器人集群运动中引入适量随机性可有效缓解拥堵并提升任务效率。这项由L. Mahadevan实验室进行的研究结合了数学建模、计算机模拟和物理实验，为协调机器人集群在拥挤环境中的运动提供了新策略。

研究人员通过计算机模拟机器人集群运动发现，当机器人完全直线移动时容易形成交通堵塞，而过度随机移动则导致效率低下。在模拟中引入可调节的“噪音”参数后，机器人能够在相互碰撞后仍保持流动，从而找到最优的运动平衡点。

“这可能违反直觉，因为随机性怎么能让事情更容易处理呢？”应用数学博士生Lucy Liu表示。“但在这种情况下，当你有大量随机性时，就可以取平均值——平均距离、平均时间、平均行为。这使得预测变得容易得多。”

研究团队随后与荷兰埃因霍温理工大学的物理学家Federico Toschi合作，在实验室中设置了小型轮式机器人集群进行验证。每个机器人携带QR码以便追踪位置，虽然实际运动速度较慢，但关键的集群行为特征与模拟结果一致。

该研究证实，实现协调任务不一定需要复杂的中控系统或高度智能的机器人。通过简单的局部导航规则和适量随机性，机器人集群能够在特定密度下高效完成目标。研究成果已发表于《美国国家科学院院刊》，对机器人集群设计和拥挤空间管理具有参考价值。

出版详情：作者：Anne J. Manning, Harvard John A. Paulson School of Engineering and Applied Sciences；标题：《Too many cooks, or too many robots? Finding a Goldilocks level of randomness to keep robot swarms moving》；发表于：《Proceedings of the National Academy of Sciences》(2026)。