多机器人的新型协作模式——让异构机器人团队实现高效协作

作者 | Stephanie Neil

协作机器人（Cobots）的能力正在迅速发展，其应用已不仅限于直接的人机交互范畴，还将扩展到异构机器人之间的智能协调与协作。

马萨诸塞大学的一项最新研究表明，通过编程，机器人自主组建团队，并在执行一系列相互依赖的任务时，自愿等待队友完成必要步骤。这种全新的多机器人团队协作模式，有望大幅提升制造和仓储环境中的生产效率。

该研究团队由马萨诸塞大学阿默斯特分校曼宁信息与计算机科学学院副教授、人本机器人实验室主任Hao Zhang领导。他研究的课题“自主群体内省学习与竞合协作以实现跨能力多机器人适应”， 其核心是借鉴人类社会心理学原理，帮助具备不同功能的机器人团队协同工作，并适应复杂场景。

早在去年，获得DARPA奖项以改进机器人团队合作时，Hao Zhang便已专注于两个核心研究方向：“群体内省”和“合作竞争”——一种结合合作与竞争的创新性机器人协作方式。

团队内省使团队内的机器人，能够意识到其它团队成员的存在，因此他们对整个团队的能力有共同的情境感知。为了实现这一目标，Hao Zhang正在将团队中的机器人建模为图形，以实现团队意识，并使用条件模型来识别具有类似能力的备用机器人，以替换失败的队友。

通过同时模拟团队层面的合作和个人层面的竞争，来解决竞争方面的问题。合作可以解决单个机器人无法完成的任务，而竞争则鼓励每个机器人表现的更好，适应更快。

01

多机器人的灵活组合

在仓库场景中，通常存在多种类型、不同负载能力的机器人：固定机械臂、移动式自动导引车（AGV）、重型堆垛机器人等。但目前的挑战在于，如何让这些不同类型的机器人为实现共同目标而协同工作。

长期以来，学界一直存在争议：究竟是打造一台功能全面、性能强大的人形机器人，还是组建一支能够协作的机器人团队。 Hao Zhang表示，“机器人也会面临复杂任务，这和人类类似。例如，若有一个单个机器人无法搬运的大箱子，就需要多个机器人协同完成这项工作。”

另一项关键行为是 “主动等待”。他解释道：“我们希望机器人能够主动等待，因为如果它们一味选择‘贪心策略’—— 只去执行当下可立即完成的小型任务，那么有时大型任务可能永远无法推进。”

为解决这一问题，Hao Zhang创建了一种基于学习的机器人调度方法，称为自愿等待和动态组队（LVWS），并结合了一个图注意力转换网络（GATN），该网络可计算机器人任务调度的奖励值。在 LVWS 中，“节点” 代表机器人，“边” 则代表通信、关系或空间位置。

根据多机器人研究，协作调度被表述为一个二元匹配的问题，即把机器人分配给对应的任务。这些任务被放入一个GATN中，集成了图注意力网络来编码局部图结构，并集成了变换器来编码情境信息。最终输出结果包括每个节点的嵌入向量，以及每个图的全局嵌入向量。这些向量会被用于计算 “奖励矩阵”，进而实现二分匹配。

为测试LVWS方法的效果，研究团队在计算机模拟环境中为6台机器人分配了18项任务，并将LVWS与另外4种方法进行对比。在该计算机模型中，存在一个已知的“最优解”——可在最短时间内完成所有场景任务。研究人员让不同模型在模拟环境中运行，并计算每种方法与“最优解”的差距（该衡量指标被称为 “次优度”）。

结果显示，其他对比方法的次优度在 11.8% 至 23% 之间，而新型 LVWS 方法的次优度仅为 0.8%。“这意味着该方法的解决方案已接近理论上的最佳可能解，”论文作者之一、人本机器人实验室计算机科学博士生Williard Jose表示。该团队还演示了这种方法在真实机器人上的运行效果。

02

等待的价值

研究团队常被问到一个问题：“让机器人等待，为何能让整个团队的效率变得更高？”Jose通过一个场景解释了这一点：假设有3台机器人 ，其中两台可搬运4磅重物的小型机器人，另外一台可搬运10磅重物的大型机器人。此时，一台小型机器人正忙于处理其他任务，而有一个7磅重的箱子需要搬运。

“此时，让大型机器人去处理这项任务可能并非最优选择；更合理的做法是让这台空闲的小型机器人等待另一台小型机器人完成工作，然后二者协同搬运这个7磅重的箱子。因为大型机器人的资源更适合用于处理其他更重的任务。” Jose解释道。

Hao Zhang希望这项研究能为“异质机器人团队”的研发提供助力，尤其是在需要处理专业化任务、规模庞大的工业场景中，推动该类机器人团队的可扩展性发展。

▲本文来自于控制工程中文版杂志（CONTROL ENGINEERING China）2025年09月刊《技术之源》栏目：多机器人的新型协作模式