美國國防高階研究計劃局（DARPA）的一個專案推翻了長期以來的假設。

成群的自主機器人越來越多地在複雜任務中接受測試和部署，但在這些任務期間仍然需要一定程度的人類監督。這意味著一個主要問題仍然存在：在不堪重負之前，一個人能管理多少個機器人以及多複雜的任務呢？

在DARPA在美國國防高階研究計劃局（DARPA）資助的一項研究中，專家表明，人類能夠單獨有效地管理由100多個自主地面和空中飛行器組成的異構群體，而且在整個任務的一小部分期間，僅有短暫時間會感到不堪重負。例如，在城市環境中進行的一個特別具有挑戰性、為期多日的實驗裡，人類控制者僅有3%的時間工作量過載。該研究結果發表在《IEEE機器人學會刊》（IEEE Transactions on Field Robotics）上（https://ieeexplore.ieee.org/document/10757435）。

Julie A. Adams是俄勒岡州立大學協作機器人與智慧系統研究所（Collaborative Robotics and Intelligent Systems Institute）的副研究主任，35年來她一直在研究人類與機器人以及其他複雜系統（如飛機駕駛艙和核電站控制室）的互動作用。她指出，機器人群可用於支援那些對人類來說可能特別危險的任務，比如監測野火。

“機器人叢集可用於對一個區域進行持續的覆蓋監測，比如監測洛杉磯近期過火區域是否有新的火情或者是否有趁火打劫者，”Adams說，“這些資訊可用於引導有限的資源，如消防隊或者運水車前往新的著火點和熱點地區，或者前往那些原以為火已被撲滅的地點。”

這類任務可能涉及多種不同型別的無人駕駛地面車輛（如Aion Robotics的R1輪式機器人）和空中自主飛行器（如Modal AI的VOXL M500四軸飛行器）的混合使用，而且隨著任務的展開，人類控制者可能需要重新分配單個機器人去執行不同的任務。值得注意的是，過去幾十年的一些理論——甚至Adams早期的學位論文工作——都表明，單個人部署大量機器人的能力是有限的。

“這些歷史理論和相關的實證結果表明，隨著地面機器人數量的增加，人類的工作量也會增加，這通常會導致整體效能下降，”Adams說道，並指出，儘管早期研究側重於無人駕駛地面車輛（UGV），這類車輛必須應對路緣和其他物理障礙，但無人駕駛飛行器（UAV）遇到的物理障礙往往較少。

作為美國DARPA的OFFSET（OFFensive Swarm-Enabled Tactics）專案的一部分，Adams及其同事試圖探究這些理論是否適用於涉及無人駕駛地面和空中飛行器混合使用的非常複雜的任務。2021年11月，在肯塔基州的坎貝爾堡，兩名人類操控員輪流參與了為期三週的一系列任務，目的是壓制一個敵對目標。這兩名人類操控員都有著豐富的叢集操控經驗，並且參與了每天1.5到3小時不等的輪班工作。

在測試期間，人類操控員位於測試場地邊緣的指定區域，並利用環境的虛擬重建來密切關注飛行器的位置以及它們被分配的任務。

規模最大的任務輪班涉及110架無人機、30輛地面車輛，以及多達50輛代表現實世界中其他車輛的虛擬車輛。這些機器人必須在實際的城市環境中導航，同時還要避開一系列用AprilTags表示的虛擬危險物，這些AprilTags散佈在整個任務場地。

美國DARPA透過提供數千個危險物和資訊片段來為搜尋提供依據，從而使最後的實地演練極具挑戰性。“危險物的複雜性非常顯著，”Adams說，並指出有些危險物需要多個機器人同時與之互動，還有些危險物會在環境中四處移動。

在每個任務輪班期間，人類操控員對當前任務的生理反應都受到監測。例如，感測器收集有關他們心率變異性、姿勢甚至說話速度的資料。這些資料被輸入到一個已建立的演算法中，該演算法用於評估工作量水平，並被用來確定操控員何時達到超出正常範圍的工作量水平，即所謂的“過載狀態”。

Adams指出，儘管此次實地演練中需要管理的機器人既複雜又數量龐大，但過載狀態出現的次數和持續時間相對較短——在一個任務輪班期間僅有幾分鐘。“在我們收集資料的所有輪班中，估計的過載狀態佔所有工作量估計值的總百分比為3%，”她說。

人類指揮官進入過載狀態最常見的原因是他們必須制定多個新策略，或者檢查發射區內哪些飛行器可供部署。

Adams提到，這些發現表明——與過去的理論相反——機器人的數量對人類叢集控制性能的影響可能比之前認為的要小。她說，她的團隊正在探索其他可能影響叢集控制任務的因素，例如其他人為限制、系統設計和無人機系統（UAS）設計，其結果將可能為美國聯邦航空管理局（FAA）的無人機法規提供依據。