近期，比利時布魯塞爾自由大學博士生朱煒煦與所在團隊提出了一種創新的機器人群體架構——“自組織神經系統”（SoNS，Self-organizing Nervous System）。
它透過模仿自然界中的生物神經系統的組織原理，為機器人群體建立了一套具有明確規則的有序協商機制，從而實現了動態多級系統架構的自主構建、維護和即時重構。
（來源：Science Robotics）
SoNS 架構的關鍵創新在於其自組織的層次結構設計，它允許機器人群體在完全去中心化條件下，透過區域性集中的資訊處理方式協調感知、行動和決策的協同最佳化。
具體而言，該架構具有以下關鍵特徵：
首先，保留了傳統群體機器人系統的可擴充套件性和靈活性優勢。
其次，透過引入層級化組織原則，顯著提升了群體在複雜任務中的決策效率與執行能力。
更重要的是，系統能夠基於區域性資訊實現全域性最佳化。這些特性極大簡化了機器人叢集的程式設計難度。
圖丨照片拍攝於新冠疫情後期，經過多年的準備，朱煒煦和團隊準備進行第一次實驗（來源：朱煒煦）
研究團隊透過多模態實驗驗證了 SoNS 架構的實用價值。在物理實驗層面，系統成功協調了由 17 個異構無人機與地面機器人組成的混合群體；在模擬環境中，研究規模進一步擴充套件至 250 個機器人。
這些實驗涵蓋了二元決策制定、搜尋救援等多個典型應用場景。值得關注的是，所有測試均證實系統具備優異的容錯效能，能夠確保單個節點的故障不會影響整體系統的穩定執行。這一特性為 SoNS 在現實複雜環境中的應用提供了重要保障。
解決群體智慧的關鍵瓶頸：從“牽一髮動全身”到“離了誰都能轉”
一般來說，傳統群體機器人採用去中心化的模式，即群體中的每個成員地位平等，透過共同協商來解決問題。
然而，這種模式存在兩個關鍵性缺陷：
首先，去中心化機制具有較高的部署成本，研究人員需要為每個機器人單獨程式設計，摸索不同機器人的個體行為所湧現出群體整體效果，這一過程既耗時又耗費資源。
其次，由於通訊僅限於相鄰機器人之間，每個個體只能獲取區域性資訊，難以形成有效的全域性決策，導致系統整體效率低下。
（來源：朱煒煦）
相比之下，SoNS 的優勢體現在“自上而下”的控制方式，透過建立有序的資訊傳遞機制克服了傳統系統的侷限性。
在該架構中，每個機器人基於區域性感知資訊和鄰域通訊自主決定其在群體中的角色和行為，同時透過層級化的資訊傳遞機制（類似“接力棒”模式）實現全域性資訊的分散式共享。
圖丨 SoNS 概念（來源：Science Robotics）
這種設計使得機器人群體能夠基於更全面的資訊做出接近全域性最優的決策，與此同時，保持對環境變化和任務需求的快速響應能力，並維持系統整體的穩定性和執行效率。更重要的是，SoNS 允許將機器人叢集視為單一實體進行程式設計，大幅簡化了新任務的部署流程。
實驗驗證表明，SoNS 架構在多個維度展現出顯著優勢。在功能性測試中，系統成功完成了障礙物避讓、集體感知與行動、二元決策制定以及群體分裂合併等複雜任務。
具體表現為：在障礙規避場景下，機器人群體能自主調整形態並保持連線；面對動態環境變化，系統可即時最佳化行動路線；在二元決策任務中，實現了傳統系統難以完成的群體共識。
（來源：Science Robotics）
在容錯性方面，SoNS 展現出類生物系統的自修復特性。透過動態鄰域連線機制，當檢測到相鄰機器人失效時，系統能自動重建通訊鏈路並重組拓撲結構。這種“去中心化冗餘”設計確保了系統在部分節點失效時仍能維持功能完整，這對實際應用中的可靠性至關重要。
“就像我們經常說的‘地球離了誰都能轉’那樣，即使部分機器人發生故障或失去連線，SoNS 架構仍能夠快速重新組織，並利用剩餘的機器人繼續完成任務，這種容錯能力對於機器人群體在現實世界中的應用至關重要。”朱煒煦解釋說道。
具體來說，每個機器人只與相鄰的機器人通訊。如果發現相鄰的機器人不見了，它會迅速與下一個機器人建立連線。連線成功後，它們會調整結構並繼續尋找下一個通訊夥伴。這樣，即使有一部分機器人失效，相鄰的機器人也能迅速填補這個缺口。
此外，SoNS 架構在模擬實驗中展現了良好的可擴充套件性。研究人員在真實環境下，進行了 17 個機器人叢集實驗。在模擬環境中測試了多達 250 個機器人的群體。結果表明，SoNS 架構能夠在這樣大規模的群體中有效地工作，且通訊和計算負荷保持在合理範圍內。
圖丨集體感知和驅動（來源：Science Robotics）
在論文發表後，該課題組進一步將規模擴大到 1000 臺機器人。朱煒煦指出，隨著群體規模擴大，單個機器人的計算開銷保持恆定，不會出現效能退化。這一特性源於群體機器人固有的可擴充套件性，群體中所有機器人都只依靠有限的區域性資訊，群體規模的擴大不會對單個機器人產生影響。
實際上，SoNS 指導群體機器人從傳統的無序狀態轉變為一種有規模、有秩序的狀態。同時，SoNS 架構也保留了群體機器人固有的特點——即使部分機器人失效，整個系統也能夠順利完成任務。
另一個值得關注的方面在於，SoNS 在群體決策方面取得的突破。傳統去中心化系統實現效率不高的二元共識問題，在該架構下得到了有效解決。
這一進步不僅具有理論意義，更為機器人叢集在需要快速集體決策的場景（如應急響應、協同搜尋等）中的應用開闢了新途徑。
用筷子“夾”出攝像頭的穩定性
該研究共經歷 7 年時間，貫穿了朱煒煦的整個博士生涯。實際上，該研究中最耗時的部分並不是演算法開發和最佳化，而是搭建和除錯硬體平臺，包括研製定製化無人機和地面移動機器人，以及搭建完整的實驗環境。
在硬體研發過程中，該團隊面臨諸多技術難題。以無人機平臺為例，研究人員發現，當搭載底部攝像頭的無人機起飛後，由於機體振動導致拍攝畫面嚴重模糊，這一問題直接影響了視覺定位和群體協同的精度。
在一次與課題組成員的技術討論中，朱煒煦受到日常生活中使用筷子固定物品的啟發，提出了採用類似原理的機械穩定方案。
初步實驗證實這一構想的有效性，但考慮到工程應用的嚴謹性，他們最終基於“筷子原理”設計了更為專業的減震機構，透過最佳化機械結構和材料選擇，系統性地解決了這一技術瓶頸。
圖丨 SoNS 控制演算法的關鍵組成部分（來源：Science Robotics）
該研究的工業應用價值在對比分析中尤為凸顯。現有工業級集群系統普遍採用中心化控制架構，即地面控制基站與每架無人機建立直接通訊鏈路。朱煒煦解釋說道：“如果無人機數量過多，地面基站就會不堪重負；或者如果地面基站出現問題，整個系統則會癱瘓。”
相比之下，SoNS 框架透過分散式組網技術實現了革命性改進：地面操作人員僅需與叢集中的任一節點通訊，資訊即可透過自組織網路進行可靠傳遞。
這種架構不僅大幅降低了通訊頻寬需求，更重要的是實現了真正的去中心化容錯——即使部分無人機節點或地面控制基站發生故障，系統仍能維持基本功能。
以當前熱門的無人機編隊表演為例，實際演出中因通訊中斷導致的墜機事故屢見不鮮。傳統方案需要每架無人機和地面基站之間建立獨立通訊鏈路，這不僅造成高昂的基礎設施成本，更形成了單點故障風險。
若採用 SoNS 架構，系統只需維持最低限度的基礎通訊，透過群體智慧實現自組織飛行控制。模擬實驗表明，即使完全失去地面控制訊號，無人機叢集仍能基於預設程式和安全協議保持基本隊形，這為大規模無人機表演提供了全新的技術正規化。
日前，相關論文以《機器人群體的自組織神經系統》（Self-organizing Nervous Systems for Robot Swarms）為題發表在 Science Robotics 上 [1]。
布魯塞爾自由大學博士生朱煒煦、辛南·奧古茲（Sinan Oğuz）和瑪麗·凱瑟琳·海因裡希（Mary Katherine Heinrich）博士是共同第一作者，馬爾科·多里戈（Marco Dorigo）教授擔任通訊作者。
圖丨相關論文（來源：Science Robotics）
朱煒煦本科就讀於武漢大學第一屆弘毅學堂計算機班，並繼續在該校完成研究生階段學習。他從兒時開始就對螞蟻等昆蟲產生濃厚興趣，這種早期觀察為他日後研究群體智慧埋下了種子。
初中時期，他在科幻作品中首次接觸到“群體智慧”的概念，這一啟蒙經歷促使他在本科和研究生階段都持續聚焦該領域。在布魯塞爾自由大學攻讀博士學位期間，師從蟻群演算法創始人馬爾科·多里戈（Marco Dorigo）教授的經歷，使他的學術視野得到顯著拓展。
圖丨朱煒煦（來源：朱煒煦）
博士二年級的一次中期考核成為朱煒煦科研思維轉變的關鍵點。當時，他著重展示了技術實現和工程細節方面的工作，導師的評價“你是一名不錯的工程師，但還不是優秀的科學家”促使他深入反思科研方法論。
這次經歷對他觸動很深，也讓他意識到，優秀的科研工作不僅需要解決技術問題，更要站在更開闊的視角去思考其科學意義和領域貢獻。
群體智慧作為人工智慧的重要分支，在朱煒煦看來，其未來有趣的發展方向之一是：在群體中，決策不再由單一個體（如地面站或某架無人機）做出，而是由群體共同組成一個傳統意義上的 AI 神經網路來進行決策。這種創新將推動群體智慧從集中式控制向真正分散式協同的正規化轉變。
基於本次成果，研究人員計劃在兩個方向繼續探索：一是構建純無人機集群系統，消除對地面機器人的依賴，提升系統的空間適應能力；二是增強系統異構性，計劃引入具備機械手的移動機器人。這類新型機器人將賦予叢集物體操作能力，如搬運箱子等任務，並透過群體智慧實現協同控制。
“這些探索不僅將擴充套件群體機器人的應用場景，也將為分散式智慧系統研究提供新的理論和技術突破口。”朱煒煦說道。
參考資料：
1.Zhu,W. et al. Self-organizing nervous systems for robot swarms. Science Robotics 9,eadl5161(2024). DOI: 10.1126/scirobotics.adl5161
運營/排版：何晨龍