Prendre des décisions en groupe n’est pas une tâche facile, surtout lorsque les décideurs sont un essaim de robots. Pour augmenter l'autonomie des essaims dans la perception collective, une équipe de recherche du laboratoire de recherche en intelligence artificielle IRIDIA de l'Université Libre de Bruxelles a proposé une approche auto-organisatrice innovante dans laquelle un robot à la fois fonctionne temporairement comme « cerveau » pour consolider les informations au nom du groupe.

Leur article a été publié dans Informatique intelligente. Dans cet article, les auteurs ont montré que leur méthode améliore la précision de la perception collective en réduisant les sources d'incertitude.

En combinant les aspects du contrôle centralisé et décentralisé, les auteurs ont réalisé les avantages des deux dans un seul système, en maintenant l'évolutivité et la tolérance aux pannes des approches décentralisées tout en intégrant la précision des approches centralisées. Cette approche permet aux robots de comprendre leurs positions relatives au sein du système et de fusionner les informations de leurs capteurs en un seul point sans nécessiter un réseau de communication global ou statique ni aucune référence externe.

De plus, l’approche des auteurs permet pour la première fois d’appliquer des méthodes centralisées de fusion d’informations provenant de plusieurs capteurs à un système auto-organisé. Les techniques de fusion multicapteurs n’étaient auparavant démontrées que dans des systèmes entièrement centralisés.

Les auteurs ont testé l’approche hiérarchique auto-organisée par rapport à trois approches de référence et ont constaté que leur approche excellait en termes de précision, de cohérence et de temps de réaction dans les conditions testées. Dans la configuration expérimentale, un essaim de drones et de robots terrestres simulés collecte des données spatiales bidimensionnelles en détectant des objets dispersés dans une arène et forme une opinion collective sur la densité des objets. Les robots doivent s'appuyer sur leurs capteurs à courte portée pour déduire le nombre d'objets par unité.

Cette nouvelle approche, selon les auteurs, utilise un « réseau hiérarchique dynamique ad hoc ». Il est construit sur un type de cadre général connu sous le nom de système nerveux fusionnable, dans lequel les robots à chaque niveau de la hiérarchie jouent des rôles différents dans les processus de prise de décision et les robots peuvent modifier leurs connexions et leurs positions relatives selon les besoins, même si chaque robot est limité à communiquer uniquement avec ses voisins directs.

Dans l'approche des auteurs, le robot « cerveau » au niveau supérieur est responsable de l'exécution des inférences et de l'envoi des instructions de mouvement en aval, tandis que les robots du niveau intermédiaire gèrent le transfert de données et participent à l'équilibrage des objectifs de mouvement globaux et locaux (par exemple , lors de l'évitement d'obstacles), et la majorité au niveau inférieur effectue le prélèvement d'échantillons tout en gérant les mouvements locaux.

Les recherches futures sur le sujet pourraient étudier les méthodes d'inférence avancées et développer la robustesse des méthodes d'échantillonnage dans d'autres types de pannes de robots ou dans des conditions environnementales difficiles, telles que des environnements comportant de grands obstacles ou des limites irrégulières.

Fourni par l'informatique intelligente