La Robotica a Sciame (Swarm Robotics – NDR) offre un potenziale significativo per la gestione efficiente di attività distribuite su larga scala. Questo approccio sfrutta la collaborazione di più robot semplici ed economici per ottenere risultati solidi e scalabili. Collaborando in team, questi robot possono svolgere compiti complessi in diversi settori, come l’agricoltura, il monitoraggio ambientale e la ricerca e il soccorso. Grazie a questo approccio collettivo, la robotica a sciame può svolgere compiti che sarebbero impossibili da realizzare per un singolo robot.

Ma non è tutto rose e fiori: sviluppare algoritmi di controllo efficaci è incredibilmente difficile. Garantire che lo sciame operi in modo coeso, si adatti ai mutevoli ambienti e mantenga la stabilità di fronte ai guasti dei singoli robot sono considerazioni importanti che ricercatori e ingegneri devono affrontare per sfruttare appieno il potenziale della robotica a sciame. Tuttavia, queste problematiche non sono ancora state affrontate adeguatamente.

Un gruppo guidato da ricercatori dell’Università di Costanza, in Germania, ha deciso di affrontare questo problema dalla prospettiva di un pesce. Molti tipi di pesci nuotano istintivamente in banchi (ovvero in sciami) per sfuggire ai predatori, cercare cibo o migliorare la propria efficienza natatoria. Il team ha quindi pensato che potessero essere dei buoni insegnanti per i robot che cercano di orientarsi in un mare di altre macchine.

 

 

Per scoprire le regole nascoste dei banchi di pesci, i ricercatori hanno costruito un sistema di realtà virtuale all’avanguardia che permette a veri pesci zebra di interagire con pesci virtuali olografici. Ogni pesce virtuale era in realtà una proiezione di un pesce reale proveniente da un’altra vasca, collegato in rete a un ambiente digitale 3D condiviso. Questa configurazione ha permesso ai ricercatori di manipolare con precisione gli indizi visivi e di isolare le specifiche risposte senso-motorie che guidano il coordinamento dei pesci.

Quello che hanno scoperto è che i pesci zebra non hanno bisogno di sapere la velocità dei loro vicini, né di altro, a parte la loro posizione. I pesci si affidano quasi interamente alla posizione percepita degli individui vicini per guidare i loro movimenti. Sulla base di ciò, il team ha ideato una semplice regola di controllo, una sorta di regolatore proporzionale derivativo (PD) da loro chiamato BioPD, che riproduce con precisione il modo in cui i pesci reali inseguono e rispondono ai loro simili.

Per testare il realismo del loro algoritmo, il team ha eseguito una sorta di test di Turing acquatico. Un pesce reale è stato introdotto a nuotare accanto a un partner virtuale, che alternava tra l’imitazione di un pesce reale e il seguire l’algoritmo BioPD. Il pesce ha risposto in modo identico in entrambi gli scenari, suggerendo che l’inseguitore virtuale governato da BioPD fosse indistinguibile da uno biologico.

 

 

I ricercatori hanno poi testato BioPD su terra, in aria e in mare, integrandolo in auto robotiche, droni e imbarcazioni. In tutti i casi, i robot basati su BioPD hanno ottenuto prestazioni paragonabili ai tradizionali algoritmi di controllo ad alta complessità, come il Model Predictive Control (MCP), ma con richieste computazionali molto inferiori. Questo successo è dovuto al fatto che l’algoritmo si basa su semplici regole cinematiche che funzionano su più piattaforme senza una personalizzazione significativa.

Questa ricerca non solo fa luce sull’elegante semplicità del branco di pesci, ma rappresenta anche un significativo passo avanti nella progettazione di sistemi di controllo robotico a sciame a bassa complessità e alta efficienza. Traendo ispirazione dalla natura, il team ha fornito un modello basato sulla biologia per le future strategie di coordinamento dei robot. Se vi interessa potete consultare l’articolo completo a questo indirizzo.

 

Kit consigliati:

• Kit elegoo uno r3
• Arduino starter kit