Sekelompok 30 drone secara bersamaan naik ke udara, dan bagian bawah sasis chassis mereka bersinar dalam 30 warna berbeda - mereka terlihat seperti permen neon yang tersebar di langit abu-abu berawan. Kemudian mereka membeku di udara. Setelah beberapa detik, mereka semua mulai bergerak, sebagai satu.
Ketika kawanan yang baru terbentuk bergerak, perut bercahaya anggotanya berubah menjadi satu warna - hijau. Mereka memutuskan untuk pergi ke timur. Drone pertama mendekati penghalang, dan perut mereka menjadi biru kehijauan saat berbelok ke selatan. Segera, warna anggota terakhir paket berubah menjadi sama.
Ini indah, dan dengan caranya sendiri mengejutkan: drone ini secara independen mengorganisir kawanan yang koheren, dan terbang tanpa bertabrakan satu sama lain, dan - yang paling mengejutkan - tanpa modul kontrol pusat.
Ini secara fundamental membedakan mereka dari kawanan drone yang bisa Anda lihat di suatu tempat pada pembukaan Super Bowl atau Olimpiade. Ya, armada quadrocopters dapat berjumlah ribuan unit, tetapi pergerakan dan lokasi masing-masing diprogram terlebih dahulu. Dan masing-masing dari 30 drone ini secara independen melacak lokasi, kecepatan, dan pada saat yang sama membagikan informasi ini dengan semua anggota kawanan lainnya. Mereka tidak memiliki pemimpin; bersama-sama mereka memutuskan ke mana harus pergi - dan mereka melakukan ini, secara harfiah, dengan cepat.
Dalam pengertian ini, mereka terlihat seperti burung. Atau lebah, atau belalang. Atau pada makhluk apa pun yang mampu mengorganisir diri secara mandiri, megah, dan agak misterius ke dalam kelompok-kelompok yang terhubung - seperti itulah
properti yang muncul dari tindakan individu individu. Beberapa tahun yang lalu, para peneliti dapat mencapai ini dari 10 drone. Hari ini jumlah ini meningkat tiga kali lipat.
Tetapi melakukan ini bukan hanya tiga kali lebih sulit. Drone mampu menciptakan formasi berkat model berkelompok realistis yang dijelaskan dalam edisi terbaru Science Robotics. "Angka-angka itu sendiri tidak dapat mengungkapkan betapa rumitnya hal itu," kata
Gabor Vásárhelyi , direktur Robotic Lab, Departemen Fisika Biologis, Universitas Budapest dan penulis pertama studi ini. “Orang tua dengan tiga anak menyadari betapa sulitnya mengelola mereka daripada dengan satu anak. Dan jika Anda memiliki 20-30 anak, maka kompleksitasnya meningkat berdasarkan urutan besarnya. Saya sudah tahu bahwa saya memiliki tiga putra. "
Tim Vasarely mengembangkan model berdasarkan ribuan simulasi yang menggunakan algoritma evolusi dengan ratusan generasi. "Fakta bahwa mereka berhasil mengatur ini dengan cara yang terdesentralisasi benar-benar keren," kata spesialis robotika SUNY Karthik Dantu, pakar koordinasi multi-robot yang tidak terlibat dalam penelitian ini. "Setiap robot melakukan hal sendiri, dan perilaku masif muncul."
Dalam sistem terkoordinasi, peningkatan jumlah peserta menyebabkan peningkatan potensi kesalahan. Embusan angin dapat menjatuhkan satu drone, dan sisanya akan mengikuti. Quadcopter mungkin salah menentukan lokasinya, atau kehilangan kontak dengan tetangganya. Kesalahan semacam itu mengalir melalui sistem; satu penundaan kecil dapat diperburuk oleh jalur terbang - seperti kemacetan lalu lintas, dimulai karena satu mobil rem. Kesalahan kecil dapat dengan cepat menciptakan kekacauan.
Tetapi tim Vasarely membuat model berkelompok yang dapat memprediksi sebanyak mungkin gangguan. Oleh karena itu, drone mereka dapat berkerumun tidak hanya dalam simulasi, tetapi juga di dunia nyata. "Ini cukup mengesankan," kata Spesialis Robot Tonnes Nigaard, yang tidak terkait dengan penelitian. Nigaard adalah seorang peneliti di proyek Rekayasa Predictability With Embodied Cognition dari University of Oslo dan bekerja untuk mempersempit kesenjangan antara simulasi robot berjalan dan buatan nyata berkaki empat. "Simulasi, tentu saja, sangat bagus," katanya, "karena mereka membuatnya lebih mudah untuk menyederhanakan kondisi kerja robot Anda, dan Anda dapat mengisolasi dan menyelidiki masalah." Tetapi masalahnya adalah bahwa para peneliti dapat dengan cepat meluncur ke penyederhanaan yang berlebihan, menghilangkan fitur dari dunia nyata dari simulasi mereka, dan ini mungkin tergantung pada apakah model mereka berhasil atau tidak.
Alih-alih menghapus kompleksitas dari model berkelompok mereka, Vasarely dan tim menambahkannya. Di mana model lain dapat mengenakan dua atau tiga pembatasan pada pengoperasian drone, mereka memaksakan 11. Bersama-sama mereka menentukan, misalnya, seberapa cepat drone harus sejajar dengan anggota armada lain, seberapa jauh harus tetap pada tetangganya, dan seberapa aktif dia harus berusaha mendukungnya.
Untuk menemukan nilai terbaik untuk semua 11 parameter, Vasarely dan timnya menggunakan strategi evolusi. Mereka menciptakan versi acak model dengan 11 parameter pada superkomputer, dan menyaksikan bagaimana 100 kawanan drone akan berperilaku dengan masing-masing opsi. Kemudian mereka memilih model kawanan yang paling sukses, menyesuaikan parameter, dan memulai simulasi lagi.
Terkadang seperangkat parameter yang menjanjikan membingungkan. Mereka mundur beberapa langkah, mungkin menggabungkan sifat-sifat dari dua set aturan yang berbeda, dan sekali lagi melakukan simulasi. Setelah beberapa tahun bekerja, 150 generasi dan 15.000 simulasi, mereka sampai pada serangkaian parameter, yang, mereka yakin, harus bekerja dengan drone nyata.
Dan sementara drone ini melakukan pekerjaan yang sangat baik; tes model mereka di dunia nyata belum menyebabkan tabrakan tunggal. Penerbangan dilakukan tidak hanya dengan cemerlang, tetapi juga dalam berbagai warna - warna sasis pesawat menunjukkan arah pergerakannya. Awalnya, ini dilakukan untuk pertunjukan cahaya yang melibatkan drone, tetapi kemudian, pada saat terakhir, para peneliti memutuskan untuk menambahkan kesempatan seperti itu untuk menguji perangkat. Vazarely mengatakan bahwa ini sangat memudahkan tugas memvisualisasikan keadaan drone, dan juga menjadi lebih mudah bagi mereka untuk melihat kesalahan dan memperbaikinya dalam sistem.
Dan itu juga sangat indah - visualisasi roboluminescent dari koordinasi sistem yang kompleks.