Comment les fourmis et les robots réussissent une évasion de prison sans plan ni planificateur

Les fourmis individuelles sont des créatures relativement simples et pourtant une colonie de fourmis peut effectuer des tâches très complexes, telles que la construction complexe, la recherche de nourriture et la défense.

Récemment, des chercheurs de Harvard se sont inspirés des fourmis pour concevoir une équipe de robots relativement simples qui peuvent travailler collectivement pour effectuer des tâches complexes en utilisant seulement quelques paramètres de base.

La recherche a été publiée dans eVie.

“Ce projet s’est poursuivi avec un intérêt constant pour la compréhension de la dynamique collective des insectes sociaux tels que les termites et les abeilles, en particulier comment ces insectes peuvent manipuler l’environnement pour créer des architectures fonctionnelles complexes”, a déclaré L Mahadevan, professeur Lola England de Valpine de mathématiques appliquées. , de biologie de l’organisme et de l’évolution, et de physique, et auteur principal de l’article.

L’équipe de recherche a commencé par étudier comment les fourmis charpentières noires travaillent ensemble pour creuser et s’échapper d’un corral mou.

“Au début, les fourmis à l’intérieur du corral se déplaçaient au hasard, communiquant via leurs antennes avant de commencer à travailler ensemble pour s’échapper du corral”, a déclaré S Ganga Prasath, stagiaire postdoctoral à la Harvard John A. Paulson School of Engineering and Applied Sciences et l’un des principaux auteurs de l’article.

Les fourmis comptent principalement sur leurs antennes pour interagir avec l’environnement et les autres fourmis, un processus appelé antenne. Les chercheurs ont observé que les fourmis se rassemblaient spontanément autour des zones où elles interagissaient plus souvent. Une fois que quelques fourmis ont commencé à creuser un tunnel dans le corral, d’autres se sont rapidement jointes. Au fil du temps, l’excavation à un de ces endroits s’est déroulée plus rapidement qu’à d’autres et les fourmis ont finalement creusé un tunnel hors du corral.

A partir de ces observations, Mahadevan et son équipe ont identifié deux paramètres pertinents pour comprendre la tâche d’excavation des fourmis ; la force de la coopération collective et le rythme des fouilles. Des simulations numériques de modèles mathématiques qui encodent ces paramètres ont montré que les fourmis ne peuvent creuser avec succès que lorsqu’elles coopèrent suffisamment fortement les unes avec les autres tout en creusant simultanément efficacement.

Poussés par cette compréhension et en s’appuyant sur les modèles, les chercheurs ont construit des fourmis robotiques, surnommées Rants, pour voir si elles pouvaient travailler ensemble pour s’échapper d’un corral similaire. Au lieu de phéromones chimiques, les RAnts ont utilisé des “photormones”, des champs de lumière laissés par les RAnts itinérants qui imitent les champs de phéromones ou l’antenne.

Les RAnts ont été programmés uniquement via des règles locales simples : suivre le gradient du champ de photoromones, éviter les autres robots où la densité de photoromones était élevée et ramasser les obstacles là où la densité de photoromones était élevée et les déposer là où la photoromone était faible. Ces trois règles ont permis aux RAnts d’échapper rapidement à leur confinement et, tout aussi important, ont également permis aux chercheurs d’explorer des régions de comportement difficiles à détecter avec de vraies fourmis.

“Nous avons montré comment l’exécution coopérative de tâches peut découler de règles simples et de telles règles de comportement similaires peuvent être appliquées pour résoudre d’autres problèmes complexes tels que la construction, la recherche et le sauvetage et la défense.” dit Prasat.

Cette approche est très flexible et robuste aux erreurs de détection et de contrôle. Il pourrait être étendu et appliqué à des équipes de dizaines ou de centaines de robots utilisant une gamme de différents types de champs de communication. Elle est également plus résiliente que d’autres approches de résolution collaborative de problèmes. Même si quelques unités robotiques individuelles échouent, le reste de l’équipe peut terminer la tâche.

“Notre travail, combinant expériences de laboratoire, théorie et mimétisme robotique, met en évidence le rôle d’un environnement malléable en tant que canal de communication, par lequel des signaux auto-renforçants conduisent à l’émergence d’une coopération et ainsi à la résolution de problèmes complexes. Même sans représentation globale, la planification ou d’optimisation, l’interaction entre des règles locales simples au niveau individuel et la physique incarnée du collectif conduit à un comportement intelligent et est donc susceptible d’être pertinente plus largement », a déclaré Mahadevan.