在过去的十年左右的时间里，研究人员一直在尝试开发可以在机器人团队之间实现有效协作策略的技术。机器人团队要比单个机器人更好地完成的任务之一是同时搜索其周围环境中的多个目标或物体。
一组机器人能够一次集体寻找和识别多个目标的能力可能对广泛的应用很有用。例如，它可以帮助监视应用程序并帮助更好地跟踪个人或车辆。
同济大学和斯图加特大学的研究人员最近设计了一个系统框架，以使群体机器人能够更有效地进行多目标搜索。该框架在IEEE Access上发表的一篇论文中提出，基于机械粒子群优化方法和人工势场的使用。
研究人员在论文中写道：“创新的扩展使生物启发式粒子群优化技术首先具有机器人的机械性能，从而降低了控制费用，并且已经超出了该算法的常规应用范围。”
在他们的论文中，研究人员首先总结了先前开发的用于多目标搜索的技术的关键特征，强调了这些技术在评估中的表现如何。随后，他们提出了基于机械粒子群优化和人工势场的自己的方案。
研究人员的计划考虑了可以从多个目标搜索中受益的现实世界中的群体机器人应用程序。为了实现更有效的搜索，它会将整个机器人群组织为子组，这些子组根据这些目标之间的差异(例如，信号频率)来搜索目标。
当一个小组朝一个目标而不是分配给它的目标移动时，它会受到惩罚。研究人员提出的框架除了可以指导群体的集体行为以更有效地搜索多个目标外，还可以帮助机器人避免周围环境的障碍或阻碍其前进的道路。
研究人员在论文中解释说：“向无目标的机器人群施加惩罚，因此为每个机器人群建立了一个单峰目标函数。” “与此同时，所开发的方法还具有根据模块切换策略根据其优先级工作的避障能力。”
同济大学和斯图加特大学的研究人员在仿真和涉及他们开发的真正移动机器人的实验中对他们的方案进行了评估。他们发现，即使只有少数几个机器人在进行搜索，他们的框架也允许机器人群体集体搜索并找到多个目标。
将来，最近这篇论文中介绍的新方案可以使机器人团队以高效且有组织的方式一次搜索多个目标。这可以为广泛的应用打开新的有趣的可能性，例如，增强监视方法或使机器人团队能够用作在各种环境中搜索特定项目的手段。
在接下来的研究中，研究人员计划进一步评估他们的方法的有效性及其在特定的实际应用中的价值。此外，他们希望进一步开发其方案，以提高机器人所实现的整体定位精度。
