原标题：多机器人协同技术，能否推动智能制造更进一步？
在前不久，哈工大海洋机器人集群智能协同技术项目群，成功让海洋机器人学会了团队协作，一群长着"大脑"和"眼睛"的海洋机器人列队出征，不时快速变换队形，通过组网通讯共享信息，执行的观察、调整、决策、行动等动作一气呵成。这群机器人具备环境感知、自主决策和执行任务能力，而且海洋机器人集群系统还能实现了智能机器人互联互通、态势共享、群策群力的功能，在未知海洋环境中能全自主地完成了协同探测、作业等任务。
海洋机器人集群智能协同属于多机器人范畴，是"人工智能+海洋无人系统"深度融合发展的一项基础性、创新性技术，多机器人融合的系统庞大、涉及关键技术众多、复杂性高，这种多机器人集群往往需要2个或多个机器人协同作业，不是简单的功能叠加，而会出现1+1>2的群体智能效应，涌现出全新的协同行为模态，从而才能去完成更加复杂的协同任务。
多机器人发展领域机遇颇多
多机器人的应用不仅局限在海洋国防领域，其实在工业制造业等许多方面，多机器人的应用需求也在逐渐提升。目前，在工业制造、仓储物流、侦查监控和环境监测应急救灾等领域都有多机器人的身影。
随着人类的制造应用需求陡增，尤其面向智能制造中出现的小批量多品种个性化生产要求增多，应对这种复杂的柔性化生产趋势，单个机器人作业功能开始显得比较单一，生产需要更加数字化、网络化、智能化，因此多机器人的理论和应用发展成为必然。
多机器人是面向科学前沿的代表技术，同时也是一门多学科交叉学科，多机器人体系下涉及的前沿技术非常多，相互结合也较为紧密，涵盖了例如人工智能博弈论和运筹学等，又与复杂系统和信息理论、控制理论等学科密切相关。例如在应用和载体开发方面，工业机器人、移动机器人和分析机器人、水下微纳的机器人等等都有多机器人应用发展的空间，需求往往是带动发展变化的第一推动力，在应用方面也诞生了一些典型的案例，例如智能物流、精准农业、海洋群体探测、无人作战等，这些技术应用也推动了多机器人的发展。
多机器人的研究更多还是面向科学前沿，例如当下成果凸显的海洋、军事、国防等领域的一些典型应用，民用化大多还在普及阶段，在工业上，更多地体现在智能工厂对分布式人工智能的典型应用上，例如物流行业生产线中的仓储物流分配调度优化。
目前来看，在一些具体应用上，由多个机器人完成更加效率确实更高，大量的工业机器人、移动机器人企业也都开始提出和研究多机协作技术，例如针对大型复杂构件的加工，往往就需要用多机器人协作，提升加工效率和精准度，因为多机器人在大型构件加工制造中，能有效涵盖更大加工范围，例如增材制造，多机器人协作能更精准高效完成加工减少消耗，例如加工装配应用，用多个机器人完成装配、加工都能起到效率提升的作用，多机器人在工业加工领域有很好的应用价值，也有更多的拓展空间。
在物流行业，多机器人联动现在也已经成为常态，在这种大型复杂动态的开放物流仓储系统中，多机器人能发挥重要的作用，几家头部快递企业都开始采取SLAM百台集群调度控制系统方案，加速了商品流通速度，这在未来也有非常多的拓展空间，当然这前提是能搭建更加互联互通的智能物联网络和庞大的智能制造云端数据库。
工业生产等领域的多机器人组织架构和融合以及智能化应用才刚刚起步，因为智能工厂目前仍然存在许多不可控变量，多机器人的切入往往还需要在解决复杂环境中对工程应用的不确定性进行评估，但在未来随着AI的加入，更智能的分配调度系统下，多机器人在工业上的应用将逐渐增多。
多机器人发展势在必行
因为发展理念提出时间不长，对于多机器人的应用研究，我国和国际处在同一起跑线。
在2017年，美国奥巴马政府才提出机器人计划NR2.0，相较于之前1.0计划，其最大的不同就是强调了机器人可扩展性，机器人与其他机器的协作，NR2.0强调了不确定的环境下过去研究机器人都是在确定环境下，如何实现分布式的感知规划行动和学习，以及在复杂的环境下如何提升机器人的安全性和可靠性。该计划就将全自主无人机群列入无人自主系统的最高等级，提出如何推动未来的人工智能与机器群体的军事方面的应用。
在国外的媒体报道与先进科学研究杂志中，最近十年在面向自主的多机器人、群体智能领域发表的论文逐渐增多，前段时间科学杂志曾连续发表多篇论文，叙述如何用多机器人协同用于装配行业提高效率以完成柔性化生产的适应性任务。
国外的多机器人协同有部分用在了精准农业方面，例如欧盟在近几年发表的论文中，支柱项目绝大部分都是在精准农业的多机器人协同，欧盟对在精准农业上的多机器人协同技术已经实用化，进入开展大规模应用阶段。
在军事方面，近年发生的伊朗事件中，无人武器也开始进入到人们的视线中，几次暗杀都采用了无人作战系统，包括无人机，无人艇和无人枪，这些都是在群体作战陆海空异构的架构协同应用。
在国防应用方面，随着海洋开发方面应用开发的加速，国际上欧盟第五框架、第六框架、第七框架都建议采取自研水下机器人进行探索、勘探和环境检测。
多机器人在国防应用也一直是我国2018年以来重点研究的领域，本次哈工大海洋机器人集群智能协同技术项目群的试水也是其中的一个典型案例。该项目集成项目负责人廖煜雷介绍说："这种集群协同技术能支持至少50个机器人共同作业，机器人可以随时加入或退出集群，集群系统自主快速重构并重新分配任务，从而改变作业规模或效率。同时，机器人集群协同技术可实现机器人全自主操作，也可根据需求实现人机相互协作。"
2020年受疫情影响，例如哈工大的项目群研制时间都被大大缩短，本就困难重重的系统研发及海试工作难度系数在疫情下再次升级，为了顺利完成科研任务，我国哈工大这群由20余人组成的平均年龄只有26岁的群智团队克服烈日暴晒、海况恶劣、水土不服等困难，经过近两年的攻坚克难，才成功研制出具备多协同任务模式、多智能模态、弹性可重构的海洋机器人集群智能协同技术演示系统，有力推动了海洋机器人集群智能协同的理论创新及技术发展。
（项目群主要负责人高扬、廖煜雷、王博、刘海波、史长亭。）
本次哈工大海洋机器人集群智能协同技术项目群的成功实验，意味着在国内首次实现了海洋机器人集群智能协同分布式架构模式、全自主系统协同智能化水平、未知非结构化适应任务场景及环境，标志着我国海洋机器人集群智能协同技术取得实质性突破并达到了国际先进水平，作为多机器人领域一个能和国际同步的项目，不得不为这支团队点赞。
多机器人发展难点与方向
为什么会如此重视多机器人的应用？我国有行业顶尖专家曾提到，目前看来，因为多机器人具备几个典型特点，使其展现出更多发展潜力，第一个特点资源分布式，第二个信息分布式，第三个时间分布式，第四个功能分布式，第五个空间分布式，这些特点使得多机器人能利用空间的信息优势通过机器人的执行工作来提高效率。
多机器人相对于单机器人而言，优势也相当明显，多机器人能通过资源的互补对单个机器人的能力进行提升，将其有限扩大到多个任务，分布到不同的机器人当中。同时多机器人也可以增强机器人的灵活性，特别是在资源的分配调度优化方面，能起到更加广泛的作用，未来成熟的智能工厂，需要多机器人以适应复杂的人工智能调度。
人工智能的发展，就得益于分布式多机器人的研发推动。随着人类社会的不断进化，人类的许多创造发明往往是从自然界中得到的启发，人类能把无论各种复杂生物界的多智能体，生物运动都抽象成数学模型，建立起复杂的环境感知和多智能体的网络架构，然后建立起智能任务功能，从而把复杂的生物界的群体映射到了机器人中，变成各种应用当中的机器人，即通过自然界启发群体，多机器人模态本质上也是一种自然模态的延伸，例如蜂群、蚁群等协同智能，这种对于自然界生物智能协同模仿推动了人类多机器人以及相关技术的发展。
我国顶尖行业专家曾表示，目前研究多机器人核心点在于推动认知科学的发现和通讯速率的异构信息融合解决这两个问题，因为无论多么复杂的多机器人，也需要有关键技术。从单个机器人实现多机器人协作，最核心的点在于单机器人必须具备感知能力，第二个是要具备执行和分解任务能力，第三则要具备局部规划能力，第四具备学习能力，第五则是通信能力。因此，研究多机器人有三个方面关键技术，第一，协同感知，第二协同规划，第三协同控制。
在协同感知方面，最核心的是解决异购大数据源的信息融合，即能够不同传感器装载不同的信息，不同的感知能进行有机分布式融合得到信息，融合的信息可以为下一步动作和地图创建和多机器协作通过信息支撑，从而来解决不同传感器协同感知的问题。
在协同规划技术方面，物流行业其实应用已经非常不错，协同规划就是如何完成多个机器人的规划，在大型物流仓储中，除了物流机器人以外往往还要与其他机器人协同，如何把多种机器人进行有机协同，进行有机组合，从而有机自主、高效、高精度完成工作，这是协同控制要解决的多目标优化调度问题，也就是把一个复杂的任务进行时间、空间、任务分配规划，再进行路径规划和轨迹规划，提供分布式协同，这也是多机器人要解决的关键问题。
协同机器人最主要的是解决协同控制问题，在协同控制技术中，可以把一个复杂的网络架构的多机器人可以看成分布式递接的分布系统，在单机器人里面有行为控制层，第二层有协调规划控制层，第三层是合作决策任务层。因为多机器人也都是通过网络互联互通，每个机器人就像一个手机终端，解决多机器人问题和解决怎么样把手机终端信息互联互通相似，需要考虑在互联互通当中会出现信号干扰和扰动怎么解决控制的问题，即解决防干扰攻击的问题。
结语
在柔性化生产趋势下，一个完整的柔性自动化生产线，最核心的问题其实就是在于如何实现多机器人有效协同和工艺有效调度，在生产任务下，如何不断优化分配资源，合理调度，从而高效节省完成小批量定制化生产。例如如何进一步实现少人化和无人化，未来的无人工厂，就需要考虑多机器人的调度软件和任务分配系统。
随着低时延高速率海量数据的5G到来，通信效率和壁垒被进一步打通，加速了多机器人应用在交互操作性、自主性和人机协同方面的不断提升，要想让多机器人在未来的工业生产中发挥更好的应用，需要更进一步解决分布式多机器人协同和调度问题，加强多机器人信息交换、交流和相互学习能力，推动多机器人总体感知、规划、控制往前再进一步。
