Роботы, смоделированные по образцу пчёл

Исследовательская группа из Граца при поддержке Австрийского научного фонда FWF изучила поведение молодых медоносных пчёл сразу после вылупления и успешно перенесла его на роботов. Стратегии ухода за расплодом у пчёл оказались удивительно эффективными.

Известно, что пчёлы живут в высокоорганизованных системах. В отличие от ос или шмелей, их особая форма организации помогает всей колонии выживать в улье. Малоизученным до сих пор было поведение очень молодых пчёл в день вылупления. Группа под руководством зоолога Томаса Шмикла из Университета Граца изучила их поведение и обнаружила, что оно сложнее, чем ожидалось. В рамках проекта, финансируемого FWF, исследователи создали поведенческую модель молодых пчёл и перенесли её на роботов, где пчелиная стратегия оказалась удивительно эффективной.

Пчёлы ищут тепло

«Только что вылупившиеся пчёлы проводят свой первый день, не делая ничего особенного. Они чистят ячейки, из которых вылупились, чтобы матка могла отложить в них новые яйца», — объясняет Томас Шмикл. «Ранее поведению этих пчёл-«младенцев» не уделяли особого внимания, но оказалось, что оно необходимо для поддержания системы улья и позволяет колонии пережить зиму». Температура в улье имеет первостепенное значение. Пчелиная личинка — самое быстрорастущее существо на планете. За пять дней её масса увеличивается в тысячу раз. «Ни одно другое существо в мире не растёт так быстро относительно своего первоначального размера. Это возможно только потому, что пчёлы нагревают расплодное гнездо до 35–37 градусов, что заставляет их метаболизм работать на полную мощность», — сообщает Шмикл. В какие ячейки матка откладывает новые яйца, зависит от их температуры. Более высокие температуры означают более эффективное использование тепла.

«Пчёлы-«младенцы» обеспечивают компактность расплодного гнезда и эффективное использование генерируемого тепла. То, какие ячейки очищают молодые пчёлы, имеет решающее значение для поддержания жизни гнезда», — говорит Шмикл. Свежевылупившиеся пчёлы предпочитают чистить ячейки с более высокой температурой. «Мы смоделировали ситуацию в лабораторных условиях и выпустили пчёл на поле с разными температурами. Мы обнаружили, что молодые пчёлы действуют не по простой программе, а демонстрируют относительно сложное поведение. Грубо говоря, мы выделили четыре типа поведения: «целеустремлённые», которые устремляются к самому тёплому месту; «случайные бродяги», которые движутся куда угодно, совершенно не обращая внимания на температуру; «следующие вдоль стен», которые перемещаются по периметру расплодного гнезда; и «неподвижные пчёлы», которые ничего не делают».

Колония действует как мозг

Шмикл и его команда наблюдали, что пчелиная колония демонстрирует разумное поведение, хотя отдельные пчёлы не осознают общей ситуации. Они надёжно находят самое тёплое место и игнорируют более мелкие тёплые области. «Хотя пчёлы учитывают всю окружающую среду, это происходит не в мозгу отдельной пчелы. Отдельным пчёлам не нужно всё разведывать. Вся колония действует как большой мозг и находит лучшее решение», — объясняет Шмикл. «На основе одного-единственного уравнения мы создали модель, которая включает все четыре поведенческих типа и все гибридные формы».

Шмикл и его команда успешно воспроизвели эту модель с помощью простых роботов, оснащённых датчиками температуры. По словам исследователей, такие физические тесты очень важны. «Мы знаем это из исследований муравьёв. Исторически было разработано множество высокоабстрактных моделей коллективного интеллекта для муравьёв. Мы изучили их и обнаружили, что все предложенные алгоритмы для муравьиных троп не работали при повторном воплощении в роботах», — говорит Шмикл. «По этой причине мы сосредоточили внимание нашего проекта на физическом воплощении роботов и смогли извлечь био-вдохновлённый алгоритм роя, который также работает в физическом воплощении».

Алгоритмы для жизни

В Граце исследования пчёл имеют давнюю традицию, восходящую к нобелевскому лауреату Карлу фон Фришу. Шмикл изучал этих насекомых ещё во время работы над докторской диссертацией и сразу после её завершения начал заниматься биологическим моделированием в рамках проекта FWF. В рамках этого проекта он изучал, что происходит в случае нехватки пищи, вызванной, например, продолжительными дождями. «Я наблюдал возникновение каннибализма с целью восстановления энергии. Я начал разрабатывать популяционные модели для пчелиных колоний, что привело меня к математическому моделированию. С годами я углублялся, и теперь биологическое моделирование — одно из моих основных направлений», — добавляет Шмикл.

Его интерес также сместился на сами алгоритмы: «Попытка дальнейшего упрощения пчелиной модели привела к созданию алгоритма под названием PPS, Primordial Particle Systems (Первичные системы частиц)», — сообщает Шмикл. Это уже не связано с пчёлами. «Речь идёт о структурах, похожих на клетки, которые самоорганизуются; они включают свободные частицы, растут, а затем делятся. Система напоминает первичный бульон, где нечто похожее на жизнь может возникать спонтанно». Вопрос в том: насколько простым может быть алгоритм, чтобы породить нечто, похожее на жизнь? «Речь идёт о биологическом паттернообразовании в целом. Это ещё один вопрос, который мы хотим изучить дальше», — говорит Шмикл.