Towards applied swarm robotics: current limitations and enablers

Towards applied swarm robotics: current limitations and enablers｜Miquel Kegeleirs, Mauro Birattari · IRIDIA, Université libre de Bruxelles · Frontiers in Robotics and AI · 2025 · 原文

这篇综述在回答什么问题

集群机器人研究了三十年，论文成千上万，但几乎没有商业或工业上的规模化部署。作者的问题只有一个：为什么？他们观察到该领域的研究长期依赖仿真，或者依赖感知、执行与算力都极其有限的小型机器人，因此进展虽多却停在实验室里。文章出自 IRIDIA——即 Dorigo 创立、公认的 swarm robotics 大本营——所以这不是外部批评，而是领域内部的自我诊断，这一点决定了它的分量。

分类框架

全文把落地障碍一分为二，并为每条障碍配一条使能条件（enabler），构成一张对照表：

• 实践性障碍（practical）
  • 平台老旧：e-puck、Kilobot、Crazyflie 等主流平台受成本与体积挤压，牺牲了感知、计算与执行能力，「传感器噪声大、执行器不可靠」；常见任务（聚集 aggregation、觅食 foraging）高度抽象，机器人很少真正做物体操作。
  • 仿真与部署鸿沟：少有仿真器能高效处理大规模集群，Gazebo「很难处理几十台以上的机器人」；作者提出的 deployment gap 概念比 sim-to-real 更广——从一种物理平台迁到另一种平台同样会塌陷。
  • 技术栈缺席：集群 SLAM 只在「受约束的高度结构化条件」下可用；计算机视觉应用发育不良；通信基础设施基本缺位，多数实验干脆不做数据交换，或使用高度抽象的通信模型。
  • 法规与社会接受度：无人机集群因「行为不确定性」需要特批豁免；公众疑虑则源自军事联想与负面媒体叙事。
• 概念性障碍（conceptual）
  • 教条式坚持 canonical 原则：把容错、灵活、可扩展当作不可违背的固定规则而非情境化需求，反而阻止了可能更实用的混合方案。
  • 未经验证的假设：可扩展性与容错性大多是「被假设」而非被形式化或实证验证；形式化验证方法本身受可扩展性限制，研究者通常止于定性演示。
  • 孤立主义心态：研究集中在「同构集群孤立运行」，很少考虑与外部系统集成，集群为其他智能体提供感知支持的能力被严重低估。
  • 被忽略的议题：导航策略、去中心化系统中的数据安全、异构性与领导者引导（leader-guided）构型，都缺乏系统研究。

关键结论

• 硬件是首要瓶颈：必须与产业合作开发现代化平台——更好的传感器与机载算力，并采用 ROS 等主流框架，而不是继续在十几年前的教学机器人上刷论文。
• 放弃纯粹主义：半自主集群、领导者引导集群、混合的中心化—去中心化架构，都应与经典定义下的集群获得同等对待；实用落地很可能长这个样子。
• 用标准化指标取代定性演示：引入形式化验证、实证测试与标准化度量，把「假设的」集群性质变成「测出来的」。
• 重新定位集群的角色：不再把集群看成孤立系统，而是更大多智能体系统中的任务使能者（task enabler）。
• 最有希望的落地方向：作者特别点名 swarm SLAM 与多目标跟踪——机器人可以移动重定位，恰好补上固定传感器网络的固有短板。

它指出的开放问题

• 如何在硬件受限的前提下，把 SLAM、视觉与真实通信栈嵌进标准集群平台。
• 如何用可扩展的形式化方法验证容错与可扩展性，而不是靠一段演示视频。
• 异构集群与领导者引导构型的设计方法论几乎空白。
• 去中心化系统的数据安全缺乏成体系的处理。
• 如何通过透明性、人—集群信任与早期监管沟通，解决法规与公众接受度问题。

为什么值得读

这是当前唯一一篇把「集群机器人为何没落地」讲透的文章，且出自领域最权威的实验室。它的独特位置在于：其他综述在整理方法（算法有哪几族、任务有哪几类），这篇整理的是失败原因，并给出一张障碍—对策对照表，可以直接当作立项时的检查清单。适合两类读者：准备做集群方向选题的博士生，用它来避开已知的死胡同；以及考虑把集群技术产品化的工程团队，用它来评估技术成熟度。它与本档案中 Dorigo 那篇基础模型文章正好互补——一篇讲「现在卡在哪」，一篇讲「新的解法可能从哪来」。

原文链接

• 全文 HTML 版
• IRIDIA 实验室主页