在許多生命系統中，叢集行為的智能化表現并不少見。
以鳥類和昆蟲為首，與其他個體獨居生物相比，它們的集體行為能夠完成更進階、更智能的任務。
個體生物不能單獨解決的問題，在面對它們種群的共同行為時往往能順利解決。
新型叢集類機器人
機器人研究人員并沒有忽視這種共享智能行為，當他們想要擴充研究機關，需要建造更智能的機器人的，将目光投向大自然往往能給他們新的靈感和方向。
這種大自然靈感與機器人的結合适用面非常廣，可以出現在爬行、奔跑、遊泳和飛行等機器行為模式中，也可以應用于生物學、心理學、實體學、材料科學和空氣動力學等不同領域。
不僅如此，科學家們正在以智能化為目标，探索創造新的、更高效率的機器人系統的方法，其中就包括微型機器人，這種機器人或許能在醫藥領域大放光彩，因為它們足夠小，能進入人體進行靶标實踐。
不管在什麼領域，這種叢集微型機器人的研究非常重要，特别是對于環境監測、搜尋和救援、農業、勘探和危機應對等大規模應用領域，因為即使群體中有個體成員出現故障，叢集機器人也能繼續正常工作。
叢集機器人是一種機器人群，包含了數百台甚至數千台微型機器人，可以分組完成任務，也可以以一個整體進行工作，能夠用來執行各種有用的大規模任務。
現有技術和實踐水準的角度來說，叢集機器人仍然有一定的應用風險，當應用在錯誤場景時，它甚至可能會産生巨大風險。
但是，最近的研究表明，叢集機器人的概念越來越可行。在許多任務設定中，大型的獨立機器人可能會逐漸退居二線，讓位于能夠進行更複雜行為的叢集機器人。
叢集機器人工作模式
叢集機器人的研究靈感來源于自然界，更準确的說，是自然界中生物種群的第二天性。第二天性是生物的獨特生活習慣。而從大自然中汲取靈感是叢集機器人的研究核心。
舉例來說，當觀察一隻工蟻時，會發現每隻工蟻的行為模式都非常簡單，它們自己能做的事情很少。然而，數隻工蟻組合時，合成的種群卻能做出許多非常了不起的行為。
一群螞蟻可以齊心協力，用它們的身體搭一座橋，讓其他螞蟻跨過一條小溪。蜜蜂會互相交流食物來源，使它們的群體繁榮發展。
除此之外，還有許多類型的候鳥，也可以通過有利于群體的編隊飛行，在這些隊形中，前面的鳥減少了後面的鳥的阻力，并且在飛行途中，隊形中的鳥會交換位置分擔壓力，沒有一隻鳥承擔全部的工作量。
是以，叢集機器人研究的核心就是從大自然中尋找這樣的種群，模仿它們的叢集行為，最後實作複雜的行為。
集體的智慧超過了任何個體的動物，了解讓這些生物種群，了解它們自然社會架構，分析它們蓬勃發展的确切機制并非易事。
因為這些都是十分複雜的系統，植根于生物本身行為和實體環境的完美結合，是以，研究人員的研究重點不僅僅是生物本身，還需要廣泛研究龐大的自然系統。
通過将實體與生物結合研究，科學家們已小有成就，包括模仿動物導航系統的磁力，模拟動物交流形态的無線電波，如5G、Wi-Fi和藍牙等。動物們對光、聲音、氣壓和化學物質的使用方式都十分巧妙，有助于提高集體行為模式的智能化。
研究動物第二天性在叢集機器人中應用時，科學家們研究方式本質上是對計算和通信的一種不同的思考。
傳統上，算法和機器人模型圍繞着一個中心工作，這個中心通常是運作系統的中央協調器或“大腦”。然而，一個生物叢集在合作時，其成員之間并沒有直接交流，也不會統一由一個“大腦”控制。
為了模仿這樣的生物工作方法，叢集機器人需要改變傳統的機器人模式。換句話說，叢集機器人的智能控制與指揮必須是分散的，就像一群螞蟻或一群蜜蜂。
這需要局部互動法則和複雜的算法，因為這些算法可以分析和了解許多情況和場景，包括群體中某些機關的故障。
叢集機器人算法基礎
好消息是，自然和計算機算法能夠相當好地結合在一起。目前的叢集算法是基于控制理論的，其工作可以通過人工智能算法得到進一步增強。
叢集機器人可以用分散的算法設計，使機器人叢集中的每個個體能夠互相交流，适應不确定的環境，并通過當地的互動規律建立對态勢感覺的共識。
這種去中心化的模型還提供了一個優勢，即外部幹擾更難欺騙或操縱機器人叢集，這為叢集機器人的安全性能和抗風險能力提供了保障。
在叢集模型中，每個單獨裝置都必須被嵌入智能化算法，開發者還需要為單個機器人創造程式，使叢集中的成員能直接或間接地互動共享知識，包括機械行為識别和其他實體溝通管道。
這意味着叢集中每個存在的單獨元件都需要攜帶代碼，這個代碼并不是随機的，而是叢集總體代碼中的一些片段。在某些情況下，它們可能攜帶重複的代碼。這樣，叢集中的單獨元件就可以根據需要共享和交換資訊。
進一步來說，常見的智能算法在叢集機器人上都能适用，開發者可以将部署機器人的形态或總體功能上，類似于本質上的形式和功能概念。但在實際處理任務的過程中，叢集機器人算法必需實作元件之間互動通信的工作方式，包括動态更新和改變行為。
叢集機器人應用執行個體
叢集機器人的特點是關注群體，協作性的叢集機器人技術已經初具規模。哈佛大學的研究人員以海洋研究為目标，推出了“藍色溫暖”計劃，并開發了一種可以複制魚的行動的自主叢集機器人，這種機器人被稱為“藍色機器人”。
“藍色機器人”能夠實施叢集單個元件的個體決策任務，同時也支援有利于整個群體集體行為的任務。它是由1000條“魚”組成的，這裡的“魚”就是叢集中的單獨機器人，每個機器人都配備了兩個攝像頭和三個LED燈。
機載的微型攝像頭能夠探測到鄰近機器人的發光二極管，并通過機載算法計算它們的距離、方向和方向。
通過使用隐式規則和三維(3D)視覺感覺，研究人員能夠據此探索GPS和Wi-Fi通常無法通路的地方，在那些地方建立具有高度自主性和靈活性的水下群系統，幫助海洋學領域的深海研究。
另一組研究人員則開發出了微型3d列印的鍊條微型機器人叢集，每個機器人的直徑約為人類頭發的平均直徑。該裝置由塗有钴的聚合物材料制成，周圍環繞着線圈，這些線圈能夠起到微小磁鐵的作用，根據需要在空氣—水界面内調整和重新配置元件形态。
該項目進一步證明了叢集系統的可行性。
在這項研究中，研究人員制作了120個微型鍊條，通過磁場梯度移動，它們能通過接觸流動的物體進行平移和旋轉，并通過類似氣體的自推進微磁盤探索開放空間。
鍊條機器人叢集行為是由多種過程和作用觸發的，包括流體動力學、毛細作用等，甚至還有由外部磁場控制的磁偶極子—偶極子互相作用。
鍊條機器人的行為取決于研究人員如何改變和調整磁場，通過改變與流體和空氣有關的磁場，他們可以操縱磁盤互相吸引或排斥。
在該研究團隊的研究中，微型鍊條機器人叢集一共能産生六種不同的集體行為，這些行為在實體世界中具有普遍适用性，同時研究人員還證明了這種叢集機器人能夠了按組劃分，分化出具有更專門功能的更小的子組。
以目前的理論發現和實踐水準來看，在連接配接和控制微型機器人裝置的工具方面，磁力似乎是最佳選擇。但理論上來說，光、聲、電場、無線電波等任何實體元素都可以是媒介，能夠幫助叢集機器人内部元件之間互動。
此外，這些力量的結合所創造的不同互相作用，可以為叢集機器人引入一系列新的功能和特性，進而創造出叢集機器人新的一系列能力。它們可以互相影響，并創造出一種超越單個部分總和的複雜新系統。
當然，開發功能性的叢集機器人并不簡單，它還涉及到其他幾個關鍵領域。
以現有的一個成功項目為例，他們的研究重點是參照人類群體的互動，研究叢集機器人的弱點，學習不同群體如何互相接觸，如何通過互動來表達友好或敵對情緒，以及如何付諸實踐，将這些叢集行為應用于實際情況，例如滅火和救援行動。
這涉及到将單個平台實體耦合到靈活的群體中，比如建立群體繩索，以此從燃燒的建築物中營救人員，或者組裝機器人平台，将人員運送到難以到達的空間，完成險境救援任務。
如其他的計算機研究一樣，研究人員關注的一個關鍵點是叢集裝置的故障率。
雖然在某些情況下，40%甚至50%的叢集機器人停止正常操作是合理範圍，其造成的局面後果是研究人員能夠負擔和接受的。但對于群體繩索和機器人救援梯子來說，在這類應用于救援中的機器應用中，這樣的故障率并不令人滿意。
是以，未來的研究方向需要集中于優化備份通信協定，以此優化裝置獨立操作的能力。
然而，随着機器人數量的增加，叢集機器人會越來越依賴于實體互相作用，特别是對于緊急行為來說，這會加大故障出現可能性，增加故障出現的總量，最後造成難以估量的損失。
具體來說，如果一個叢集機器人中有1000個内部元件，當其中一半不能正确地影響環境時，50％的故障率就可能會嚴重影響集體完成任務的能力。
蜂群的分工行為模式是有非常神奇的力量，在一定程度上或許能夠解決叢集機器人的故障率問題。縱觀叢集機器人的發展曆史和基礎，解決上述挑戰，建構适用性高的叢集機器人需要圍繞着廣泛的學科進行。
然而，将自然和實體中的思想轉化為電子系統并不簡單，這種轉換具有多層複雜性。
例如，哈佛大學的研究團隊中約有30%是由生物學家組成的，同時也有機械和電氣工程師、計算機科學家，甚至社會學家和心理學家的身影，這足以表明，将自然和實體概念轉化為電子系統是複雜的。
盡管如此，還是有幾家公司已經使用精心編排的無人機，在夜空中制造出了精心設計的燈光秀。
其中一個成功的例子就是現代汽車子公司捷恩斯，他們于2021年4月宣布進軍中國市場，當天他們部署了3281架無人機組成公司标志，懸空漂浮在城市港口的上方，這可以被稱為一場令人歎為觀止的展示。
在科技迅速發展和機器人研究需求的飛速重新整理的大背景下，相信用不了幾年時間，叢集機器人就能夠全面發展，可以處理各種各樣的任務。
它們可能會依賴一些更大的機器人裝置，也可能化身為一些昆蟲大小的裝置，甚至是納米機器人，被用于進入人體來配置設定藥物或處理其他精細的任務。它們可以在廢墟中搜尋，在水下和其他難以到達的地方進行維修。
叢集機器人肯定還會被用于自動化建築和管理作物，機器人之間的合作為人們的生活帶來了一系列非凡的機會。
盡管研究人員對群體機器人的倫理使用表達了一些擔憂，比如它們在軍事上用于緻命的自主攻擊的可能性，但這項技術仍在繼續以多種多樣的形态更新發展。
假以時日，當人們對自然的了解不斷加深，以及将感官資料和環境意識轉化為機器人的實踐深入，科學家們有望在未來幾年徹底改變叢集機器人，甚至是整個機器人研究領域。
伴随着智能材料的發展，以及科學家們設計和制造裝置和算法的能力的提高，叢集機器人将走出實驗室，進入現實世界。