Rebodiment - Bienen-emulierende Roboterschwärme erkunden 2-dimensionale Temperaturfelder

Honigbienen sind soziale Insekten die eine große Bandbreite an kollektiven Verhaltensweisen zeigen. Diese führen zu Emergenzphänomenen welche die Bienen zu Leistungen befähigen, die einzelne Individuen nicht erbringen könnten. So sind etwa Gruppen von Bienen in der Lage, gemeinschaftlich ein Temperaturoptimum in einem zweidimensionalen Temperaturgradienten aufzufinden, während Einzelbienen an dieser Aufgabe scheitern. Dieser spezielle Aspekt des Schwarmverhaltens von Bienen wurde von uns in einem FWF-geförderten Projekt (FWF - P 19478-B16) detailliert erforscht. REBODIMENT wird an dieses Projekt anknüpfen, das Schwarmsystem jedoch aus einem neuen Blickwinkel beleuchten. Dazu werden wir die durch Verhaltensbeobachtungen gewonnenen Erkenntnisse nutzen, um Schwärme von Bienen in Simulationen (Computermodellen) und Emulationen (Robotern) detailgetreu nachzubilden und "von innen" zu betrachten. Wir erwarten uns davon Erkenntnisse über den Zusammenhang zwischen individuellem und kollektivem Verhalten und den Einfluß, den die physikalische Verkörperung (embodiment) auf das Zusammenspiel beider Erscheinungen ausübt. Wir werden ein mathematisches Modell erstellen, welches das Verhalten eines Schwarmes von körperlosen, nicht an physikalische Gesetze gebundenen Individuen (Agenten) mithilfe einfacher Differentialgleichungen beschreibt. Mit einem Multi-Agenten-Modell werden wir Bienen wahlweise als körperlose Agenten ohne physikalische Umwelt oder aber als körperbehaftete Agenten simulieren, die miteinander und mit einer vereinfacht simulierten physikalischen Umwelt interagieren. Eine Implementierung der Verhaltensalgorithmen unter realistischen physikalischen Bedingungen wird in Form von ePuck-Roboter erfolgen, die wir um zwei am Ende von Fühlern befindliche Temperatursensoren erweitern werden. Diese ThermoBots werden sich ähnlich den Bienen im laufenden Projekt in einer Arena bewegen, auf deren Boden wir einen Temperaturgradienten erzeugen werden. Die Wahrnehmung des Temperaturgradienten wird aufgrund der vergleichbaren Verkörperung (Fühler) jener der Bienen nahekommen. Wir erwarten, einen Kernalgorithmus als gemeinsame Grundlage des Verhaltens in allen Formen der Verkörperung wiederzufinden, wobei zusätzliche, spezifische Parameter den Kernalgorithmus an die jeweilige Verkörperung anpassen. Weiters werden wir ein neues Paradigma zur Programmierung von Roboterschwärmen ausarbeiten, das auf der Variabilität individuellen Verhaltens beruht. Das ultimative Verhalten eines Schwarmes wird dabei durch seine Zusammensetzung aus Einzelindividuen mit verschiedenen Verhaltensmerkmalen gesteuert. Die Erkenntnisse aus den geplanten Experimenten sowie die Einführung des neuen Konzeptes zur Schwarmprogrammierung werden zur Lösung technischer Probleme beitragen, die von Roboteringenieuren bislang nicht gelöst werden konnten. Außerdem erwarten wir uns neue Erkenntnisse über jene Prinzipien, die das kollektive Verhalten biologischer Organismen auf der grundlegendsten Ebene steuern.

Das Ziel von REBODIMENT war es das individuelle und kollektive Verhalten von Honigbienen zu untersuchen um dieses in Roboterschwärme zu implementieren. Dazu schufen wir Schwarmroboter die das Verhalten von Bienen emulieren. Wir wählten als Benchmark die Aufgabe optimale Aufenthaltsorte in komplexen Temperaturgradienten zu finden. Die Roboter wurden mit einem einfachen Verhaltensmodell programmiert, um einen reichen Satz von Verhaltensweisen (und deren Mischformen) zu zeigen. Dazu extrahierten wir Bewegungsprogramme von Bienen mit Computeralgorithmen und übertrugen diese auf die Roboter. Eine einzige einfache Gleichung wurde schließlich gefunden die ausreicht um alle beobachteten Bienenverhalten im Temperaturfeld zu emulieren. Diese Verhaltensweisen wurden in einfachen Partikelmodellen (ohne Physik), in Multiagenten- Simulationen (Physik-Engine) und in einem echten Roboterschwarm (echte Physik) umgesetzt. Wir haben festgestellt, dass die Zusammensetzung von Gruppen einen starken Einfluss auf die Gesamtleistung des Schwarms hat. Um nach einer optimalen Gruppenzusammensetzung zu suchen, verwendeten wir evolutionäre Algorithmen: Der optimale Roboterschwarm hatte eine ähnliche Zusammensetzung wie sie bei echten Honigbienen gefunden wird. Dies validiert nicht nur unsere Methode und unser Bewegungsmodell, es lässt auch eine neue Abschätzung der Optimalität in der Diversität des Bienenvolkes zu. Wir entwickelten hier eine neuartige Methode künstliche Schwarmsysteme zu erzeugen indem wir computer-gestützt Verhaltensprogramme für Roboter aus natürlichen Organismen extrahieren. Interessanterweise sind Schwärme auch von sozialen Gradienten beeinflusst, z.B. von Agenten die andere Ziele verfolgen und dadurch das lokale Optimum über das globale stellen. Dadurch kann das System auch von außen gesteuert werden. So wie ein VIP Programm einer Firma Einfluss auf die Kaufentscheidungen von Kunden nimmt, so ziehen diese speziellen Agenten den Roboterschwarm in eine andere Entscheidungsfindung. Hingegen verhielten sich die Schwärme sehr robust, wenn einige Schwarmmitglieder körperliche Einschränkungen hatten und z.B. den Gradienten nicht wahrnehmen konnten. Die Eigenschaften die wir durch Modellierung, Simulation und Roboter im System Honigbiene gefunden haben eröffnen neue Perspektiven für künftige selbstorganisierende technische Systeme: z. B. smart traffic mit autonomen Fahrzeugen, wo Vielfalt, Flexibilität, Robustheit und kollektive Intelligenz ebenfalls nötig sind. Einerseits kann das Entstehen emergenter Phänomene zu Problemen führen, wenn sie nicht rechtzeitig adressiert wurden, so dass ihr Verständnis und ihre Vorhersage wichtig sind. Andererseits können sie auch Vorteile bieten, z.B. zusätzliche Effizienz und Robustheit. Dazu muss man Emergenz aber zuerst verstehen und dann im Design nutzen oder sie aus bereits natürlich evolvierten Organismen extrahieren. Wir legen hier den Grundstein zu diesem Verständnis emergenter Verhaltensweisen, die sich aus der Agentenvielfalt in kooperativen Systemen ergeben.