محققان الگوریتم جدیدی برای ساخت ربات‌های خودمختار توسعه دادند راستان نامه

همچنین این پروژه از مطالعه طبیعت و نحوه عملکرد موجودات زنده‌ای که با یکدیگر همکاری می‌کنند، مانند مورچه‌ها برای ساخت این ربات‌ها، الهام گرفتند. براساس بیانیه ناسا، این ربات‌های گوِه‌شکل به‌وسیله دو ملخ (پروپیلر) به حرکت درمی‌آیند و از ۴ پره برای هدایت بهره می‌برند. در آزمایش، نمونه اولیه SWIM توانست مسیر حرکت خود را خودکار حفظ کند، الگوی حرکت رفت‌وبرگشتی «چمن‌زنی» را اجرا کرده و حتی عبارت J-P-L را بنویسد. مطالعات در زمینه فن‌آوری نانو بیشتر در رشته‌های اطلاع رسانی ، ساختمانی ، پزشکی و مواد کاربرد دارد. این لوله‌های میکروسکوپی چنان مقاوم و قابلیت ارتجاعی دارند که می‌توانند به راحتی خم و کشیده شوند و دوباره به حالت اولیه برگردند. خاصیت آنها این است از نظر ساختمان مولکولی کامل بوده و اتم‌ها بطور منظم در کنار یکدیگر چیده شده‌اند.

توانایی رباتهای گروهی در جستجو و یافتن چندین هدف به طورهمزمان در بسیاری از کاربردها مفید است. به عنوان مثال، در برنامه های نظارتی و ردیابیبهتر افراد یا وسایل نقلیه کاربرد دارند. تحقیقاتی که در آینده انجام خواهد شد، بیشتر روی بهبود خودمختاری ربات‌ها، مانند کنترل بازخورد در زمان واقعی برای مسیرها و حرکت‌های آنها، متمرکز خواهد بود. هر ربات ۶۰۰ میکرومتر ارتفاع دارد و از بدنه‌ای اپوکسی ساخته شده، که ذراتی از نئودیمیوم-آهن-بور (NdFeB) در آن جاسازی شده است. این ذرات به ربات‌ها این امکان را می‌دهند که به میدان‌های مغناطیسی واکنش نشان دهند و با سایر ربات‌ها تعامل کنند.

این مجموعه فعالیت خود را از سال 1383 آغاز نموده و از بدو تأسیس، هدف و چشم‌انداز بلندمدت خود را بر پایه ارتقاء سطح علمی و توانمندی فعالین در زمینه برق و الکترونیک کشور متصور شده است. مفتخریم پس از قریب به 20 سال فعالیت مستمر و تحقق بخش بزرگی از این اهداف و با پشتوانه اعتماد مخاطبان و مشتریان، چشم اندازها و اهداف والاتری را برای خود متصور شویم. در پیاده‌سازی الگوریتم به کمک گروهی از هلی‌کوپترهای مینیاتوری، الگوی پرواز گروهی مشابه الگوریتم متمرکز بود ولی در شرایط غیرمنتظره کوچک‌ترین اشیاء متحرک به‌خوبی شناسایی می‌شدند. در قالب پهپادهای خودمختار، روبات‌ها قبلاً به طور گسترده توسط چندین نیروی هوایی در سراسر جهان مورد استفاده قرار گرفته‌اند، و نیروی دریایی ایالات متحده ناوگان‌های روباتیکی را آزمایش کرده است که می‌توانند فوراً به تهدیدات واکنش نشان دهند. درجه بالایی از افزونگی ماشین به یک گروه رباتیک اجازه می دهد تا به روشی مشابه عمل کند، به این معنی که از دست دادن یک یا حتی چند ربات به طور قابل توجهی بر توانایی گروه برای عملکرد به عنوان یک کل تأثیر نمی گذارد.

نمونه اولیه SWIM توانست مسیر حرکت خود را خودکار حفظ کند، الگوی حرکت رفت‌وبرگشتی «چمن‌زنی» را اجرا کرده و حتی عبارت J-P-L را بنویسد. در این الگوریتم هر روبات برای محاسبه مسیر و تشخیص موانع، نقشه‌ی خود را چندین بار در ثانیه به‌روزرسانی می‌کند تا احتمال رسیدن به اهداف لحظه‌ای و نهایی به بیشترین حد خود برسد. علاوه بر این، پیشنهاد شده است که تکنیک های رباتیک ازدحام ممکن است تقریباً به طور کامل جایگزین نیروهای معمولی شوند. هنگامی که کلنی‌های مورچه‌های ارتش در جستجوی جنگل برای غذا یا آذوقه هستند، اغلب با شکاف‌های جغرافیایی مواجه می‌شوند که منفرد مورچه‌ها نمی‌توانند بر آن غلبه کنند. Part components inside joystick of a console game نوسان سازهای ساعت، سیگنال مرجع دقیق زمان‌بندی‌شده‌ای برای کنترل مدار الکترونیکی ارائه...

همچنین فریم ورک برای دوری از موانع که مبتنی بر روش module-switching است. تا بتوانند به صورت گروهی جستجو و یافتن اهداف چندگانه را حتی وقتی که تعداد آنها کم باشد. وی و همکارانش آزمایش کردند که گروه‌های ربات میکروسکوپی با پیکربندی‌های مختلف چگونه در انجام وظایف گوناگون عمل می‌کنند. آن‌ها متوجه شدند که گروه‌هایی با نسبت ابعادی بالا می‌توانند بر موانعی به ارتفاع پنج برابر طول بدن یک ربات میکروسکوپی غلبه کرده و یکی یکی از روی آن‌ها بپرند. یک گروه بزرگ از ۱۰۰۰ ربات میکروسکوپی با چگالی بالا، یک قایق تشکیل داد که بر روی آب شناور بود و دور یک قرص که ۲۰۰۰ برابر سنگین‌تر از هر ربات فردی بود، پیچیده شد و این امکان را فراهم کرد که گروه دارو را از طریق مایع حمل کند. جونگ جائه وی و همکاران او آزمایشی انجام دادند تا عملکرد گروهی از ربات‌های میکروسکوپی را در انجام کارهای مختلف ارزیابی کنند.

محققان سعی دارند تا طرح خود را وارد دنیای واقعی کنند و همچنین تلاشمی کنند تا دقت مکان یابی رباتها را افزایش دهند. مدلی از آخرین ربات SWIM در سمت راست، در کنار کپسولی که حسگر ترکیب اقیانوس را در خود جای داده است. الکس زتی فیزیکدان امریکایی در آزمایش‌های خود بر روی لوله‌های ریز فلورئون به این نتیجه رسیده است که این لوله‌ها بهترین هادی جریان الکتریسیته می‌باشند که تا کنون کشف شده‌اند. اولین استفاده آنها برای ساخت صفحات تلویزیون و کامپیوتر است که از کیفیت بالایی برخوردارند. اکتشاف سیارات زیر آب یا فرازمینی، نظارت، مین زدایی، و جستجو و نجات چند نمونه از مشاغل در محیط های بدون ساختار و عظیم است. تحقیقات در مورد هوش ازدحام به شدت تحت تأثیر سیستم های بیولوژیکی دیده شده در طبیعت است، مانند کلونی مورچه ها، مدارس ماهی، گله های پرندگان و غیره.

این ماشین‌ها دارای میلیون‌ها ربات میکروسکوپی هستند که مواد مورد نیاز مانند اکسیژن ، نیتروژن و کربن و کانی‌ها را همراه با پروتئین و کربوهیدراتها تهیه و نهایتا غذا را طبق دستور آماده خواهند کرد. الگوریتم حرکت گروهی روبات‌ها به دو صورت متمرکز و غیرمتمرکز انجام می‌شود. در الگوریتم‌های متمرکز یک کامپیوتر وظیفه‌ی ناوبری همه‌ی گروه را به عهده دارد و در الگوریتم‌های غیرمتمرکز هرکدام از روبات‌ها به شکل مستقل جهت‌یابی و انتخاب مسیر را انجام می‌دهند. الگوریتم دوم به دلیل استفاده از دیدگاه ترکیبی و مشاهدات گروهی از محیط کارایی بیشتری دارد ولی از آنجاکه هر روبات باید عملا در هرلحظه موقعیت سایر اعضای گروه را حدس بزند، پیاده‌سازی آن پیچیدگی زیادی دارد. من مهندس علوم کامپیوتر هستم و به هوش مصنوعی علاقه دارم و روی پروژه های تحقیقاتی در استارتاپ ها کار کرده ام.

اما در موقعیت‌های دیگر، روبات‌ها کار سخت‌تری برای نشان دادن این ویژگی‌های اضطراری دارند. لطفا نام کاربری یا آدرس ایمیل خود را برای تنظیم مجدد رمز عبور خود وارد کنید. در این آموزش روشی ساده برای ارتقای ماژول XL4015، که یک مبدل DC به DC باک می‌باشد، با استفاده از... در این مقاله به آموزش تشخیص رنگ با استفاده از سنسور رنگ TCS230 یا TCS3200 و آردوینو پرداخته شده است....

ایده‌های هوش ازدحام یا رفتار جمعی سیستم‌های غیرمتمرکز و خود سازماندهی شده، پایه و اساس رشته عملی رباتیک ازدحام (طبیعی یا مصنوعی) است. در یکی از آزمایش‌ها، گروهی متشکل از ۱۰۰۰ ربات میکروسکوپی با تراکم بسته‌بندی بالا، یک تکه چوب ساختند که روی آب شناور بود و به دور یک قرص پیچیدند که ۲۰۰۰ برابر وزن هر ربات بود. طول ربات‌های زیردریایی که برای آزمایش در استخر شنا استفاده شدند، حدود ۴۲ سانتی‌متر بود. محققان امیدوارند درنهایت طول این ربات‌ها را به حدود ۱۲ سانتی‌متر (اندازه موبایل) کاهش دهند. HashDork یک وبلاگ متمرکز بر هوش مصنوعی و فناوری آینده است که در آن بینش‌ها و پیشرفت‌های موجود در زمینه هوش مصنوعی، یادگیری ماشین و یادگیری عمیق را پوشش می‌دهیم. هدف ایجاد ربات هایی است که به تنهایی دارای ساختار و رفتار بسیار ابتدایی بوده و قادر به انجام فعالیت های مورد نیاز نیستند.

این ربات‌ها قادرند اشیاء را که چندین برابر اندازه خودشان هستند، جابه‌جا کرده و بردارند. یافته‌های این تحقیق که در تاریخ ۱۸ دسامبر در نشریه Cell Press منتشر شد، نشان می‌دهد که این گروه‌های ربات میکروسکوپی که تحت یک میدان مغناطیسی چرخشی عمل می‌کنند، می‌توانند به انجام کارهای دشوار در محیط‌های چالش‌برانگیز بپردازند. این کارها شامل ارائه درمان‌های کم‌تهاجمی برای شریان‌های مسدود شده و هدایت دقیق موجودات است. محققان دانشگاه Tongji و Stuttgart (اشتوتگارت) اخیراً یک فریم ورک برای امکان جستجوی اهداف بیشتر در ربات های گروهی اختراع کرده اند. این فریم ورک که در مجله IEEE به اشتراک گذاشته شده، بر اساس یک روش بهینه سازی ذرات (PSO) و یک الگوریتم هوش مصنوعی (مکان یابی محل) می باشد.

این مقاله به بررسی دقیق رباتیک ازدحام، از جمله ویژگی‌ها، کاربردها و موارد دیگر می‌پردازد. در عوض، دستورالعمل‌های اساسی مانند «پیشرفت به سوی منبع نور» ممکن است توسط الگوریتم‌هایی به هر روبات اختصاص داده شود. زنبورهای عسل زمانی که «زنبورهای پیشاهنگ» را برای یافتن کلنی‌های جدید بالقوه می‌فرستند، از هوش گروهی استفاده می‌کنند. هنگامی که پرندگان به غرفه مهاجرت می کنند و گله هایی را برای جستجوی غذا تشکیل می دهند، نمونه کامل آن هستند. به عنوان مثال، در برنامه‌های نظارتی و ردیابی بهتر افراد یا وسایل نقلیه کاربرد دارند.

با ساخت ابزار و وسایل پزشکی در آینده روند پیر شدن کند می شود و مبـارزه بـا بیمـاری هـا آسـان تـر و مطمئـن تـر خـواهـد شـد. در زمینه کالبدشناسی از نانوربات‌ها به منظور تعیین محل دقیق آسیب استفاده خواهد شد. در شرایطی استفاده از نانو ربات‌های زیستی ضروری به نظر می رسد که امکان دسترسی به عضو موردنظر دشوار بوده یا امکان پذیر نباشد یا حتی در مواردی که عواقب دردناک و دشواری توسط پزشک پیش بینی شود. برای طراحی یک نانوربات دانشمندان از مدل های طبیعی مثل ساختار رشته های DNAبهره می گیرند. با بهره گیری از دانش نانو تکنولوژی دانشمندان قادر به ساخت حسگرهای زیستی در ابعاد یک میلیاردم هستند. که برای آنها تعیین نشده، جریمه می‌شوند، به همین دلیل یک تابع هدف خاص برای هر گروه است.

دانشمندان معتقدند با این آزمایش‌های مجازی، می‌توان طراحی ربات‌ها را بهینه کرد و دقت و توانایی‌هایشان برای جمع‌آوری داده‌های علمی در محیط‌های ناشناخته را افزایش داد. برای شبیه‌سازی محیطی که در آن انسان و ماشین با یکدیگر همکاری می‌کنند، محققان در حال آزمایش نسخه‌ای از این الگوریتم برای هدایت روبات‌های چرخ‌دار هستند. این روبات‌ها به‌صورت گروهی اشیائی را در یک اتاق حمل می‌کنند و برای این کار باید مسیر خود را از بین افراد در حال حرکت حاضر در اتاق پیدا کنند. محققان در کره جنوبی گروهی از ربات‌های میکروسکوپی و مغناطیسی را ساخته‌اند که مشابه مورچه‌ها با یکدیگر همکاری می‌کنند تا کارهای پیچیده و عظیمی را انجام دهند. گروهی از ربات‌های کوچک موسوم به ربات‌های زیردریایی که قرار است در قمر سیاره مشتری، اروپا، به‌دنبال حیات بگردند، سفر خود را روی زمین، در استخر شنا آغاز کرده‌اند!

در نهایت، از طریق حرکات چرخشی و کششی، تیم وی سیستمی را توسعه داد که از طریق آن گروه‌های ربات می‌توانند حرکات موجودات کوچک را هدایت کنند. در زمین خشک، یک گروه ربات توانست بارهایی به وزن ۳۵۰ برابر هر ربات فردی را جابه‌جا کند، در حالی که گروه دیگری از ربات‌های میکروسکوپی موفق شد لوله‌هایی را که شبیه به رگ‌های خونی مسدود شده بودند، باز کند. در نهایت، از طریق حرکات چرخشی و کشش مداری، تیم وی سیستمی را توسعه داد که به گروه‌های ربات این امکان را می‌دهد که حرکات موجودات کوچک را هدایت کنند. بسیاری از کاربردهای مفید این ربات‏ها، علی‏الخصوص برای رویکرد گروهی، مناسب هستند. گروه‏هایی از ربات‏ها می‏توانند این وظایف را نسبت به ربات‏هایی که به صورت انفرادی کار می‏کنند، موثرتر انجام دهند. با وجود این، او تأکید می‌کند که برای استفاده عملی از این ربات‌ها در دنیای واقعی، نیاز به افزایش سطح خودمختاری آنها است.

در ادامه با ما همراه باشید تا شما رو با این الگوریتم تکاملی بیشتر آشنا سازیم. در مقاله پیش رو قصد معرفی و بهینه سازی یکی از الگوریتم های تکاملی (EA) الهام گرفته شده از طبیعت می پردازیم که بهینه ساز جستجوی گروهی (GSO) نام دارد که از عملکرد جستجوی حیوانات به منظور یافتن غذا تقلید می کند. چارچوب بکارگرفته شده در الگوریتم GSO مدل تولید کننده و برداشت کننده است. جهت پیاده سازی این مدل، در بهینه سازی گروه جستجو یک تکنیک پویش محیط با زوایای مختلف مورد استفاده قرار می گیرد. با استفاده از این الگوریتم تکاملی دو مسأله دسته بندی دنیای واقعی با موفقیت حل شد. دانشمندان در کره جنوبی گروه‌هایی از ربات‌های میکروسکوپی مغناطیسی را توسعه داده‌اند که مانند مورچه‌ها با هم همکاری می‌کنند تا به کارهای فوق‌العاده‌ای دست یابند.

با استفاده از نانوتکنولوژی دستیابی به انرژی خورشیدی امکان پذیر خواهد شد. انرژی خورشیدی قابل تبدیل و استفاده به اشکال مختلف انرژی است و بشر را از منابع دیگر انرژی بی نیاز می کند. نانوربات ها ماشین های کوچکی هستند که برای انجام عملیاتی خاص و بعضا تکرارشونده با دقت بسیار بالا طراحی شده اند. نانو ربات ها نه تنها قادر به تشخیص محل دقیق سرطان خواهند بود بلکه داروی مناسب برای از بین بردن سلول های سرطانی را تزریق می کنند. امروزه تحقیقات وسیعی در زمینه درمان بیماری هایی چون دیابت، بیماری های قلبی و ایدز در حال انجام است .نانوربات ها دارای امکانات بالقوه ای هستند که با اجتماع و قرارگیری به صورت کلونی قادرند به طور موشکافانه و دقیق از سیستم حفاظت کنند. در واقع با ساختاری اتمی یا مولکولی در یک فرایند شناخته شده قرار داده می شوند تا چرخه ای را کامل کنند.

یکی از کارهایی که این رباتها را از سایر رباتها متمایز می کند، جستجویدائمی چندین هدف با هم در محیط اطرافشان است. دانشمندان به طور فزاینده‌ای به مطالعه چگونگی دستیابی گروهی ربات‌ها به اهداف مشترک علاقه‌مند شده‌اند. این علاقه‌مندی به الهام از رفتار مورچه‌ها در کنار هم برای پر کردن فاصله‌ها یا تشکیل یک قایق برای بقا در برابر سیلاب‌ها شکل گرفته است. به همین ترتیب، همکاری میان ربات‌ها باعث افزایش مقاومت آن‌ها در برابر شکست می‌شود. حتی اگر برخی از اعضای گروه نتوانند به هدف برسند، بقیه به انجام حرکات برنامه‌ریزی‌شده خود ادامه می‌دهند تا زمانی که تعداد کافی از آن‌ها در نهایت موفق شوند. الگوریتم SETS از روشی به نام “جستجوی درختی مونت کارلو” (Monte Carlo Tree Search) استفاده می‌کند.

یا از آنها به عنوان یک ابزار برای جست‌وجو در محیط‌های مختلف استفاده کرد. همچنین فریم ورک ارائه شده توسط محققان سبب می شود تا رباتهایگروهی جستجوی کارآمدتری داشته باشند، به طوریکه رباتها از موانعی که در محیط اطرافشاناست یا مسیرشان را بسته، دوری می کنند. آنها دریافتند که گروه‌هایی با نسبت ابعاد بالا می‌توانند بر موانعی به ارتفاع پنج برابر طول بدن یک ربات میکروسکوپی صعود کرده و به‌صورت یک‌به‌یک از روی موانع بپرند. یک گروه بزرگ متشکل از ۱۰۰۰ ربات میکروسکوپی با چگالی بالا، یک قایق تشکیل داد که بر روی آب شناور بود و دور یک قرص که ۲۰۰۰ برابر سنگین‌تر از هر ربات فردی بود، پیچید. محققان در این مطالعه از ربات‌های میکروسکوپی مکعبی استفاده کردند، که برخلاف ربات‌های کروی، با استفاده از سطوح بزرگ‌تر می‌توانند به یکدیگر متصل شوند و جذب مغناطیسی قوی‌تری ایجاد کنند.

هر روبات بعد از گرفتن نقشه‌ی محیط از دیگر اعضای گروه، آن را با نقشه‌ی خود مقایسه می‌کند و بعد از محاسبه‌ی ناهماهنگی‌ها و اضافه کردن موانعی که روبات قبلی نادیده گرفته است، دوباره آن را برای نزدیک‌ترین عضو گروه می‌فرستد. بسته بندی شده با جدیدترین در زمینه هوش مصنوعی، توسعه دهنده وب و فناوری آینده. کاربردهای آینده رباتیک ازدحام شامل تحویل هدفمند مواد، کشاورزی دقیق، پرینت سه بعدی دسته جمعی، نظارت، دفاع، عملیات جستجو و نجات و بسیاری موارد دیگر خواهد بود. وظایفی که باید در مکان‌های بزرگ یا بدون ساختاری که هیچ زیرساختی برای مدیریت ربات‌ها وجود ندارد، مانند شبکه ارتباطی قابل دسترس یا سیستم محلی‌سازی جهانی تکمیل شود، یکی دیگر از حوزه‌های کاربردی ممکن برای رباتیک ازدحام است. با این حال، این روبات‌های ساده با هم به عنوان یک گروه یا ازدحام برای انجام وظیفه مورد نیاز ارتباط برقرار می‌کنند و با هم کار می‌کنند، که منجر به شکل‌گیری رفتار پیچیده و عملی ازدحام می‌شود.

ربات‌های Swarm می‌توانند کارهای پیچیده را بدون اینکه هزینه‌بر یا بسیار پیچیده باشند، انجام دهند. این عبارت به رفتار جمعی هماهنگ و غیرمتمرکز عوامل بیولوژیکی یا مصنوعی اشاره دارد که برای دستیابی به اهداف هماهنگ عمل می کنند. به عنوانمثال، می توان به کمک آنها روشهای نظارتی را تقویت کرد یا از آنها به عنوان یکابزار برای جستجو در محیطهای مختلف استفاده کرد. در سال ۲۰۱۸، برنامه آلفازرو (AlphaZero) شرکت دیپ‌مایند (DeepMind) گوگل با استفاده از یادگیری ماشین و یک الگوریتم خاص، بازی‌های شطرنج، شوجی (شطرنج ژاپنی) و گو را به صورت خودآموز فرا گرفت. این برنامه با بررسی تمام حرکات ممکن و شبیه‌سازی نتایج آن‌ها، بهترین حرکت را برای پیروزی در بازی انتخاب می‌کرد.

به گزارش تک‌ناک، این ربات‌ها می‌توانند اشیایی را جابه‌جا و بلند کنند که چندین برابر اندازه خودشان هستند. بر اساس مطالعه‌ای که در تاریخ ۱۸ دسامبر در مجله Device منتشر شد، این ربات‌ها تحت تأثیر یک میدان مغناطیسی چرخشی عمل می‌کنند، که به آنها امکان می‌دهد چالش‌هایی را حل کنند که برای یک ربات تک‌، به‌ تنهایی دشوار است. این قمر را در دهه ۱۹۹۰ مأموریت گالیله ناسا به‌طور گسترده بررسی کرد و شواهد قانع‌کننده‌ای از وجود اقیانوس پنهان در زیر سطح آن ارائه داد. مأموریت رباتیک بعدی برای مطالعه اروپا، «اروپا کلیپر»، هم‌اکنون در مسیر سیاره مشتری قرار دارد تا ۴ سال، امکان وجود هر نوع حیاتی را در اروپا بررسی کند. مأموریت رباتیک بعدی برای مطالعه اروپا، «اروپا کلیپر» ، هم‌اکنون در مسیر سیاره مشتری قرار دارد تا ۴ سال ، امکان وجود هر نوع حیاتی را در اروپا بررسی کند. دانشمندان فن‌آوری نانو آینده این علم را چنین پیش‌بینی می‌کنند که مثلا در سال ۲۰۲۰ میلادی دیگر وسایل آشپزخانه مانند گاز و یخچال وجود نخواهند داشت و به جای آنها ماشین‌هایی خواهند بود که فقط کافی است دستور تهیه غذا را به آنها بدهید.

هر روبات فقط با نزدیک‌ترین عضو گروه ارتباط برقرار می‌کند و به همین دلیل پهنای باند موردنیاز برای برقراری ارتباط مداوم و مؤثر به شکل چشمگیری کم می‌شود که این مزیت به‌خصوص در گروه‌های شلوغ کارایی زیادی دارد. علاوه بر این بعد از هر مرحله نقشه‌برداری، تک‌تک روبات‌ها به نقشه‌ای دسترسی دارند که همه‌ی موانع محیط شناسایی‌شده توسط همه‌ی اعضای گروه در آن گنجانده شده است. کار یک روبات در اجتناب از برخورد با اجسام متحرک بسیار سخت‌تر از جلوگیری از برخورد با موانع ثابت مثل دیوار یا لوازم منزل است و وقتی روبات‌ها به‌صورت گروهی حرکت می‌کنند این کار به‌مراتب سخت‌تر می‌شود. موسسه‌ی فناوری ماساچوست (MIT) با هدف حل این مشکل الگوریتم جدیدی برای ناوبری گروهی روبات‌ها طراحی کرده است که در آن از نقشه‌های چهاربعدی استفاده می‌شود. رباتیک ازدحام، به بیان ساده، استفاده از بسیاری از روبات‌هایی است که با هم برای حل مشکلات از طریق ایجاد ساختارها و رفتارهای سودمند مانند آنچه در سیستم‌های طبیعی مانند دسته‌ای از زنبورها، پرندگان یا ماهی‌ها دیده می‌شود، کار می‌کنند. رباتیک ازدحام مطالعه این است که چگونه ربات‌ها از نظر ساختار و رفتار ساده می‌توانند ساخته شوند تا اطمینان حاصل شود که یک رفتار جمعی مطلوب از تعاملات محلی بین روبات‌ها و تعاملات بین روبات‌ها و محیط آنها پدیدار می‌شود.

به همین ترتیب، همکاری بین ربات‌ها آنها را مقاوم‌تر می‌کند و حتی اگر برخی از ربات‌ها به هدف نرسند، بقیه گروه همچنان به انجام وظایف خود ادامه می‌دهند تا موفقیت در نهایت حاصل شود. آخرین نسخه SWIM نمونه‌ اولیه پلاستیکی چاپ سه‌بعدی است که با استفاده از موتورها و وسایل الکترونیکی ارزان‌قیمت ساخته شده. یکی از نوآوری‌های کلیدی در این ربات‌ها استفاده از یک تراشه سنسور چندگانه است که مهندسان دانشگاه جورجیا در آتلانتا طراحی کرده‌اند. این تراشه می‌تواند دما، فشار، اسیدیته، رسانایی و ترکیب شیمیایی (عواملی که در جستجوی حیات نقش اساسی دارند) را اندازه‌گیری کند. الگوریتم جدید MIT از نوع غیرمتمرکز است و می‌تواند برای پرهیز از برخورد با انواع موانع (ثابت و متحرک) مورد استفاده قرار بگیرد. در این الگوریتم هرکدام از روبات‌ها به‌صورت مستقل و با تکیه بر مشاهدات خود محیط اطراف را نقشه‌برداری می‌کنند و بعد این اطلاعات را به نزدیک‌ترین عضو گروه انتقال می‌دهند.

الگوریتم بهینه ساز جستجوی گروهی یا روش GSO یک مکاشفه بهینه سازی مبتنی بر جمعیت می باشد که از رفتار جستجوی حیوانات نشأت گرفته است. رفتار جستجوی حیوانات می تواند بوسیله تلاش آنها برای پیدا کردن غذا، جفت، لانه و غیره توصیف شود. از سوی دیگر زندگی گروهی یک دسته از حیوانات باعث اشتراک گذاری اطلاعات و همکاری آنها با یکدیگر می شود. این رفتار گروهی اجازه می دهد که نرخ جستجوی موفق گروه افزایش یابد و همچنین واریانس موفقیت گروه کاهش یابد. در این بخش به معرفی الگوریتم بهینه ساز جستجوی گروهی پرداخته و مقاله های مرجع این الگوریتم را برای دانلود قرار دادیم.

پس از معرفی الگوریتم بهینه ساز جستجوی گروهی (GSO) توسط هی و همکاران، نویسندگان بسیاری به این الگوریتم تکاملی علاقمند شدند. در سال 2010 از روش GSO برای طراحی پوسته های دولایه توری استفاده شده است. همچنین در سال 2011 یک الگوریتم بهینه ساز جستجوی گروهی مبتنی بر درونیابی درجه دو در مقاله ای با عنوان Hybrid Group Search Optimiser with quadratic interpolation method and its application معرفی شد. با هدف آنالیز مستقیم بهینه سازی گروه جستجو، الگوریتم GSO روی مجموعه ای غنی از تابع های بهینه سازی که از مسائل دنیای واقعی الهام می گیرند، مورد ارزیابی قرار گرفته است. تابع های محک، دو نوع کلی از مسائل تک قله ای و چندقله ای را شامل می شوند. دنیای کوچک یک ساختار شبکه اجتماعی می باشد که برای تبادل اطلاعات میان اعضاء جامعه استفاده می شود.