Schwarmintelligenz: Roboter, die sich wie Bienen verhalten

Anbieter zum Thema

OKW Odenwälder Kunststoffwerke Gehäusesysteme GmbH

syslogic-logotype-alt-navy-mint (Syslogic.ai)

Der Schwarm agiert als Gehirn

Schmickl und sein Team beobachteten, dass die Bienen in Summe intelligentes Verhalten zeigen, ohne dass die einzelne Biene über die Gesamtsituation Bescheid wissen müsste. Sie finden verlässlich die wärmste Stelle und ignorieren kleinere warme Bereiche. „Die Bienen berücksichtigen also die gesamte Umwelt, doch das passiert nicht im Hirn der einzelnen Biene. Einzelne Bienen müssen nicht überall gewesen sein. Der Gesamtschwarm agiert wie ein großes Gehirn und findet die beste Lösung heraus", so Schmickl. "Wir haben ein Modell erzeugt, mit einer einzigen Gleichung, in dem alle vier Typen und alle Mischformen davon enthalten sind."

Bildergalerie

Schmickl und sein Team übertrugen dieses Modell erfolgreich auf einfache Roboter, die mit Temperaturfühlern ausgestattet waren. Es habe sich gezeigt, dass solche physischen Tests wichtig seien.

„Man weiß das von der Forschung an Ameisen. Zu diesen gibt es historisch besonders viele, hoch abstrakte Schwarm-Intelligenz-Modelle. Wir haben das untersucht und festgestellt, dass alle vorgeschlagenen Algorithmen für Ameisenstraßen bei der Umsetzung mit Robotern versagt haben", sagt Schmickl. „Aus diesem Grund haben wir die Roboter-Verkörperung in den Mittelpunkt des Projekts gestellt und konnten so einen bio-inspirierten Schwarm-Algorithmus extrahieren, der auch in seiner physikalischen Verkörperung funktioniert."

Algorithmen für Leben entwickeln

Die Bienenforschung hat in Graz lange Tradition, die auf den Nobelpreisträger Karl von Frisch zurückgeht. Schmickl beschäftigte sich bereits während seiner Dissertation mit diesen Tieren. Zur biologischen Modellierung kam er in einem FWF-Projekt unmittelbar nach seiner Dissertation. Dort untersuchte er, was bei Nahrungsmangel, etwa während Regenzeiten passiert.

„Ich habe gesehen, dass es zu Kannibalismus kommt, der das Ziel hat, Energie zurückzugewinnen. Ich habe begonnen, Populationsmodelle von Bienenkolonien zu erstellen und bin so zur mathematischen Modellierung gekommen. Über die Jahre habe ich das verfeinert. Jetzt ist biologische Modellierung eines meiner Hauptthemen", erzählt Schmickl.

Das Interesse habe sich auch zu den Algorithmen selbst verlagert: „Ein Versuch, das Modell der Bienen weiter zu vereinfachen, hat zu einem Algorithmus geführt, der PPS heißt, Primordial Particle Systems", so Schmickl. Das habe mit Bienen nichts mehr zu tun. „Hier geht es um Gebilde, die so ähnlich wie Zellen aussehen, sich selbst organisieren, freie Partikel aufnehmen, wachsen und sich dann teilen. Das System ähnelt einer Ursuppe, wo spontan etwas Lebensähnliches entsteht."

Die Frage sei: Wie einfach kann ein Algorithmus sein, damit etwas entsteht, das wie Leben aussieht? „Hier geht es um biologische Musterbildung im Allgemeinen. Auch daran wollen wir weiterforschen", sagt Schmickl.

Zur Person:Thomas Schmickl ist Zoologe am Artificial Life Lab des Instituts für Zoologie der Karl-Franzens-Universität Graz. Er interessiert sich für von biologischen Systemen inspirierte künstliche Intelligenz von Roboterschwärmen, selbstorganisiertes Verhalten autonomer Roboter, das Verhalten von Tieren, insbesondere jenes „sozialer Insekten" wie Bienen, sowie Simulationsmethoden für Tierverhalten.

Publikationen: Hamann, Heiko; Schmickl, Thomas; Crailsheim, Karl: Analysis of swarm behaviors based on an inversion of the fluctuation theorem, in: Artificial life, 20, 1. 2014, 77- 93. DOI: 10.1162/ARTL_a_00097

Kengyel, Daniela; Hamann, Heiko; Zahadat, Payam; Radspieler, Gerald; Wotawa, Franz; Schmickl, Thomas: Potential of Heterogeneity in Collective Behaviors: A Case Study on Heterogeneous Swarms, International Conference on Principles and Practice of Multi-Agent Systems, in: Lecture Notes in Artificial Intelligence: Principles and Practice of Multi-Agent Systems 2015, 201-217. DOI: 10.1007/978-3-319-25524-8_13

Kengyel, Daniela; Thenius, Ronald; Crailsheim, Karl; Schmickl, Thomas: Influence of a Social Gradient on a Swarm of Agents Controlled by the BEECLUST Algorithm, in: Pietro Lio, Orazio Miglino, Giuseppe Nicosia, Stefano Nolfi, Mario Pavone (Eds): Advances in Artificial Life ECAL 2013. 2013, 1041 – 1048

(ID:44922915)