就个体而言，蚂蚁的力量和智力是有限的。然而，作为一个群体，它们可以使用复杂的策略来完成复杂的任务和躲避更大的捕食者。有时，蚂蚁的这种“集体智慧”甚至令人拍案叫绝。
在EPFL，杰米·派克(Jamie Paik)教授的实验室里的机器人研究人员们重现了这一大自然中的现象。
他们开发了一种微型机器人，这种机器人在个体层面上只显示出最低的物理智能，但却能够进行沟通并集体行动。
尽管设计简单，重量只有10克，但每个机器人都有多种运动模式，可以在任何类型的表面进行导航。
总的来说，他们可以快速地发现并克服障碍，移动比他们自身更大更重的物体。
相关研究发表在《自然》杂志上。
灵感来自蚂蚁
这些三条腿的T型折纸机器人被称为Tribots。通过折叠多种材料组成的薄片，它们只需几分钟就能组装好，这让其适合大规模生产。
完全自主、不受束缚的Tribots配备了红外和近距离传感器，用于探测和通信。根据具体应用的不同，它们可以容纳更多的传感器。
“它们的动作模仿了大齿猛蚁的动作。这些昆虫通常是爬行的，但为了躲避捕食者，它们合上有力的下颚，从一片叶子跳到另一片叶子，”第一作者Zhenishbek Zhakypov说。
Tribots通过一个优雅的折纸设计，结合了多个形状记忆合金执行器，复制了这种弹射机制。
因此，一个机器人可以产生五种不同的运动步态:垂直跳跃、水平跳跃、翻滚以清除障碍物、在有纹理的地形上行走以及在平坦的表面爬行——就像这些富有创造力的有弹性的蚂蚁一样。
机器人群体中具备不同“角色”
尽管有着相同的身体结构，每个机器人都被分配了一个特定的角色，这取决于具体的情况。
“探索者”能探测到路上的物理障碍，比如物体、山谷和山脉。在发现一个障碍物后，他们通知小组的其他成员。
然后，“领导”给出指示。与此同时，“工人”集中力量移动物体。
“每一个Tribot，就像大齿猛蚁一样，可以有不同的角色。然而，当面对一个新的任务或未知的环境，甚至当其他成员迷路时，他们也可以立即扮演新的角色。这超出了真正的蚂蚁所能做的。”Paik说。
未来应用
在实际情况下，例如紧急搜索任务，Tribots可以被大规模部署。
而且由于他们的重联和多智能体通信能力，他们可以在不依赖GPS或视觉反馈的情况下，在一个大的表面上快速定位目标。
他说:“由于这些机器人可以大量制造和部署，因此即使有一些‘伤亡’，也不会影响这次任务的成功。”
“凭借其独特的集体智能，我们的微型机器人能够更好地适应未知环境;因此，在某些任务上，它们将胜过更大、更强大的机器人。”
蚁群与人工智能
像蚁群、蜂群这样成百上千的不同个体的独立行为却如同一个集体一样做出行动的例子，叫做自组织行为。
它不仅出现在蚂蚁、蜜蜂身上，很多如鸟群、羊群中也会出现类似的行为。上世纪80年代中期，一位用计算机动画制作复杂行为的专家Craig Reynolds开始研究鸟群在空中飞翔和迂回前进的路线，他发现，群体中的个体并不是根据某些高层权威做出反应，而是根据与邻近个体的行为来采取行动。只需要在编程时遵循简单的规则，就可以做出类似的自组织计算机模型。
蚁群算法、蜂群算法就是基于模仿这种群体行为而提出的一种优化算法，是集群智能思想的一个具体应用，它的主要特点是不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各人工蜂个体的局部寻优行为，最终在群体中使全局最优值突现出来，有着较快的收敛速度。
人工蜂群算法(Artificial Bee Colony Algorithm, 简称ABC算法)是一个由蜂群行为启发的算法，在2005年由Karaboga小组为优化代数问题而提出。
通过蜂群算法，还能对无人机的飞行航路进行最优规划，利用蜂群算法的优势，找到这个多维函数优化问题的最优解。
