群体智能读书会 | 第三期：智能集群协同与对抗研究

导语

近年来，局部规则驱动的群体智能建模成为热点。Boids、Vicsek、Couzin与社会力模型表明简单邻域交互即可涌现有序结构，但对异质性、环境场与演化刻画不足。本期读书会从经典模型出发，以Master方程与ABM打通微观到宏观，并构建信息素蚁群与数据驱动鱼群burst-and-coast模型，量化社会互动与模式转换。进一步面向集群机器人，将模型落地到通信定位等约束下，实现一致、旋转及混合集群协同对抗。

内容简介

一、从局部规则到群体智能：集群行为模型的生成机制

近年来，从局部规则出发刻画群体智能的生成机制，已成为复杂系统与计算智能领域的热点方向。Reynolds 的 Boids 三规则、Vicsek 自驱动粒子模型、Couzin 感知区域模型以及 Helbing 社会力模型等经典工作表明：个体只需依托邻域感知与简单互动，即可自发形成队列、环行、聚散等多样的时空有序结构。它们从几何邻域、速度对齐和“社会力”等不同视角，为理解群体协同行为提供了基础范式，但在处理个体异质性、环境信息场和演化过程等方面仍存在局限。本期读书会将以这些经典集群模型为起点，介绍本课题组在多智能体集群建模方面的进展：一方面通过 Master 方程与 Agent-based 模型相结合，在“微观决策—宏观统计”之间建立联系；另一方面构建基于信息素场的蚁群模型和数据驱动的鱼群 burst-and-coast 模型，揭示个体社会相互作用、环境约束与群体模式转换之间的定量关系。报告旨在从经典模型过渡到改进的模型，展示在保持局部规则简洁性的同时如何提升对真实生物集群与工程集群系统的解释与预测能力。

二、集群机器人行为涌现及协同对抗研究

自然界中存在各种令人震撼的生物集群行为。揭示和归纳各类生物涌现行为的普适规律是当今复杂系统领域研究热点之一。受到生物集群智能启发，集群机器人系统旨在设计和建立由大量简单机器人组成的协同合作系统，通过机器人之间以及机器人与环境之间相互作用，在宏观层面自组织涌现出个体层面不存在的集群智能。与简单个体机器人相比，集群机器人系统具有更好的灵活性、容错性、可扩展性以及稳定性。科学家发现通过建立理想化的生物集群模型，将运动个体抽象为质点，设计局部相互作用规则，在计算机仿真中可以模拟和预测复杂的生物集群行为。然而，理想化的生物集群模型往往不能直接应用于实际的集群机器人系统。一方面，生物集群模型存在着不可忽略的理想化假设：个体对局域邻居无偏好选择、个体速度大小固定和无边界限制等；另一方面，集群机器人系统自身也面临着各种问题与挑战：计算复杂度高、通信和定位技术限制以及难以建立可重复操作的实验平台等，使得当前只有少数实验成功地实现大规模集群机器人的自组织涌现行为或者协同合作完成特定场景的任务。

根据上述理想化生物集群模型和实际集群机器人系统面临的问题与挑战，本报告以生物集群模型为切入点，多种集群机器人系统为实际应用场景，详细讲解如何在集群机器人系统实现类似生物集群行为的一致、旋转等涌现行为，以及如何在多种混合集群机器人上实现集群协同和对抗。

分享大纲

内容1 经典集群模型：局部规则驱动的涌现结构

• 内容1.1 Boids、Vicsek、Couzin、社会力模型的核心假设与交互机制

• 内容1.2 典型涌现形态：队列、环行、聚散等时空有序结构的生成逻辑

• 内容1.3 局限性：异质性、环境信息场与演化过程刻画不足

内容2 课题组建模进展：微观决策—宏观统计的桥接

• 内容2.1 Master方程 + Agent-based耦合框架：从个体规则到群体统计规律

• 内容2.2 信息素场蚁群模型：社会相互作用与环境约束的定量刻画

• 内容2.3 数据驱动鱼群burst-and-coast模型：行为机制与模式转换关系解析

内容3 从经典到改进：解释与预测能力的提升路径

• 内容3.1 保持局部规则简洁性的同时引入关键真实因素的策略

• 内容3.2 群体模式转换的刻画：交互、环境与约束的联合作用

• 内容3.3 面向真实生物集群与工程系统的可解释与可预测建模目标

内容4 生物启发到集群机器人：系统目标与优势

• 内容4.1 集群机器人范式：机器人-机器人/机器人-环境交互下的自组织涌现

• 内容4.2 工程价值：灵活性、容错性、可扩展性与稳定性

• 内容4.3 生物模型作为切入点：理想化仿真对复杂行为的模拟与预测

内容5 理想化假设与工程挑战：落地瓶颈的来源

• 内容5.1 生物模型的理想化假设：无偏好邻居选择、速度固定、无边界限制

• 内容5.2 工程系统约束：计算复杂度、通信与定位限制、平台可重复性困难

• 内容5.3 现状与问题：大规模涌现与任务协作实验实现仍然稀缺

内容6 工程实现路线：典型涌现与混合集群协同对抗

• 内容6.1 涌现行为实现：一致、旋转等群体运动在机器人系统中的实现要点

• 内容6.2 混合集群场景：多类型机器人上的协同机制与对抗策略

• 内容6.3 示例与展望：从可复现实验到可扩展应用的推进路径

核心概念

• 局部规则 Local Rules

• 经典集群模型 Classic Swarm Models

• 邻域感知 Neighborhood Sensing

• 涌现有序结构 Emergent Ordered Structures

• Master方程 Master Equation

• 多主体模型 Agent-based Models

• 信息素场 Pheromone Field

• 集群机器人系统 Swarm Robotics Systems

主讲人介绍

主讲人:于沛志，北京师范大学系统科学学院在读博士生。主要从事集群系统及行为动力学机理研究。研究重点包括集群追逃行为博弈，集群系统异质性与自组织状态转换、集群系统多尺度表征等。

主讲人:郑雅婷，柏林洪堡大学博士后研究员，并加入智能科学集群研究团队。研究方向主要聚焦于群体机器人的协同合作机制，目前涉及仿生集群运动控制、协同构建技术以及真实群体机器人系统中的主动弹性模型控制，曾基于E-puck、Stigmergic积木系统及BuilderBot机器人平台开展研究。2022年1月获得北京师范大学博士学位，并于2018年9月至2020年12月期间在比利时布鲁塞尔自由大学进行联合培养，师从Michael Allwright博士后研究员与Marco Dorigo教授。作为SCIoI项目B3的集成方向博士后，当前正基于Thymio机器人集群开展研究，致力于将不同集体行为整合为群体引导行为。

参考文献

1. Reynolds C W. Flocks, herds and schools: A distributed behavioral model[C]//Proceedings of the 14th annual conference on Computer graphics and interactive techniques. 1987: 25-34.

2. Vicsek T, Czirók A, Ben-Jacob E, et al. Novel type of phase transition in a system of self-driven particles[J]. Physical review letters, 1995, 75(6): 1226.

3. Helbing D, Molnar P. Social force model for pedestrian dynamics[J]. Physical review E, 1995, 51(5): 4282.

4. Lin G, Escobedo R, Li X, et al. Experimental evidence of stress-induced critical state in schooling fish[J]. PRX Life, 2025, 3(3): 033018.

5. Wang W, Escobedo R, Sanchez S, et al. Collective phases and long-term dynamics in a fish school model with burst-and-coast swimming[J]. Royal Society Open Science, 2025, 12(5): 240885.

6. Xue T, Li X, Lin G Z, et al. Tuning social interactions’ strength drives collective response to light intensity in schooling fish[J]. PLoS computational biology, 2023, 19(11): e1011636.

7. Mezey, D., Bastien, R., Zheng, Y. et al. Purely vision-based collective movement of robots. npj Robot3, 11 (2025).

8. Pan, Mengyun, et al. "Physical Interactions Segregate Robot Swarms." IEEE Robotics and Automation Letters (2024).

9. Devlin, Matthew R., et al. "Material-like robotic collectives with spatiotemporal control of strength and shape." Science 387.6736 (2025): 880-885.

报名读书会：

「群体智能：从自然涌现到人机共创」

集智俱乐部联合北京师范大学系统科学学院韩战钢教授、暨南大学计算传播研究中心赵甜芳副教授、新疆大学物理科学与技术学院玉素甫·艾比布拉副教授等学者，共同发起本次，尝试用一条普适的线索，把自然界的鸟群蚁群、人类社会的集群行为、以及人工智能时代的多智能体与群智优化，放在同一张地图上重新理解。读书会自2026年1月24日开始，安排在每周六下午 14:00–16:00，欢迎所有对群体智能如何涌现、如何被理解、以及如何被设计，感兴趣的朋友一起加入：带着问题来，带着更有趣的问题去。

视频号直播预约：

报名方式：

第一步：微信扫码填写报名信息。

第二步：填写信息后，付费报名。如需用支付宝支付，请在PC端进入读书会页面报名支付：

第三步：添加运营助理微信，拉入对应主题的读书会社区（微信群）。

PS：为确保专业性和讨论的聚焦，本读书会谢绝脱离读书会主题和群体智能相关问题的空泛的哲学和思辨式讨论；如果出现讨论内容不符合要求、经提醒无效者，会被移除群聊并对未参与部分退费。

加入社区后可获得的资源

完整权限包括：线上问答、录播回看、资料共享、社群交流、信息同步、共创任务获取积分等。