当然，这不代表机器人参与生产运输的不安全性高，反而印证其极高的安全性。因为正是难以出现的可能情况，才更容易被人关注。可是无论出现的几率多么渺茫，都要认真对待，将失误、故障的可能性降到*低。这才是发展机器人，乃至任何工作应有的态度。

庞大的机器人群体正在管理着世界上*大的工厂和仓储配送中心。数以千计的机器人一起工作，以前所未有提升了生产工作的效率。平均生产一件衣服只需要几秒，甚至一辆汽车的平均生产时间，也只有23秒。

 

虽然这些群集机器人的潜力无限、令人惊叹，但是一旦有一个机器人出现故障，这会迅速破坏群集机器人的整体性能或者导致意外的结果。

 

针对可能出现的这种情况，阿卜杜拉国王科技大学(KAUST)研究人员Ying Sun 和Fouzi Harrou一同开发了迄今为止市面上*快、*准确的故障检测系统，这种系统能够让群集机器人在运行中保持*佳性能。

 

KAUST作为全球*有钱的大学，在计算机与机器人领域皆有不错的成果，这也为其研发机器人检测系统奠定了基础。

 

Harrou 表示：“群集机器人技术理念来自于诸如蚂蚁和蜜蜂等动物行为的启发。多台机器人协同工作，可以完成单台机器人无法完成的复杂任务，这种多机器人系统工作技术在许多应用领域中非常有用，如联合搜索勘探、管理仓库、配送产品、播种和收割。”

 

用于控制集群机器人的协调活动的软件揭示了这样的事实：当群体中一个或多个机器人发生故障，机器人群体可能就不会以人们期望的性能水平执行任务。成百上千的机器人一起工作时，由于外部干扰、机器人间的意外碰撞、组件故障、软件错误甚至通信链接受到破坏，故障是不可避免的。

 

Sun 表示：“在受到监控的群集机器人系统中，尽早检测和识别可能的错误或故障至关重要，这样就可以*大限度地提高运行效率并避免昂贵的维护费用。”

 

研究人员的故障检测方法是：首先收集正常运行下的相对位置数据，得到性能指标，然后将生产过程中常用的两种标准“管制图”快速测试性能指标的偏差。

 

Harrou 表示：“ 我们将改进了的基于数据的故障检测方法应用于模拟群集机器人，对于所有测试过的故障类型——突发故障、漂移故障、随机行走和完全停止故障——与之前的方法对比，我们的方法在故障检测方面有着重大的提升。

 

相较其他的群体监测技术，这种方法的主要优势是不需要获取系统的数学模型，同时该方法也不依赖于单个机器人传输的数据，机器人在故障情况下分散尤为明显。

 

Sun说：“未来我们计划用实验性机器人群集的数据来检测我们的方法，并将其应用于监控飞行机器人集群。”