两台e-puck机器人只用一个比特 1.5米竞技场下通信频率未增加
要点
在墨西哥韦拉克鲁斯大学人工智能研究所的一项进化机器人学实验中，两台巴掌大小的e-puck轮式机器人被放进一个一米见方的场地，场地中有一块只有机器人实际驶过才能感知到的觅食区。它们可以使用的全部交流手段，是一个只有开与关两种状态的单比特信号，接收方能读出这个信号来自什么方向。研究…
在墨西哥韦拉克鲁斯大学人工智能研究所的一项进化机器人学实验中，两台巴掌大小的e-puck轮式机器人被放进一个一米见方的场地，场地中有一块只有机器人实际驶过才能感知到的觅食区。它们可以使用的全部交流手段，是一个只有开与关两种状态的单比特信号，接收方能读出这个信号来自什么方向。研究者要回答的问题是：两个智能体之间，信号在什么条件下会自发产生。
实验设计里最关键的一处约束，是不给机器人”作弊”的捷径。如果控制器能直接拿到目标方位这类外部输入，进化会变得容易，信号也可能只是演化过程中的副产品。因此实验条件被严格限定：觅食区只能靠地面传感器察觉，网络输入只有自身八个红外测距传感器和三个地面传感器，机器人身上没有指南针，也没有GPS。由此得到的适应度也只有一个指标——机器人停留在食物上的时间。
结果是通信的消失比出现更引人注意。一旦给控制器加上指向食物的方向和接近程度两个额外输入，信号就完全退场：冠军个体的适应度从约0.588跃升到0.928，到第65代时发出信号的时间已不足1.5%，到第90代则一次都不再发出；无论信号正常工作、被关闭还是方向被打乱，测试适应度都完全相同。论文由此给出核心判断——一个信号只有在接收方无法自行获得该信息时才值得发出，否则它就是冗余的，选择压力随之消失。
在没有指南针的小竞技场里，三次独立运行演化出了三种表现接近但策略迥异的通信方式。第一次运行的机器人在食物上时有96.3%的步骤发出信号、离开食物时只有1.3%，这对应一种”指称式信号”，含义近似于”我在这儿”；第三次运行恰好相反，在食物上时发射率82.5%、离开食物时99.8%，接收方据此朝发送方方向靠拢，是一种”信标”；第二次运行则完全不用信号。三次运行的适应度分别为0.588、0.574和0.600，均值0.587、标准差0.013，彼此在统计上难分高下。也就是说，进化并不总是奔着沟通去，在信息价值相同的前提下，不说话与说话可以等价。
把场地扩大到1.5米见方、回合延长到90秒，是整个实验中最能改变结论的一步。作者原本预期更难的搜索会促进更多通信，实际情况是三次运行中两次出现通信，比例与小竞技场完全相同——通信频率没有上升。变的是策略之间的差距：指称式信号的冠军个体得分0.551，比不用信号的0.387高出0.165，相当于每台机器人在食物上多停留约15秒，配对回合检验p值为0.0003；信标则只有0.229，反而低于不用信号的那次运行，p值为0.0004。小竞技场里三者打平，大竞技场里排成了指称式、单独搜索、信标的顺序。
信号的信息含量也能被单独度量。第一次运行中关闭信号会使适应度下降0.128，约合每台机器人损失7.7秒的觅食时间，p值为1×10⁻，两台机器人同时处于食物区的回合比例从86%降到53%；若只保留数据包但打乱其方向，得分进一步跌到0.353。保留发射事实却抹掉方位信息，结果比完全关闭信号更差——这说明起作用的不是”有信号”这件事本身，而是信号携带的指向。
论文同时给出了一条关于架构的反向观察。当控制框架中加入嵌入式动作选择架构这类先天反射机制时，三次运行得分分别为0.362、0.356和0.369，均值0.362，显著低于无先天架构的0.587，差距0.225相当于每台多13.5秒（Wilcoxon检验p值为5×10⁻）；即便人工设定权重，最高的一档也只有0.336。更值得注意的是，随着进化推进，这些先天反射会被持续削弱。面向孤立智能体设计的先天脚手架，在需要协作的任务中反而成为拖累——进化自己会把它拆掉。
这套结论的适用边界同样清晰。每个主要条件只有三次运行，数量不足以估计各策略出现的频率，论文描述的也主要是各次运行中的冠军个体而非整个种群；模型是在PyBullet中依据Webots模型重建并与之对照验证的，尚未在实体硬件上验证；此外，接收方读取信号方向时会受到随距离平方衰减的强度影响，数据包还会延迟一个控制步抵达。这些设定构成了结论的支撑条件，也限定了它向真实多机器人系统迁移时需要额外验证的部分。
同期另一项相关研究给出了互补的参照。Chauhan与Bera的工作把通信预算固定为每次决策恰好2比特，在三个MuJoCo竞技场上测试刚性耦合、部分耦合与无耦合三种物理耦合条件，结论是通信价值由耦合关系决定：在刚性耦合下任何通道都不优于沉默（+0.001±0.001，p=0.982，n=25）；在部分耦合下，人工设计的2比特发送方中位均值为1.000，而学习得到的发送方只有0.482，与沉默无异（p=0.400，n=25）。该研究还显示，学习得到的协议各自有意义却彼此难以互通——自博弈内部得分0.980，跨种子后跌至0.144。两项工作合起来指向同一个问题：让信号出现不是难点，难的是让信号既携带对方拿不到的信息，又稳定到双方都能读懂。
