General collective intelligence¶

2026.01.30 Nature Electronics 评论文章，作者西湖大学赵世钰。

通用群体智能（General collective intelligence, GCI）可直观理解为群脑（Collective brain）。一个具备GCI的多机器人系统需整合多个层级：负责执行的个体“本体”、负责感知与控制的个体“小脑”、负责认知与规划的个体“大脑”，以及负责协同任务规划的“群脑” 。

三个基本能力¶

GCI应该具有下面三个基本能力：

处理多任务¶

现有系统通常只针对协同追踪、搜索、运输或形态组装等特定任务。GCI则应能处理目标多样的多种任务，这是通用性的本质体现。

应对新情况¶

即使是单一任务，也会因参数变化（如机器人数量、个体能力、环境条件等）衍生出多种不同情况。GCI须能智能处理未预见过的情况，而通过预先编程应对所有可能情况并不现实。

自然交互¶

GCI应支持多模态人机交互，尤其注重自然语言。人类用户应能通过语言灵活指挥系统，指定或调整任务目标，并协调群体策略。

三个思路转变¶

应该更关注高层任务规划，而非底层协调控制¶

当前多机器人系统的开发离不开分工合作，指望单一团队完成所有组件并不现实。一个好的多机器人系统很可能需要整合来自不同团队的机器人。如果协调过程过度依赖底层机器人动力学，系统整合将十分困难，更不用说引入新型或异构机器人。

因此，GCI 应侧重高层规划，以确保系统的灵活性和对不同机器人平台的兼容性。当然，分层框架可能无法像专用算法那样达到最优性能，但这本质上是以部分最优性换取更高的通用性。

应该结合集中式协调与分布式执行，而非过度强调分布式协调¶

虽然分布式系统常以鲁棒性著称，但作者的经验可能给出不同的观点。

一方面，多机器人系统终究需按人类指令完成有意义任务，这类任务通常具有全局目标，因而必然需要某种形式的集中式协调——也许这种协调是隐式的。例如，编队控制要求一组机器人形成预定形状，这本身就是全局目标，即便最终策略表现为分布式，其设计过程本质仍是集中式的。

另一方面，多机器人系统始终需要人类监控，这就要求一个中央监控单元。该单元自然可兼任集中协调器，无需额外专用设备。在许多应用场景（尤其是民用领域），中央单元并不像通常认为的那样脆弱。与其过度担心其可靠性，不如更关注如何实现通用性。

因此，研究者不必刻意回避集中式协调，因为它对完成有意义任务来说既是自然也是必要的。

应该考虑复杂、高能力的机器人，而非简单、低成本的个体¶

以往许多研究曾假设采用简单、低成本的个体机器人，期待通过局部交互涌现复杂集体行为。这一范式最初受蚁群、鱼群、鸟群等生物群体启发。然而，生物个体看似简单，实则复杂——目前人类也难以复现蚂蚁、鱼或鸟的看似简单的功能。

简单个体的假设在一定程度上限制了多机器人系统在复杂现实场景中的应用。这一假设在过去源于机器人能力有限，而如今仿人机器人、四足机器人、飞行机器人等个体能力的快速进步，为构建更强大的多机器人系统提供了新机遇。