חוקרים מארצות הברית ומהולנדהראו כי אקראיות מבוקרת במסלול התנועה של רובוטים מפחיתה פקקי תנועה ומשפרת את קצב השלמת המשימות, בלי צורך במחשב מרכזי חזק או בתיאום מורכב
כאשר מציבים עוד ועוד רובוטים באותו מרחב עבודה, נדמה במבט ראשון שהתפוקה אמורה רק לעלות. יותר רובוטים פירושם יותר “ידיים עובדות”, ולכן גם ביצוע מהיר יותר של משימות כמו ניקוי אזור מזוהם, הובלת ציוד או הרכבת מכונה. אבל מחקר חדש מראה שבשלב מסוים קורה בדיוק ההפך: הצפיפות הופכת את התנועה לפקוקה, הרובוטים מפריעים זה לזה, והתפוקה הכוללת מתחילה לרדת. לפי המחקר, הפתרון אינו בהכרח בקרה מרכזית מתוחכמת יותר, אלא דווקא הוספת מידה מדויקת של אקראיות למסלול של כל רובוט (seas.harvard.edu).
המחקר, שפורסם ב־17 בפברואר 2026 ב־Proceedings of the National Academy of Sciences (PNAS) , בוצע בידי לוסי ליו, ג’סטין ורפל, פדריקו טושי ול’ מהאדבן. החוקרים שילבו ניתוח מתמטי, סימולציות מחשב וניסויים פיזיים ברובוטים קטנים כדי לבדוק כיצד קבוצות צפופות של סוכנים נעות לעבר יעדים קבועים במרחב משותף. לפי התקציר המדעי, הם הראו כי מעל רמת הפרעה קריטית, פקקים גדולים ומתמשכים מפסיקים להתקיים, וכי אפשר לחשב מתמטית את רמת הצפיפות ורמת האקראיות שמביאות למספר המרבי של יעדים שמושגים ליחידת זמן . (PubMed)
פחות קווים ישרים, יותר זרימה
במודל שבנו החוקרים, כל רובוט קיבל מיקום התחלה אקראי ויעד אקראי. ברגע שהרובוט הגיע ליעד, הוקצה לו מיד יעד חדש, כך שנוצרה סביבה המדמה צי של רובוטים המבצע רצף משימות. כאשר הרובוטים נעו בקווים ישרים לחלוטין, כלומר בלי הפרעות כלל, הם נטו להיתקע זה בזה וליצור אזורי עומס צפופים. כאשר הוכנסה יותר מדי אקראיות, הם אמנם חדלו להיתקע בפקקים, אך החלו לזגזג יתר על המידה ולבזבז זמן. התוצאה הטובה ביותר הופיעה דווקא באזור הביניים, שבו יש מספיק חריגה מהקו הישר כדי לחמוק זה מזה, אך לא עד כדי אובדן כיוון.
לוסי ליו, שהובילה את המחקר, הסבירה כי התוצאה נשמעת נגד האינטואיציה: לכאורה אקראיות אמורה להקשות על חיזוי, לא לשפר אותו. אבל דווקא כאשר יש מידה מתאימה של אקראיות, אפשר לחשב ממוצעים יציבים של מרחקים, זמנים ודפוסי תנועה, וכך לנבא טוב יותר את ההתנהגות הקולקטיבית. החוקרים ניצלו את התובנה הזאת כדי לפתח נוסחאות שמעריכות את “קצב השגת היעדים” של הקבוצה כולה, ולא רק של רובוט בודד.
לא רק סימולציה, גם ניסוי במעבדה
כדי לוודא שהרעיון אינו נשאר רק ברמת המודל המתמטי, שיתף הצוות פעולה עם אוניברסיטת איינדהובן לטכנולוגיה שבהולנד. שם הוקמו נחילים של רובוטים קטנים על גלגלים, והחוקרים עקבו אחר תנועתם באמצעות מצלמה עילית. לכל רובוט הוצמד קוד QR, כדי לאפשר למערכת לעקוב אחרי מיקומו ולהקצות לו יעדים חדשים. על אף שהרובוטים האמיתיים היו איטיים ומגושמים יותר מן הסוכנים בסימולציה, הדפוסים המרכזיים חזרו על עצמם: מעט אקראיות שיפרה את הזרימה, יותר מדי אקראיות פגעה ביעילות, והיעדר אקראיות יצר חסימות
אחת המסקנות החשובות של המחקר היא שאין הכרח להפעיל מחשב־על מרכזי או להעניק לכל רובוט “אינטליגנציה” גבוהה במיוחד כדי להשיג תיאום יעיל. לפי החוקרים, לפחות בצפיפויות מסוימות, מערכת של כללים מקומיים פשוטים יכולה להספיק. גם בתקציר המאמר עצמו נכתב כי שיטת ניווט תגובתית ופשוטה פעלה היטב עד רמות צפיפות בינוניות, ואף הייתה חסכונית בהרבה מבחינה חישובית לעומת מתכנן מרכזי מתוחכם.
למסקנה הזו עשויות להיות השלכות רחבות יותר מרובוטיקה תעשייתית. החוקרים מציינים כי העקרונות שנחשפו כאן עשויים לסייע גם בתכנון מרחבים ציבוריים צפופים, בהבנת זרימות של הולכי רגל, בתיאום בין כלי רכב אוטונומיים, ואף במחקר על “חומר פעיל” והתנהגות קולקטיבית בעולם החי. במילים אחרות, השאלה כיצד קבוצה צפופה של יחידות נעות בלי להיתקע זו בזו רלוונטית לא רק לנחילי רובוטים, אלא גם לערים, כבישים, נמלים, מחסנים ומוקדי חירום.
המסר המרכזי של המחקר פשוט אך חשוב: מערכת יעילה אינה תמיד זו שמנסה לכפות סדר מושלם. לפעמים דווקא סטייה קטנה, מבוקרת ומחושבת מן המסלול הישר היא זו שמונעת שיתוק, משחררת את הפקק ומאפשרת לקבוצה כולה לעבוד טוב יותר. בעולם שבו רובוטים אוטונומיים צפויים לפעול יותר ויותר במרחבים משותפים, זו תובנה שעשויה להפוך מכלל תאורטי לעיקרון תכנוני בסיסי.
עוד בנושא באתר הידען:
- כלבי רועים חושפים דרך טובה יותר להכוונת נחילי רובוטים
- בבית הספר למציאות מדומה, דגים מלמדים רובוטים
- פריצת דרך ברובוטיקה שיתופית: "קריטריון העקמומיות" שנולד בהשראת נחילי הנמלים
- מעוף הדבורים הרובוטיות / רוברט ווד, רַאדיקה נַגפַּל וגוּ-יֶאוּן וֶויי
- נאס"א שוקלת שליחת רובוטים שוחים ל"עולמות אוקיינוסים" העשויים להיות מתאימים לחיים
