如今，无人机表演已成为一种备受欢迎的“大型灯光秀”。在表演中，成百上千架无人机按照编程设定好的路径飞行，在天空中共同勾勒出复杂绚丽的形状和图案。当一切按计划进行时，无人机表演场面颇为壮观，然而，一旦有一架或多架无人机出现故障则可能会对地面观众构成严重威胁，比如近期在美国佛罗里达、纽约等地发生的事故。

无人机表演事故的发生让人们意识到在“多智能体系统”中保障安全依然面临挑战。多智能体系统由多个相互协调、协作并经过计算机编程的智能体组成，常见的比如无人机、机器人和自动驾驶汽车等。

如今，美国麻省理工学院的工程师团队开发出一种针对多智能体系统的训练方法，能够确保这些系统即便在拥挤复杂的环境中也能安全运行。研究人员发现，利用这种方法训练少量智能体后，它们学到的安全边界和控制策略可以自动扩展应用到更多的智能体上，进而提高整个系统的安全性。

在实际演示过程中，该团队训练了几架微型无人机成功完成不同任务，比如在飞行过程中同时变换位置并降落在移动的机器人上面。在模拟实验里，同样的程序在几架无人机上训练后，可以复制并扩展到数千架无人机，使大规模系统能够安全地完成任务。

“对于任何需要多智能体协作的应用场景，比如搜索救援无人机、仓库机器人以及自动驾驶汽车等，这种方法都有望成为行业标准。这就像是构筑了一道‘安全屏障’，能让每个智能体在执行任务的同时保障安全。”麻省理工学院航空航天学副教授范楚楚表示。

探索安全边界

在设计多智能体系统的安全机制时，研究人员通常需要考虑每个智能体相对于系统中其他智能体的潜在运动路径，这种两两之间的路径规划不仅耗时且计算成本高昂。