月球集群机器人通过强化学习涌现协同保温行为

研究用强化学习训练一套由二十台机器人共享的策略，仅以夜间结束时最冷五台机器人的平均温度作为末端奖励，便涌现出聚集与在核心和边缘间轮换两种行为。测得每台机器人存活所需最小储能为 155.6 +/- 1.3 pcm-h（1 pcm-h 为 7.2 kJ 储热），比静止抱团低 37%，与基于物理的下界相差 13% 以内；在静止抱团会损失六台机器人的能量预算下，所有机器人都存活。