我的世界152mod文章列表:

• 1、全战三国经典模式演示 公孙瓒大战马超
• 2、高中教育普及与免费：实现民族、连片特困地区精准扶贫的有效途径
• 3、魅族首款三摄手机，魅族16Xs简单上手
• 4、使用 OpenYurt 管理 WasmEdge
• 5、万字长文：集群智能机器人的过去、现在与未来

全战三国经典模式演示 公孙瓒大战马超

《全面战争：三国》官方今天分享了一段经典模式(Records mode)的实机演示，在此模式下，战斗将按照更为写实的方式呈现，英雄们不再具有万夫不挡之勇，他们将变得比演义模式(Romance mod)要更加脆弱，而且只会作为一个战士团体中的一员存在。

本段演示展现了公孙瓒势力与马腾势力的一场交战，在游戏中公孙瓒率兵对马超驻守的安定郡发动了攻击，展开了一场史诗般的大战。

游戏时间是公元220年秋季，公孙瓒的战役进程已经达到了152回合，并且控制了黄河以北的大部分地区，正在向西扩张。

此时就遭遇到了西凉马腾势力。这里发生的这场战斗就是，公孙瓒率领的主力部队要攻占马腾领地内安定郡中的一座工具生产据点，但这时候马腾之子马超率领的支援部队也已经赶到。最终对战的就是公孙瓒的部队与马超部队以及据点内的额守军展开的。

最终的对战结果，则是玩家控制的公孙瓒，通过充分利用骑兵优势和步兵的稳步推进击败了马超的部队以及守城部队，并斩杀了马超也其他主要将领。

在经典模式中战斗结果往往取决于你的军队控制，武将的影响极小，但在演义模式中战斗结果则会受很大影响。经典模式中武将会和自己的军队一起作战，而不是以个人形式出现，也不能和对方的武将单挑。

根据官方之前的问答资料，经典模式战斗的平均节奏会慢一些，因为没有强大的英雄施展技能，冲击敌人的前线，但这也让你有更多的时间来运筹帷幄，经典模式更讲究战术的运用。疲劳将在经典模式中发挥更大的作用，部队将更容易疲倦。

《全面战争：三国》将于5月23日发售，敬请期待。

【微信关注太平洋游戏网（pcgames_com_cn）有意外惊喜等你。。。】

高中教育普及与免费：实现民族、连片特困地区精准扶贫的有效途径

摘要：贫困表面看是收入缺乏及其引致的营养不良，其产生的原因有多种，既有自然环境的恶劣，也有因病致贫等，但最根本的原因是摆脱贫困的发展机会与能力的欠缺，导致了民族及集中连片特困地区很难在有限时间内彻底脱贫。贫困的另一种解释就是发展能力的缺失，而教育扶贫尤其是高中阶段教育的普及与免费，对提升贫困人口发家致富的能力有着极其重要的促进作用。尽管当前我国教育扶贫已取得一定的成效，但问题仍然突出，如何在未来的扶贫道路上取得更好成效，从长远来看，精准定位于高中阶段教育的普及与免费，对民族、集中连片特困地区的扶贫、脱贫来说是一项效果持久、能彻底根除贫困的有效途径，从根本上提升贫困人口的脱贫能力，对我国实现精准脱贫，全面实现小康社会具有重要的现实意义。

　　关键词：民族地区；连片特困地区；精准扶贫；教育精准扶贫；高中普及与免费

　　基金项目：国家社会科学基金项目“‘三州’地区高中普及攻坚与普职协调发展研究”（18BMZ076）

　　作者简介：沈有禄，海南师范大学教育学院教授、博士生导师。

　　一、引言

　　高中教育普及是指高中阶段教育学龄人口毛入学率的逐步提高，达到基本普及，甚至全面普及（我国相关政策提出的是到2020年达到90%），是接受高中阶段教育的人数占同龄人口比例的数量问题，是受教育机会扩大的规模问题；而免费是指免除学费、课本费、住宿费、杂费等与培养成本及生活成本有关的费用问题，即有关高中教育成本政府承担多大比例的问题，一般意义上的免费并不意味着政府全部承担教育成本，只有当高中教育被纳入义务教育范围时，理论上才由政府公共支出全部埋单，否则普通意义上的免费仍然意味着家庭需支付部分上学的培养成本或生活成本。

　　精准扶贫是习近平总书记提出的新的扶贫理念，相对过去扶贫在对象、项目等不够精准而言，旨在精确找准扶贫的对象，选择精准的项目与途径等加快脱贫步伐，增强其实施效果，最终实现完全脱贫。

　　《高中阶段教育普及攻坚计划（2017—2020年）》提出，确保到2020年如期实现普及高中阶段教育的战略目标。脱贫攻坚工作也要求在2020年前实现全部贫困人口脱贫，走完全面实现小康社会的“最后一公里路”。目前我国尚有14个集中连片特困地区[1]，592个国家扶贫开发重点县，共7017万贫困人口（以2010年不变价格来计算的年人均纯收入不足2300元的人口），到2020年如何让这7000多万贫困人不愁吃、不愁穿，义务教育、基本医疗和住房安全有保障，是项极其艰巨而紧迫的任务[2]。《高中阶段教育普及攻坚计划（2017-2020年）》在普及高中阶段教育的基本原则中提出要“科学规划，精准发力，聚焦薄弱环节，集中力量保基本、补短板、促公平”，并指出攻坚重点为中西部贫困地区、民族地区、边远地区、革命老区等教育基础薄弱、普及程度较低的地区，特别是集中连片特殊困难地区，以及家庭经济困难学生等[3]。高中阶段教育的普及与免费在贫困地区的精准扶贫中将发挥至关重要的作用，为精准脱贫提供了最根本、最有效的途径。

　　二、精准扶贫与教育精准扶贫

　　（一）精准扶贫

　　习近平总书记在2013年11月于湖南湘西考察时，首次提出了精准扶贫思想，指出“扶贫开发推进到今天这样的程度，贵在精准，重在精准，成败之举在于精准，关键是要找准路子、构建好的体制机制，在精准施策上出实招、在精准推进上下实功、在精准落地上见实效[4]。”2015年6月，他在贵州调研时进一步提出，精准扶贫要做到“扶贫对象精准、项目安排精准、资金使用精准、措施到户精准、因村派人精准、脱贫成效精准[5]。”

　　精准扶贫关键在于抓好精准识别、建档立卡这个环节。识别机制重在自下而上，逐步改变“自上而下”定规模、分指标的甄别方法，探索实行自下而上、层层累加、精确计算、全面科学的多元识别机制，推动实现由数字式减贫转向实质性减贫。具体包括：识别在社区及村一级基层单位的贫困人口，对贫困人口实行台账化管理，对每一名贫困人口都建立登记卡，准确记录家庭、收入、身体等详细状况，并实现信息联网，随时更新，随时可以查阅；制定科学化的多维贫困评价标准，既衡量收入方面，又综合反映教育、就业、住房、医疗健康等生活方面[6]。在具体的基层操作层面上，组织驻村工作队和乡村干部逐村逐户调查摸底，按照倒序排名办法，通过农户申请、小组初审、村“两委”评议、村民代表会决议、村乡公示、县级公告，建档立卡、动态管理，脱贫销号、返贫挂号[7]。

　　在策略上，通过产业扶持、转移就业、易地搬迁、教育支持、医疗救助等措施实现脱贫，其余完全或部分丧失劳动能力的贫困人口实行社保政策兜底脱贫。逐步使建档立卡贫困人口中有5000万人左右全面脱贫。与此同时，根据致贫原因和脱贫需求，对贫困人口实行分类扶持。建立贫困户脱贫认定机制，对已经脱贫的农户，在一定时期内让其继续享受扶贫相关政策，避免出现边脱贫边返贫现象，切实做到应进则进、应扶则扶[8]。

　　（二）教育精准扶贫

　　习近平总书记的精准扶贫理念在教育中的主要体现就是要大力发展乡村教育。2015年6月，中央全面深化改革领导小组第十一次会议中提到：发展乡村教育，让每个乡村孩子都能接受公平、有质量的教育，增强贫困地区的自我发展能力，阻止贫困现象代际传递。[5]。《中共中央国务院关于打赢脱贫攻坚战的决定》指出，要着力加强教育脱贫，加快实施教育扶贫工程，让贫困家庭子女都能接受公平有质量的教育，阻断贫困代际传递。国家教育经费向贫困地区、基础教育倾斜，全面落实连片特困地区乡村教师生活补助政策，普及高中阶段教育，率先从建档立卡的家庭经济困难学生实施普通高中免除学杂费、中等职业教育免除学杂费，并提高中等职业教育国家助学金资助标准，让未升入普通高中的初中毕业生都能接受中等职业教育。加强特色化、适应市场需求的中等职业学校建设，努力办好贫困地区特殊教育和远程教育，建立保障农村和贫困地区学生上重点高校的长效机制，加大对贫困家庭大学生的救助力度，对贫困家庭离校未就业的高校毕业生提供就业支持，实施教育扶贫结对帮扶行动计划，将教育扶贫作为阻断贫困代际传递的重要手段[9]。随后于2016年12月27日颁布的《教育脱贫攻坚“十三五”规划》中进步一步提出要通过普及高中阶段教育，尤其要以加快中等职业教育的发展及免费、开展广泛的公益性职业技能培训、完善就学就业资助服务体系、实施教育扶贫结对帮扶行动等措施来提升民族地区、农村地区及集中连片特困地区的教育扶贫能力[10]。

　　《教育脱贫攻坚“十三五”规划》还明确：第一，教育扶贫的目标是到2020年贫困地区教育总体发展水平显著提升，实现建档立卡等贫困人口（含非建档立卡的农村贫困残疾人家庭、农村低保家庭、农村特困救助供养人员）教育基本公共服务全覆盖。保障各教育阶段从入学到毕业的全程全部资助，保障贫困家庭孩子都可以上学，不让一个学生因家庭困难而失学。第二，教育扶贫的重点地区为国家扶贫开发工作重点县和集中连片特困地区县（以下简称贫困县）为重点，以建档立卡等贫困人口为重点。第三，教育扶贫的重点五大教育群体：针对建档立卡学龄前、义务教育阶段、高中教育阶段、高等教育阶段和学龄后五个阶段教育群体分类施策。对建档立卡学龄前儿童，确保都有机会接受学前教育；对建档立卡义务教育阶段适龄人口，确保都能接受公平有质量的义务教育；对建档立卡高中阶段适龄人口，确保都能接受高中阶段教育特别是中等职业教育；对建档立卡高等教育阶段适龄人口，提供更多接受高等教育的机会；对建档立卡学龄后人口，提供适应就业创业需求的职业技能培训[11]。

　　由上述政策内容可见，新时期的教育扶贫对扶贫、资助的目标、对象、方式、途径等都做了明确规定，指明了一条切实可操作、能及时取得显著效果的路子，对民族地区、乡村地区及集中连片特困地区的贫困家庭来说是最有效、最直接的精准扶贫。教育扶贫真正做到了精准招生、精准资助、精准就业、精准培训。具体为：“精准招生”，让贫困户子女不仅拥有受教育机会，而且拥有更多受优质教育的机会。进一步推进招生改革，通过多项倾斜政策，从实施优质高中招收农村学生计划，到实施好国家贫困地区定向招生专项计划，再到省属院校安排一定的计划招收农村考生，让更多贫困家庭孩子进入优质高中、重点高校；“精准资助”，让贫困户子女不仅上得起学，而且免费上学。义务教育阶段实行“钱随人走”，贫困家庭孩子无论在哪里接受义务教育都可享受“两免一补”。高中阶段，全免学杂费并补助生活费。大学阶段，完善贫困家庭大学生学费减免制度，高校内公益岗位优先安排贫困家庭大学生；“精准就业”，让贫困户子女不仅有业可就，而且能够持续发展。建立贫困家庭大学生实名制信息库，开展有针对性的职业指导和培训，落实高校毕业后服兵役、下基层的优惠政策，鼓励贫困家庭毕业生回乡自主创业，最终达到“一人长期就业、全家稳定脱贫”的目的；“精准培训”，让贫困农民拥有一技之长，能够脱贫致富。建立面向农民朋友的职业教育“培训包”，采取“群众点菜、专家主厨”的方式，组织“科技小分队”，深入田头地间，使农民朋友一看就懂、一学就会、一干就有效益[12]。

　　三、我国教育精准扶贫目前取得的主要成就与存在的主要问题

　　（一）我国教育精准扶贫目前取得的主要成就

　　十八大以来，教育部采取超常规政策举措，精准聚焦贫困地区的每一所学校、每一名教师、每一个孩子，启动实施教育扶贫全覆盖行动，先后组织实施了20项教育惠民政策措施，既有贫困地区教育发展总体部署，也有具体支持项目；既有面向学生的举措，也有服务于教师的政策；既有普通教育，也有职业技术教育；既有面向11个连片特困地区的，也有专门针对新疆南疆四地州、西藏、四省藏区的特殊政策；既有改善基础设施条件的，也有提高学生身体素质的。这20项政策具体为：学前教育三年行动计划、全面改善贫困地区义务教育薄弱学校基本办学条件、农村义务教育阶段学生营养改善计划、学前教育资助政策、义务教育“两免一补”（免学杂费、免教科书费、寄宿生生活补助）、普通高中学生资助政策、中等职业教育免学费与补助生活费政策、高等教育学生资助政策、西藏15年免费教育和新疆南疆四地州14年免费教育、教育援藏援疆政策、新疆与内地省市中小学“千校手拉手”活动、四川藏区“9 3”免费教育计划、内地民族班政策、少数民族预科班和少数民族高层次骨干人才培养计划、职业教育团队式对口支援、面向贫困地区定向招生专项计划、对新疆与西藏高校开展团队式对口支援、直属高校定点扶贫、《国家贫困地区儿童发展规划（2014—2020年）》、《乡村教师支持计划（2015-2020年）》。通过教育扶贫全覆盖行动的实施，努力办好贫困地区每一所学校，遍及每一名教师，培养好每一名孩子[13]。

　　以上各教育精准扶贫政策中成果最显著的当属学生资助政策及资助体系的完善与全覆盖，学生资助工作在中央系列重大决定中越来越受重视。如十八届三中全会提出要健全家庭经济困难学生资助体系，十八届五中全会提出要实现家庭经济困难学生资助全覆盖。同手，学生资助定位上得到不断深化，如从《关于实施教育扶贫工程意见》中的将“提高学生资助水平作为教育扶贫工程的五大主要任务之一”，到《中共中央、国务院关于打赢脱贫攻坚战的决定》中将“发展教育脱贫一批作为脱贫攻坚的五个一批之一，提出要让贫困家庭子女都能接受公平有质量的教育，阻断贫困代际传递。”

　　我国学生资助具体取得了如下成绩：一是国家资助政策体系基本健全。实现了从学前教育、义务教育、普通高中及中等职业教育、高等教育，各阶段都针对不同类型的贫困生提供了学费减免、助学金、奖学金等多种方式并举的资助体系，形成了以政府为主导、学校和社会为补充的“三位一体”资助格局，形成了普惠性资助、助困性资助、奖励性资助和补偿性资助有机结合的“多元混合”资助模式。二是已建立起中央、省、市、县和校五级学生资助管理体系、以财政投入为主、学校和社会资金为辅的资助经费保障体系，以及政策宣传、监督检查和绩效考评相结合的资助保障机制[14]。三是学生资助规模及力度不断扩大。2010-2014年全国学生资助资金总额达5564.43亿元，年均增长率达到12.69%，“十二五”期间，累计减轻贫困学生家庭经济负担超过6000亿元。2016年，全国累计资助学前教育（幼儿）、义务教育、中职学校、普通高中和普通高校学生9126.14 万人次（不包括义务教育免除学杂费和免费教科书、营养膳食补助），比上年增加692.87万人次；累计资助金额1688.76亿元，比上年增加128.51亿元，增幅达8.24%。国家学生资助资金连续十年保持高速增长。2016年全国学生资助资金中，中央财政资金占34.30%、地方财政资金占31.38%、国家助学贷款占15.59%、学校资金占12.98%、社会资金占5.75%。此外，国家还对免费教科书投入资金204亿元，营养膳食补助投入资金251亿元[15]。四是学生资助工作成效逐步凸显。国家资助政策帮助数千万家庭经济困难学生顺利入学、完成学业，帮助贫困学子通过接受教育改变本人及其家庭命运，有效阻止了贫困代际传递。国家资助政策受到人民群众的普遍拥护和充分肯定，《教育规划纲要》中期评估10万份调查问卷统计结果显示：社会对国家资助政策的综合满意度较高，接近90%[14]。

　　（二）我国教育精准扶贫目前存在的主要问题

　　尽管我国教育精准扶贫取得了显著成效，但在一些地方还有待改进，主要存在以下问题。

　　第一，扶贫对象未全部覆盖所有教育贫困群体。据2017年2月12日发布的我国第一部教育扶贫蓝皮书《中国教育扶贫报告（2016）》显示，由于目前教育扶贫对象的覆盖范围直接对应的是国家贫困县的“建档立卡贫困人口”，而一些教育贫困群体尚未成为国家教育扶贫政策所瞄准的目标群体。这些群体包括位于经济欠发达但未必是国家贫困县（地区）的留守儿童，流动儿童中的弱势家庭子女和城市贫困家庭子女。此外，其他因教致贫、因教返贫的学生和家庭难以及时享受到教育扶贫政策的支持，且教育扶贫制度设计部分地偏离教育规律和教育教学改革的自身需求和发展趋势[16]。

　　在笔者的调研中还发现因学生资助对象识别不精准，因病、因灾、因突发事故造成的贫困家庭学生数据统计与信息更新不及时，动态管理调整不能及时到位。另外，义务教育阶段贫困寄宿生生活补助和教育扶贫（移民）项目交通费补助仅限于资助寄宿学生，部分没有寄宿功能的中小学校或有在校寄宿的孤儿、残疾和农村低保户学生没有得到资助，这些弱势群体没有得到资助，使政府对贫困家庭的资助没有达到全覆盖，影响资助的公平性，不利于社会和谐。

　　第二，建档立卡学生的资格认定过程太过繁琐，导致资格认定过程长，资金发放缓慢。正如习近平总书记在2017年6月23日《在深度贫困地区脱贫攻坚座谈会上的讲话》中指出，“一段时间以来，一些材料反映，一些地方为了做到精准识贫、精准扶贫，搞了一大堆表格要下面填写。一些基层干部忙于填写各类表格，加班加点，甚至没有时间进村入户调研办实事。还有一些表格需要贫困群众亲自填报，但表格设计太复杂，填写项目太多，而且很多术语，农民也弄不清楚。这些问题要注意纠正，精准识贫、精准扶贫要坚持，但要讲究科学、讲究方法、讲究效率，把各方面信息集中起来，建立信息库，实现信息资源共享[17]。”由于资助对象界定用量化的标准认定，除农村和城镇低保户家庭、孤儿及残疾等受资助对象的认定相对容易外，部分资助对象在认定时存在一定困难。此外，部分家庭贫困情况还存在动态调整等原因，因此，虽经多次筛选、公示，还是存在个别异议现象。

　　第三，中西部部分边远、贫困及少数民族地区、集中连片特困地区的教育发展水平仍然低于全国平均水平，部分贫困地方在某些教育发展指标表现上尤其落后。如我国集中连片特殊困难地区目前仍有4000万儿童，在健康和教育等方面的发展水平明显低于全国平均水平[18]。如部分贫困地区农村初中生辍学率上升、九年义务教育巩固率低及初中升学率低。有的农村贫困地区初中辍学率超过10%（2013年），且在辍学的初中学生中，因家庭贫困辍学的学生比例只有7.3%，因厌学辍学的学生比例则高达63%（吉林省的调查发现）。贫困县九年义务教育阶段平均巩固率基本达到80%以上，但青海省贫困地区这一数值只有78.51%，安徽、江西、山东、广西、甘肃五省贫困地区则不到90%（2014年）。此外，部分民族地区和贫困地区初中毕业生的升学率不到70%，连片贫困地区甚至不足50%[16]。

　　第四，某些贫困地区在各种教育资源投入上还存在明显短缺，在教师配置、经费投入、硬件条件、学生资助上亟需补齐短板。如据《中国教育扶贫报告（2016）》显示，如在经费投入上，部分贫困县财政投入有限，财政教育经费主要用于人头经费，教育经费很难实现“三个增长”，有的地方甚至没有维持正常办学所需的教育公用经费，教育费附加征而不返或随意挪用现象较为常见。在师资配置上，缺编严重，如果按国家规定生师比配置教师则部分贫困地区的中职教师缺编近一半，而广西、贵州、青海、江西、云南等中小学生师比明显高于全国平均水平，且尤其缺乏音体美、科学等学科的教师，教师年龄偏大，部分地方仍存在代课教师，教师整体素质不高。由于待遇低下、激励不足，不利于吸引优秀人才及现存农村优秀教师，造成教师资源流失严重。在硬件条件上，部分贫困地区学校数量不足，办学条件差、教学设施落后，且部分设施还存在安全隐患，如实验仪器、图书配备等都严重不足。在中小学生资助力度上对特别贫困家庭学生的资助还不够高，还不足以弥补因学生不上学而造成的可能损失的打工收入以及家长的教育支出，不足以解决特别贫困家庭孩子因贫困而造成的辍学问题[19]。

　　第五，农村教学点仍然是教育发展的“最短板”和“最薄弱环节”。截止2015年我国县域内教学点数占小学总数（小学＋教学点）的35.8％，在学人数达402.5万，占小学在校生总数的6.1％，复式班人数11.6万，占小学在校生总数的0.17％。农村教学点集中着贫困程度较深、无力送子女进城上学、处于社会“后20％”弱势人群家庭子女，是阻断贫困代际传递的核心目标人群，是教育扶贫及教育均衡化最难啃的“硬骨头”[20]。

　　四、高中阶段教育普及与免费对精准扶贫的重要意义

　　首先，普及高中阶段教育是保障贫困人口基本受教育权利获得、构建基础生活能力的需要。阿玛蒂亚·森把贫困看作是对人的一种能力的剥夺，尤其是基础生活能力的剥夺。他认为一个人的能力是其一生从事的一系列行为、或达到的某种状态以及由此组成的“功能”集合——个人的存在和行为。因此，能力本质上是种自由——个人拥有的决定或何种生活的可选择范围。根据这一观点，生活的贫困不仅指这个人确实身处贫困状态中，而且包括缺乏真正的机会——由个人环境和社会限制造成——去选择其他生活方式，即使是低收入、缺少财产和一般被视为经济贫困的其他方面之间的关系，最终也与它们剥夺能力的功能相关（即它们大大限制了人们过有价值的宝贵生活的选择）。因此贫困最终就是一种“能力的剥夺”[21]。而贫困家庭子女因经济支付能力问题，不少贫困学生过早地离开了学校，其受教育权利未得到充分保障与实现。随着科技与经济的发展，现代公民仅仅获得义务教育是难以保障其获得足够的基础生活能力，更不用说是选择的能力与机会。就算是初中毕业，也达不到法定劳动年龄，出去打工也是非法童工，而接受高中阶段教育，则进一步增强了其基础生活能力，相比初中毕业生打工或就业都变得更容易些，其生活范围选择的能力集合也变得稍微宽泛一些，不至于被时代和社会的发展给落下。而改变穷人命运的，使他们获得基础生活能力的主要是通过获得比义务教育更高一层次的中等职业教育或普通高中教育。正如舒尔茨说的那样，“改进穷人的福利之关键因素不是空间、能源和耕地，而是提高人口质量，提高知识水平[22]。”穷人唯一的资本就是人力资本，增加其人力资本投资就是对其未来最好的投资方式。而穷人在发展机会上与非贫困人口相比是不平等的，因他们在生存及发展上所具有的能驾驭的手段、工具资料和能力是不同的，始终处于弱势地位。而普及高中阶段教育就是为更多贫困人口提升其社会基础生活能力，为其摆脱贫困提供了智力可能。

　　其次，普及高中教育还具有重要的减贫效应，可缩小收入差距，尤其是对贫困生免除学费与生活资助，一方面减轻了这些家庭的受教育成本，另一方面也间接提升了农村学生及城市贫困学生潜在的中等教育投资收益率，有利于实现社会公平。如徐力群认为普及高中教育是消除大规模贫困人口发生、阻断贫困代际循环的最优途径[23]。有研究发现广西农村高中教育普及率每提高1%,，城乡收入差距减少2.65%，即农村高中教育普及水平对缩小城乡差距有显著影响[24]。而中职教育免费有助于消除不利因素对农村和谐发展的影响，有助于实现社会公平[25]。高中阶段教育免费减轻了贫困人口的教育成本，等于实际上为贫困人口提供了直接的物质扶贫，这种扶贫不应止于免费提供高中教育，更应该增加对学生的生活补助，如可能进一步加大到对贫困家庭的物质补助及对家长的职业技能培训，从根本上斩断家长不让子女接受高中教育的意愿（因初中生毕业不久后便很快达到法定劳动年龄可以进入劳动力市场），这又可能加剧了教育贫困的代际传递。

　　再次，大力推进少数民族地区、边疆地区、集中连片贫困地区高中教育的普及与免费，对提升当地青少年的人力资本及维护社会稳定与民族团结具有重要的战略意义。文化知识与技能的提升，有助于帮助他们识别正确的宗教观念与避免极端宗教思想与行为的影响，积极投身和谐社会建设，增强社会向心力，提升民族团结与和睦，也能在一定程度上遏制青少年犯罪，促进当地经济发展与社会稳定。如高鹏认为普及高中教育对推动贫困边疆民族地区的经济社会发展、巩固国防、促进民族团结具有极其重要的作用[26]。又如王喜娟认为，民族地区普及高中教育既改善了少数民族等弱势群体的不平等受教育状况，也缓解了他们消极的社会心理，有助于提升少数民族学生的受教育机会与增进学生间的团结[27]。另外，邓钲凡认为，普及高中教育有助于防止未成年人成为社会闲散人员，减少青少年犯罪的机会，切断未成年人犯罪低龄化的源头[28]。

　　总之，把普及高中教育作为提高贫困群众发展能力的“治本之策”，减少收入不平等带来的不利影响，发挥缩小城乡差距、实现城乡融合的重要手段，越来越多突显出其在促进扶贫、防止返贫方面的基础性、根本性、可持续性作用[29]。因此对高中教育的普及、免费，精准照顾穷人及弱势群体使他们获得基本的生活能力并在一定程度上提高他们的收入水平是任何政府都应尽的义务，而免费高中教育无疑是在积极地践行着“穷人教育学”，是政府应有的责任和卓识[30]。

　　五、推进贫困地区高中教育普及与免费的措施

　　（一）加快贫困地区高中阶段教育的普及与免费进程，力争在2020年实现全面普及并全部免费，为尽可能多的贫困家庭提供智力帮扶，斩断贫困代际传递

　　就全国的普及水平而言，截止2015年底有28个省的高中教育毛入学率是高于（或等于）全国平均水平87%的，只有贵州86.1%、云南80.10%、西藏73.37%低于全国平均水平，云南、西藏未如期实现基本普及目标，有21个省实现了全面普及（毛入学率≥90%） [31]。据全国人大常委会执法检查组检查《义务教育法》实施情况的报告表明，在中西部欠发达地区，尤其是边远、贫困及少数民族地区，如青海省2014年贫困县九年义务教育阶段巩固率只有78.51%，安徽、江西、山东、广西、甘肃五省贫困地区则不到90%，部分民族地区和贫困地区高中阶段教育的普及率不到70%（初中毕业生的升学率不到70%），连片贫困地区的普及率甚至不足50%[16]。

　　另据国务院扶贫办信息中心2015年建档立卡数据显示，全国829个贫困县高中阶段教育的平均毛入学率为74.37%，比全国平均水平低12.63个百分点。表1显示了全国各省贫困县高中阶段教育2015年的毛入学率的情况[32]。

　　表1 各省贫困县高中阶段教育的毛入学率的情况（2015年）

　　《高中阶段教育普及攻坚计划（2017-2020年）》的主要目标提出，“到2020年，全国普及高中阶段教育全国、各省（区、市）毛入学率均达到90%以上，中西部贫困地区毛入学率显著提升[3]。”可见，民族地区及连片贫困地区在高中普及上还有很长的路要走，短板还很大。因此，需要加快贫困地区、少数民族地区，尤其是集中连片贫困地区的高中教育普及与免费步伐。这对增强贫困地区及贫困人口的脱贫致富能力起着至关重要的作用，从智力上的脱贫才是一劳永逸的脱贫，才能斩断贫困代际传递的病根。阿玛蒂亚·森认为，贫困不仅仅是指食物的短缺、收入不足，或基本生活内容集合的缺乏，而贫困根本上来说是获得与构建最基本生活内容集合的能力的缺失，意味着经济谋生手段（免于能力缺失的手段）不足。如果我们只从收入的角度看待“贫困”的话，有关“剥夺”的关键性的方面就会整个被忽略掉。有时，同样的障碍（例如年龄、残疾或疾病、地处偏僻山村、信息不足等）还降低个体获得收入的能力，进而也使得“收入—能力”之间的转化变得更困难，只围绕着收入去分析贫困并不能揭示真正的问题所在[33]。而基础教育作为一种肯定性社会工具，尤其是高中阶段的教育对贫困人口来说具有极大的经济性价值，在绝大多数国家对农村和家庭调查的一个共同发现是，社会或经济上处于贫困群体的人们普遍认为教育是他们的孩子向社会上层流动的最有希望的机会，接受高中层次的教育是使其孩子能进入劳动力市场，摆脱贫困的重要社会保障性工具与能力基础[21]。

　　（二）教育扶贫中的学费减免与生活资助精准定位，发挥系统优势，强化责任落实，不让一个贫困孩子被落下，根据其贫困程度及其个人特质提供精确资助，且教育扶贫路径应多元高效

　　首先进一步完善资助政策体系，努力实现“全覆盖”、精准资助。各地、各学校要全面、准确掌握扶贫部门认定的建档立卡贫困家庭学生（儿童）信息，并把这些高中生、中职中专生全部纳入资助范围，确保“一个不能少”。除在“资助对象”上更加精准外，要坚决杜绝“轮流受助”现象；力求在“资助力度”上更加精准，各地和学校要根据受助高中阶段学生的贫困程度分档发放资助资金，避免“平均资助”，对特困生要给予重点资助[14]。其次，教育部长陈宝生强调，学生资助要发挥系统优势，采取结对帮扶措施，根据帮扶地特色，探索出多元高效扶贫路径；并强化责任落实，建立其扶贫考核评价机制，层层分解责任、层层传导压力[34]。再次，对贫困地区高中教育的扶贫应不能仅满足于送钱、送物、送教师等浅层扶贫，更要找准扶贫的“根”。贫困地区学生辍学率高原因之一是教育质量低下，除资源配置不足外，根本在于没有优质师资，很难提供高质量的教育。此外，中职毕业生的就业率及待遇不高。因此，对贫困地区的高中阶段教育的精准扶贫一是要解决好师资的问题，补足各紧缺科目教师，逐步提高教师质量，鼓励发达地区学校对贫困地区教师给予“菜单式”的精准培训与“一对一”帮扶。二是要解决好中等职业教育毕业生的就业问题。提高其就业率及待遇，如通过“订单式培养”、升学专业选择辅导、劳务输出对接等，除保证就业外，努力提升贫困家庭学生的教育收益率，以此保持并提升贫困人口对保障孩子读书的信心，铲除“读书无用论”的土壤，通过教育实现贫困家庭子女的社会正向流动，阻断贫困的代际传递[35]。最后，教育扶贫方式要因地制宜、多元高效。如海南自2008年以来实施“教育扶贫移民工程”，把贫困地区或其他边远农村小学高年级和初中生迁移到县、市城区的思源学校就学，目前已建成24所思源实验学校，提供优质学位5万多个。此外，部分中职中专学校联合省妇联创办扶贫巾帼励志中专班，让农村贫困女孩免费上中专，并给予生活补助和勤工俭学岗位，帮助家庭脱贫致富[7]。“四川藏区等民族地区‘9 3’免费教育计划”项目实施以来，中等职业教育探索出一条“州内打基础、内地学技能”的办学模式。到2020年确保贫困家庭中职学校毕业生接受高职教育比例不低于40%[36]。因此，发达地区应多办类似的普通高中及中职中专“教育扶贫班（校）”，保持并加大对藏区等少数民族地区招生的内地高中、中职中专的西藏班、新疆班等的办学力度，逐步提高办学层次，并增加“集中连片贫困地区班”，通过教育扶贫移民与帮扶工程等解决贫困地区的教育脱贫问题。

　　（三）贫困地区高中普及与免费的重点是中等职业教育，加快特困地区智力脱贫步伐。对极端贫困地区可从初中开始进行职业教育分流，做好初中职业课程与中职学校的对口衔接

　　教育部原副部长刘利民认为随着产业升级及用工荒的不断加剧，以及中职招生在校生比例逐年下降的情况下，应更加旗帜鲜明地将发展中等职业教育作为普及高中教育的重点，中等职业教育普及与免费对贫困地区脱贫致富具有重要的人力资源与智力支撑及保障作用[37]。加快发展贫困地区的中等职业教育，能有效促进贫困地区的教育脱贫能力，为此，应支持建档立卡等贫困家庭初中毕业生到省外经济较发达地区接受中等职业教育，并给予更多资助，培养实用技能，流入地及流出地都应帮助其就业、就好业，使其脱贫致富、服务家乡经济建设 [11]。

　　可以考虑特别困难地区及特困家庭学生在初中阶段就允许部分特困学生学习职业课程，进行职业教育分流，让其尽早掌握适当的职业技能，以帮助那些年龄较大（初中毕业快达到法定劳动年龄）而又对高中教育需求不强的贫困学生进入社会奠定基本的就业能力。为此，应加大对农村中学的农业知识普及、农技推广和职业技能培训的投入，提高未来新型农民和农民工的人力资本质量[38]。

　　（四）职业教育的回报率可观，应将中等职业教育普及及免费的对象扩大至贫困农民的职业技能培训

　　接受职业教育有较强的外溢性，尤其是较高的个人收益对贫困人口摆脱贫困起着重要的助推作用。据周亚虹等对苏北农村职业教育回报的研究发现，苏北农村职业教育对于农村家庭人力资本积累及收入有着显著影响，平均回报率约27%（年平均回报率9%），与国际上10%的年平均回报率基本一致[39]。因此对农民的职业培训能较快地加强贫困农民的自我发展能力的建设，提升其脱贫致富的智力能力，而56%的农民认为，能力差异是造成贫富差距的主要原因[40]。而能力差，又主要是因缺乏相应的教育及技能培训造成的。据秦皇岛市委调查数据显示，贫困人口致贫原因50%为“缺资金”，23.68%为“缺技能”，10.53%为“缺教育”。以此推算，在贫困人口中实施职业教育，可解决34.21%的致贫原因，使贫困人口获得就业能力和工作机遇，提高生活能力和收入水平[41]。

　　对贫困地区农民的职业技能培训应根据贫困地区在区域产业分工布局中的位置与区域自身产业分工演进的特征，分析当地社会发展的特色及优势产业，以及潜在的可培训农民的培训需求与就业意愿，提供培训方式灵活多样的、内容适应需求的精准培训服务，加快贫困地区农民教育脱贫步伐[42]。如在培训内容上，可对农业资源优势明显的地区和年龄偏大、不愿意外出就业的贫困对象开展现代农业实用技术培训和技术帮扶等，培养新型农民；对旅游资源丰富地区的贫困对象，开展烹调技术、旅游服务以及民族文化挖掘传承等培训；对家庭贫困程度深、文化程度低的青壮年贫困对象可以结合当地工业园区各类企业用工要求，开展各类技能型工人短期培训[43]。在培训方式上应按照成人学习的特点，将课堂教学、现场培训、远程教学有机结合，要重视教学手段、教学内容和方法的转型升级，积极提供丰富多元、可选择的农村成人教育资源、教育环境和服务模式[44]。在培训需求上，一定要满足农民的实际需求，避免像现行的“雨露计划”，培训内容与农民需求经常发生错位的情况发生，在“种植和养殖技术”培训政府实际提供的培训则只占25.73%，远低于农民57.36%的需求，在“医疗卫生保健知识”培训方面政府实际提供的培训仅占2.21%，远远低于农民17.9%的需求比例[45]。

　　总之，需要精准确定职业教育培训扶贫目标、精准资助职业教育培训扶贫对象、精准提供职业教育培训内容与灵活的培训服务方式[41]。对农民的职业技能培训必须紧紧围绕帮助贫困家庭靠技术技能脱贫的目标，确保贫困家庭至少一人掌握一门致富技能，积极培养新型职业农民，依托职业教育培训拔除穷根，增强贫困群众致富本领[46]。

　　六、小结

　　贫困的原因有多种，但能力的相对不足是最根本原因，这种能力的不足或缺乏，是对人基本权利的相对剥夺。要真正彻底使人摆脱贫困，经济援助、移民安置等物质手段都是治标不治本的途径，均达不到拔根的效果，唯有通过对贫困地区和贫困人口的人力资本、技能的提升与发展，从智力技能上增强其发展能力，确保其发展机会不被剥夺，才能构筑起贫困地区与贫困人口的脱贫基本能力集合，从而享受社会经济发展的成果，实现共同富裕的小康生活。

　　社会主义的优越性在于对贫困人口、弱势群体的发展权利的充分保障与平等，而政府在这方面有义不容辞的责任。发展权利（机会）的平等，除考虑前途平等——每个人都有达到一个既定目的的相同可能性，更要考虑手段平等——每个人都有达到一个既定目标的相同手段。正如道格拉斯·雷所认为，发展机会的平等，在于不仅要考虑人们对于各种机会的平等权利，而且要考虑人们对于各种机会的平等手段，就要努力保证每个人都拥有利用这些机会的手段、工具、资源或能力[47]。发展机会的不平等正是造成贫困的最根本原因，这种机会的不平等又造成发展能力的不平等，它们互为因果，形成恶性循环，最终造成贫困人口和贫困地区的脱贫能力的不足或丧失，与其他相对发展能力较强的区域或群体间的发展的马太效应扩大化，形成了对他们发展机会的剥夺，使他们丧失了共同分享社会发展福利的机会与能力。而低收入又进一步剥夺了贫困人口构筑发展能力可资利用的手段和资源，两者相互转化和强化。最终只有通过教育和医疗保健的普及与免费，才有可能使那些本来会是穷人的人得到更好的机会去克服贫困，才能扩展人的生产力。阿玛蒂亚·森的贫困是权利（能力）相对剥夺观点，把我们分析贫困的视角从注意脱贫的手段（而且是经常受到排他性注意的一种特定手段，即收入），转向追求脱贫的目的——在于构筑与保障贫民的发展能力与基本生活能力集合的平等[48]。

　　在处理发展中国家的极度贫困问题时，我们可以只用很少数量与生活相应的基本能力（例如，得到良好的营养和住所的能力，避免可避免的死亡或夭折的能力等）。贫民之所以贫困在于他们缺乏基本的生活能力集合，如果他们具有的基本生活能力集合低于最低可接受水平，则贫困可以被视为受到了可耻的剥夺。而一个人的生活能力集合反映了在这个人能够获得的功能的不同组合，他或她可以为生活作为各种“所为（doings）与特征（beings）”的组合，并且根据获得有价值的功能的能力来评估生活质量[49]。

　　要补偿不利群体的发展能力与机会，人力资本投资是最根本和直接有效的途径，与经济援助、移民安置等途径相比，能拔除贫困的病根。正如杰弗里·萨克斯认为，贫穷国家（地区）之所以贫穷，原因在于这些国家（地区）往往都气候炎热、土地贫瘠、疟疾肆虐、四周被陆地所包围，缺乏发展的基本条件，很容易进入“贫穷陷阱”的恶性循环。但要从根本上摆脱贫困，就必须要启动一种良性循环，即辅助贫困国家（地区）在关键领域投资，从而提高其生产力，由此而产生的更高收入会带来更多投资，收益将呈螺旋状上升，而教育，尤其是中、高等教育就是这种最有效投资领域[50]。

　　据联合国教科文组织研究表明，不同层次受教育者提高劳动生产率的水平不同：本科300%、初高中108%、小学43%，人均受教育年限与人均GDP的相关系数为0.562[45]。再如马达加斯加的家长们认为，每一年的小学教育会使一个孩子增收6%，每一年的初中教育增收12%，而每一年的高中教育则会增收20%。摩洛哥的家长们认为，每一年小学教育可以使一个男孩增收5%，每一年的中学教育则增收15%。而女孩在这种情况中的差别则会更明显。在家长们看来，每一年的小学教育对女孩几乎没有任何价值——仅为其增收0.4%，但每一年的中学教育则可以为其增收17%[50]。另有研究表明，投资农村小学、初中和高中教育对提高农村扶贫效率的贡献值逐渐增大，有利于减少农村绝对贫困和长期贫困，特别是高中及高中以上文化水平的农村劳动力对增进农村扶贫效率的贡献值突出。其中，中专层次农村劳动力的贡献值增幅最大，为0.848，其次是初中层次，约为0.331[38]。可见，教育扶贫是连片特困地区反贫困的力量源泉。教育扶贫不仅能够提升连片特困地区的人力资本，还能有效提升该地区的社会资本，是连片特困地区拔掉穷,阻止贫困代际传递的重要途径。

　　在扶贫过程中，还存在边脱贫边返贫的情况。据国务院扶贫办信息中心2015年数据显示，因病致贫、因残致贫、因学致贫比例依次为36.04%、7.78%、5.27%，因学致贫率较高的省份有贵州10.09%、海南10.28%、甘肃11.04%、广西13.31%、重庆36.3% [32]。

　　要解决返贫问题必须加强人力资本投资和积累，提高贫困人口的自身素质，提高和完善脱贫致富能力。中国的返贫问题具有频繁性、易发性和反复性的特点，反映出中国扶贫人口的抗贫能力和基本素质较差，尤其是少数经济基础差的地区贫困农户抗御经济风险能力薄弱，在某些因素的制约下，往往陷入“脱贫—返贫—再脱贫—再返贫”循环之中难以自拔，甚至脱贫后富裕起来的农户也会因家庭经济条件恶化而返贫。解决返贫问题必须加强人力资本的投资和积累，提高贫困群体的自身素质，增强能力供给，这才是真正的“造血机制”[51]。

　　因此，对民族、连片特困地区的高中教育的普及与免费的教育扶贫是阻断贫困代际传递的有效途径和重要方式。针对贫困地区的贫困人口进行教育投入和教育资助服务，使贫困人口掌握脱贫致富的知识和技能，是最有效、最直接的精准扶贫方式，是促进贫困地区和贫困人口可持续发展的有效手段，是加快实施教育扶贫工程脱贫攻坚的重要举措[52]。对民族、连片特困地区的高中教育的普及与免费是“扶智、扶本、扶根”工程。能有效帮助贫困地区的群众提高身体素质、文化素质、就业能力，努力阻止因病致贫、因病返贫，增强贫困人口的自我发展能力，为贫困地区孩子茁壮成长、改变命运打开通道，从根本上阻断了贫困的代际传递[53]。这是我国贫困地区、贫困人口的一次胜利大会战，是挣脱贫困，迈向小康生活、实现中国梦的一次绝地反击[54]。

　　参考文献：

　　[1]中共中央、国务院印发的《中国农村扶贫开发纲要（2011-2020年）》指出：“集中连片特殊困难地区（简称连片特困地区）”为发展相对滞后，扶贫开发任务仍十分艰巨的地区，具体包括：六盘山区、秦巴山区、武陵山区、乌蒙山区、滇桂黔石漠化区、滇西边境山区、大兴安岭南麓山区、燕山－太行山区、吕梁山区、大别山区、罗霄山区等区域的连片特困地区和已明确实施特殊政策的西藏、四省藏区、新疆南疆三地州。

　　[2]中国共有7017万贫困人口 有14个集中连片特困地区[EB/OL].新华网.

　　http://news.xinhuanet.com/local/2015-11/03/c_128389551.htm.

　　[3]教育部等四部门关于印发《高中阶段教育普及攻坚计划（2017-2020年）》的通知.中华人民共和国中央人民政府门户网.

　　http://www.moe.gov.cn/srcsite/A06/s7053/201704/t20170406_301981.html

　　[4]李国祥.习近平精准扶贫精准脱贫思想的实践和理论意义[EB/OL].中国网.http://news.china.com.cn/cndg/2016-02/09/content_37761756.htm.

　　[5]唐任伍.习近平精准扶贫思想阐释[EB/OL].人民网.http://theory.people.com.cn/n/2015/1021/c40531-27723431.html.

　　[6]欧阳煌.在扶贫战略中寻找“精准”落点[EB/OL].新华网.

　　http://news.xinhuanet.com/politics/2017-02/03/c_1120403559.htm.

　　[7]董洪亮,赵婀娜,张烁,丁雅诵.教育扶贫,让知识改变孩子命运[N].人民日报2016-07-10（6）.

　　[8]授权发布：中共中央,国务院关于打赢脱贫攻坚战的决定[EB/OL].新华网.

　　http://news.xinhuanet.com/politics/2015-12/07/c_1117383987.htm.

　　[9]中共中央国务院出台打赢脱贫攻坚战决定加强教育脱贫,阻断贫困代际传递[N].中国教育报2015-12-08（1）.

　　[10]教育部等六部门关于印发《教育脱贫攻坚“十三五”规划》的通知.中华人民共和国教育部门户网站.

　　http://www.moe.edu.cn/srcsite/A03/moe_1892/moe_630/201612/t20161229_293351.html.

　　[11]教育部发展规划司.新闻发布会散发材料——《教育脱贫攻坚“十三五”规划》有关情况[EB/OL].中华人民共和国教育部门户网站.

　　http://moe.gov.cn/jyb_xwfb/xw_fbh/moe_2069/xwfbh_2016n/xwfb_161229/161229_sfcl/201612/t20161229_293358.html.

　　[12]刘传铁.教育是最根本的精准扶贫[EB/OL].新华网.http://news.xinhuanet.com/politics/2016-01/27/c_128674232.htm.

　　[13]教育部：20项政策实现教育扶贫全覆盖[EB/OL].学信网.http://www.chsi.com.cn/jyzx/201510/20151015/1508027562.html.

　　[14]教育扶贫，“十三五”期间实现“精准资助”——杜玉波副部长就学生资助工作答记者问[EB/OL].中华人民共和国教育部门户网站.http://www.moe.edu.cn/jyb_xwfb/gzdt_gzdt/moe_1485/201603/t20160311_233083.html.

　　[15]教育部.新闻发布会散发材料——2016年中国学生资助发展报告[EB/OL].中华人民共和国教育部门户网站. http://www.moe.edu.cn/jyb_xwfb/xw_fbh/moe_2069/xwfbh_2017n/xwfb_170228/170228_sfcl/201702/t20170228_297543.html.

　　[16]陈少远.寒门难出贵子 教育扶贫被指定向失准[EB/OL].财新网. http://china.caixin.com/2017-02-14/101055099.html.

　　[17]习近平.在深度贫困地区脱贫攻坚座谈会上的讲话（2017-06-23）[EB/OL].中华人民共和国国防部门户网站.http://www.mod.gov.cn/topnews/2017-08/31/content_4790445.htm.

　　[18]国务院办公厅关于印发国家贫困地区儿童发展规划（2014-2020年）的通知[国办发〔2014〕67号][EB/OL].中华人民共和国中央人民政府门户网站.http://www.gov.cn/zhengce/content/2015-01/15/content_9398.htm.

　　[19]我国首部教育扶贫蓝皮书指出教育扶贫面临六大问题[EB/OL].凤凰咨询网.

　　http://news.ifeng.com/a/20170212/50680959_0.shtml.

　　[20]邬志辉.教育扶贫的“最后一公里”[EB/OL].人民网.http://edu.people.com.cn/n1/2016/0705/c1053-28523959.html.

　　[21][印度] 阿玛蒂亚·森,让·德雷兹.印度:经济发展与社会机会[M].黄飞君译.北京:社会科学文献出版社.2006.13,130.

　　[22][美] 西奥多·W·舒尔茨.论人力资本投资[M].吴珠华等译.北京：北京经济学院出版社.1990.40.

　　[23]徐力群.普及高中教育是消除大规模贫困人口发生的最优途径[J].中国党政干部论坛2016（5）:90.

　　[24]梅洁.广西农村高中阶段教育普及水平对城乡收入差距的影响[J].高等函授学报（哲学社会科学版）2009（5）:61-63.

　　[25]胡茂波,朱丽红.农村经济发展视野下中职教育免费的法理依据[J].职业技术教育2011（1）:15-18.

　　[26]高鹏.民族地区期盼高中教育免费[N].中国民族报2013-01-08（3）.

　　[27]王喜娟.美国高中教育普及化的进程及影响因素简析[J].外国教育研究2010（11）:34-40.

　　[28]邓钲凡.普及高中教育，遏制未成年人犯罪低龄化——未成年人犯罪低龄化问题探寻[J].山东省团校学报2011（1）:62-64.

　　[29]曾天山.教育扶贫的中国样本[N].中国教育报2016-10-20（7）.

　　[30]吴杭民.免费高中教育是践行“穷人教育学”[N].中国改革报2008-07-30（3）.

　　[31]各地2015年高中阶段教育毛入学率参见全国各省、市、自治区的《“十三五”教育改革和发展规划》、《教育事业发展统计公报》、《政府工作报告》、《国民经济和社会发展统计公报》、教育厅网站信息公开或教育工作会议中公开的高中阶段教育毛入学率数据。

　　[32]司树杰,王文静,李兴洲.中国教育扶贫报告（2016）[M].北京：社会科学文献出版社.2016.159,120-121.

　　[33][印度] 阿玛蒂亚·森.论经济不平等/不平等之再考察[M].王利文,于占杰译.北京:社会科学文献出版社.2006.321-323.

　　[34]教育部：发挥教育优势，实施精准扶贫，为脱贫攻坚作出新贡献[EB/OL].中华人民共和国中央人民政府门户网站.http://www.gov.cn/xinwen/2017-03/30/content_5182163.htm.

　　[35]苏小成.教育扶贫关键在于找准发力点[EB/OL].中国教育新闻网.http://www.jyb.cn/opinion/pgypl/201703/t20170313_698314.html.

　　[36]高玉峰.中国职业教育扶贫：从全覆盖迈向全面精准[J].中国职业技术教育2017（6）:37-41.

　　[37]刘利民.普及高中教育首先应该做什么？[N].光明日报2015-11-17（14）.

　　[38]吴睿,王德祥.教育与农村扶贫效率关系的实证研究[J].中国人力资源开发2010（4）:5-9.

　　[39]周亚虹,许玲丽,夏正青.从农村职业教育看人力资本对农村家庭的贡献——基于苏北农村家庭微观数据的实证分析[J].经济研究2010（8）:55-65.

　　[40]马建富.扶贫新政与农民职业教育培训策略的选择[J].职教通讯2012（16）:27-33.

　　[41]王大江,孙雯雯,闫志利.职业教育精准扶贫：理论基础、实践效能与推进措施[J].职业技术教育2016（34）:47-51.

　　[42]唐智彬.发展面向精准扶贫的职业教育[N].中国社会科学报2017-06-01（9）

　　[43]王锋,侯长林,张亮.职业教育精准扶贫的战略与路径选择[J].职教论坛2017（1）:66-69.

　　[44]刘超,王龙.精准扶贫视角下农村贫苦地区成人教育发展策略研究[J].中国成人教育2017（3）:152-154.

　　[45]张翔.集中连片特困地区教育精准扶贫机制探究[J].改革与发展2016（6）:23-27.

　　[46]王嘉毅,封清云,张金.教育与精准扶贫精准脱贫[J].教育研究2016（7）:12-21.

　　[47]何怀宏.公平的正义：解读罗尔斯《正义论》[M].济南：山东人民出版社.2002.109-110.

　　[48][印度] 阿马蒂亚·森.以自由看待发展[M].任赜 等.北京：中国人民大学出版社.2002.85-89.

　　[49][印度] 阿马蒂亚·森.后果评价与实践理性[M].应奇.北京：东方出版社.2006.228-229.

　　[50][印度] 阿比吉特·班纳吉, 埃斯特·迪弗洛.贫穷的实质:我们为什么摆脱不了贫穷[M].景芳译.北京：中信出版社.2013.3,80.

　　[51]高帅.贫困识别、演进与精准扶贫研究[M].北京:经济科学出版社,2016.41.

　　[52]钟慧笑.教育扶贫是最有效、最直接的精准扶贫——访中国教育学会会长钟秉林[J].中国民族教育2016（14）:22-24.

　　[53]陆汉文,黄承伟.中国精准扶贫发展报告（2016）[M].北京：社会科学文献出版社.2016.46.

　　[54][美] 安格斯·迪顿.逃离不平等——健康、财富及不平等的起源[M].崔传刚译.北京：中信出版社.2014.1.

来源：中国社会科学网　作者：沈有禄

欢迎关注中国社会科学网微信公众号 cssn_cn，获取更多学术资讯。

魅族首款三摄手机，魅族16Xs简单上手

北京时间 5 月 30 号，下午两点半，魅族在北京举行了新品发布会，发布了魅族 16Xs 手机，爱搞机作为 500 强也第一时间拿到了机器，下面就带大家来快速上手看看这台手机如何。

正面是熟悉的魅族家族式设计，全对称全面屏，不仅左右上下对称，中心也对称，官方称为“极边全面屏”，屏幕材质为三星独家定制 Super AMOLED，定制费用 3000W，发布会上还用了很长的时间介绍这块屏幕，6.2 英寸，分辨率 2282 x 1080，该款屏幕通过德国 VDE 蓝光护眼认证，可以减少 33% 有害蓝光，最大程度缓解视觉疲劳。

屏幕驱动为 EA8706。这款屏幕的硬件参数像极了魅族 16s，应该是同款屏幕。本质上还是 1080P 的屏幕，所以并没有比市面上的国产旗舰强到哪里去，但是放到 16Xs 这个价位可谓说相当不错了。观感非常接近 16S。

指纹识别为 16s 上面的同款 Super mTouch 屏下指纹。汇顶提供的屏下指纹，解锁体验和 16S 无异。

后盖也是延续 16S 上的左上竖排摄像头设计，亮点是摄像头从两个变为三个，分别是超广角、广角、黑白，为什么不用“升级”这个词呢，因为 16Xs 对比 16S 的摄像头模组是有所倒退的，主摄采用三星 S5KGM1 MOD 版、超广角使用 S5K4H7，黑白摄像头使用 S5K5E9，缺少了长焦镜头，使用了黑白摄像头，官方说是为了提升夜拍画质，你们懂的都懂。取消了环形补光灯的设计，使用单色温补光灯。

简单实拍了几张，大家看看这个表现符合自己心里预期不。

主摄

超广角

后盖材质没有选择成本高的玻璃和金属，而是使用非常“成熟”的塑料，外表看上去非常像玻璃的质感，但是摸上去是没有玻璃那种冰冷的触感，但好在颜色比较丰富，算是弥补了缺点。魅族 16Xs 一共有 4 个颜色，分别是：骑士黑、亚特兰蒂斯、珊瑚橙、冰丝白，笔者觉得蓝色的亚特兰蒂斯挺不错的，可惜我们手上这台是骑士黑。手感方面也和 16S 非常的相识，除去后盖的质感，可以说是几乎一样的手感。

底部保留的 3.5mm 耳机孔，好评，比那些一千来块的手机也要砍掉耳机孔的手机高到不知道那里去。

外观最大的亮点应该就是正面的极边全面屏设计了，这个价位说实话这个正面还是不错的。

SoC采用骁龙 675，2个大核基于 A76 架构，6 个小核基于 A55 架构，GPU 频率依旧是常规的 845MHz，是一颗典型的 CPU 强，GPU 弱的偏科生，实际的使用体验不一定能比骁龙 710 好。

系统搭载 Flyme 7.3，最大的亮点应该就是 OneMind 3.0 了，其中哪些复杂的原理笔者就不（bu）说（dong）了，简单说说他到底有什么用，简单来说就是对后台的管理更加苛刻，智能管理后台软件，从而达到提升流畅度。发布会的时候官方使用搭载 Flyme 7.3 的 魅族 16Xs 演示了安装 669 个 APP 系统依旧流畅，还有针对游戏优化的 Hyper Gaming，嗯，魅族是少数在系统上优化上做到如此极致的厂商，甚至在发布会上还演示了新系统怎么屏蔽系统广告，interesting！

电池 4000mAh，机身的三围分别是 152mm*74.4mm*8.3mm，重量 165g，可以说市面上大部分手机有这个电池没这个重量，而有这个重量没这个电池，魅族这次可以说做的非常棒，165g 的机身塞下 4000mAh 大电池，再加上 OneMind 3.0 的优化相信续航应该不会令我们失望。

充电使用魅族祖传的 mCharge 18W，如名所示，最高功率就 18W，走的是发哥 PE 快充协议，兼容性一般般，算是这个价位正常的表现。

震动马达不知道是不是线性马达， 但肯定不是 16S 上的 X 轴线性马达，实测震感松散，相应时间长，振幅小，mBACK 也取消了按压功能，取而代之的是轻触返回，长按 HOME 键，可以说缺少了 mBACK 的按压功能魅族的全面屏手势体验一下子下降了好几个档次。

内存闪存都是目前主流的配置，一共有两个储存版本，6 64GB ￥1,698 和 6 128GB ￥1,998。使用 LPDDR4X 内存，eMMC 存储。

时间有限，上手就到这里了，对这台手机还有什么想了解的可以留言，我们会在后续的详细评测中一一解答。

使用 OpenYurt 管理 WasmEdge

边缘计算 是一种分布式应用架构，将计算资源（例如 CPU 和存储）放置在靠近数据源的位置。通过这种方式，为各种应用程序提供了低延迟、高性能和强大的安全性。

然而，与数据中心的云计算类似，边缘计算也面临着跨异构设备和网络的工作负载分发、管理和编排等挑战。为了应对以上云计算中的这些挑战，很多开发者会选择基于容器的解决方案。因此，开发者们现在正在将 Kubernetes (K8s) 和容器等解决方案引入边缘计算。然而遗憾的是，K8s 和 Linux 容器都不是为边缘计算而设计的。

边缘上标准 K8s 的潜在问题包括：

边缘设备的计算、存储和网络资源有限。在边缘设备上运行完整的 K8s 节点通常过于耗费资源。

K8s 只能管理具有公共 IP 地址的设备。然而，许多边缘设备不会暴露其公共 IP。

边缘设备经常离线，而标准的 K8s 要求其 pod 始终处于连接状态。

边缘设备通常通过非 TCP 网络连接，并且需要专门的网络接口与它们的 K8s 管理器进行通信。

因此，开发者为边缘计算创建了专门的 Kubernetes 发行版本。一个领先的为边缘优化的 K8s 发行版本是 OpenYurt。OpenYurt 最初由阿里巴巴创建，现在是 CNCF 的沙箱项目。OpenYurt 是一个开放平台，囊括了上游 Kubernetes 强大的编排能力。因此，用户可以使用相同的上游 Kubernetes API 交付、管理和监控边缘工作负载。

即便使用像 OpenYurt 这样的为边缘优化了的 K8s 发行版，标准 Linux 容器仍然过于笨重，无法在小型设备上运行边缘工作负载。一个典型的 Linux 容器镜像占用的空间通常以 GB 为单位，并且启动一个完整的 CPU 需要几秒钟。考虑到典型的边缘应用程序通常较精简，Linux 容器在资源受限的设备上占用了过多的存储、CPU 和电池资源。此外，Linux 容器应用程序在边缘设备上不可跨平台，且不安全。

对于边缘容器化应用程序而言，符合 OCI 标准的，且兼容 k8s 的轻量级 WebAssembly runtime， 比如 WasmEdge ，相较于 Linux 容器是更好的替代选项。 WasmEdge 提供基于能力的安全沙箱，对底层操作系统服务做很少的假设，同时在前端支持多种编程语言。 除了 Linux、 macOS、 Windows, WasmEdge 甚至可以在实时操作系统（RTOS）上运行，像 Linux 基金会的 seL4。

OpenYurt 和 WasmEdge 团队一起展示如何使用 OpenYurt 在一个边缘集群中管理 WasmEdge 应用。 OpenYurt 和 WasmEdge 将终于把云原生的容器化的应用带入边缘计算了！让我们开始吧！

准备工作

OpenYurt 使用中心化 Kubernetes 控制面板来管理云服务器中的多个边缘节点。 此外，它将上游 Kubernetes 扩展到边缘。 在这个演示中，我们将设置两台机器。 一个模拟的云节点称为 Master，另一个模拟的边缘节点称为 Node。 这两个节点构成了最简单的 OpenYurt 集群，OpenYurt 组件在其中运行。

首先，关闭 swap 分区

sudo swapoff -a free -m //验证

接下来，配置两个节点的文件 node/etc/hosts

然后，加载内核模块 br_netfilter，并调整内核参数。

//load the modulesudo modprobe br_netfilter//verify lsmod | grep br_netfilter// create k8s.confcat <<EOF | sudo tee /etc/sysctl.d/k8s.confnet.bridge.bridge-nf-call-ip6tables = 1net.bridge.bridge-nf-call-iptables = 1EOFsudo sysctl --system

最后，设置 rp-filter 值，将文件 /etc/sysctl.d/10-network-security.conf 中两个参数的值由 2 改为 1，且将 /proc/sys/net/ipv4/ip_forward 设置为 1。

sudo vi /etc/sysctl.d/10-network-security.confecho 1 > /proc/sys/net/ipv4/ip_forwardsudo sysctl --system

安装 Containerd

使用下面命令行在边缘节点上安装 containerd 。

export VERSION="1.5.7"echo -e "Version: $VERSION"echo -e "Installing libseccomp2 ..."sudo apt install -y libseccomp2echo -e "Installing wget"sudo apt install -y wgetwget https://GitHub.com/containerd/containerd/releases/download/v${VERSION}/cri-containerd-cni-${VERSION}-linux-amd64.tar.gzwget https://github.com/containerd/containerd/releases/download/v${VERSION}/cri-containerd-cni-${VERSION}-linux-amd64.tar.gz.sha256sum sha256sum --check cri-containerd-cni-${VERSION}-linux-amd64.tar.gz.sha256sumsudo tar --no-overwrite-dir -C / -xzf cri-containerd-cni-${VERSION}-linux-amd64.tar.gzsudo systemctl daemon-reload

由于 crun 项目默认支持 WasmEdge，我们只需要为 runc 配置 containerd 配置即可。 所以我们需要修改 /etc/containerd/config.toml 中的 runc 参数为 curn，添加 pod_annotation。

sudo mkdir -p /etc/containerd/sudo bash -c "containerd config default > /etc/containerd/config.toml"wget https://raw.githubusercontent.com/second-state/wasmedge-containers-examples/main/containerd/containerd_config.diffsudo patch -d/ -p0 < containerd_config.diff

之后，重启 containerd 使配置生效。

systemctl start containerd

安装 WasmEdge

使用下面的安装脚本，在 edge 节点上安装 WasmEdge。

curl -sSf https://raw.githubusercontent.com/WasmEdge/WasmEdge/master/utils/install.sh | bash

安装并构建 crun

我们需要在 edge node 上构建一个支持 WasmEdge 的 crun 二进制文件。目前，最直接的方法是你自己从源代码开始构建 crun。首先请确保你在 Ubuntu 20.04 已经安装了 crun 的依赖项。如果你使用的是其他版本的 Linux，请参考官方文档。

sudo apt updatesudo apt install -y make git gcc build-essential pkgconf libtool libsystemd-dev libprotobuf-c-dev libcap-dev libseccomp-dev libyajl-dev go-md2man libtool autoconf python3 automake

接下来，配置、构建、安装带有 WasmEdge 支持的 crun 二进制文件

sudo make installgit clone https://github.com/containers/cruncd crun./autogen.sh./configure —with-wasmedgemakesudo make install

安装 OpenYurt

现在，我们可以在 Edge 节点上安装 OpenYurt 来控制它下面的 containerd、crun 和 wasmedge 堆栈。

构建 OpenYrut 集群最简单的方法是使用 OpenYurt 体验中心。 你只需注册一个用于测试的帐户，然后就可以获得一个 OpenYurt 集群。 接下来，你可以使用 yurtctl join 命令行来加入边缘节点。 在此处查看更多详细信息。 目前，OpenYurt 体验中心提供的 OpenYurt 组件版本为 0.6.0（最新版），Kubernetes 版本为 1.20.11。

或者，你也可以根据下面的指南，从头开始构建 OpenYurt 集群。

设置一个 K8s 集群

这里我们使用 yurtctl convert 将 K8s 集群转换为 OpenYurt 集群，所以我们需要先搭建一个k8s 集群。 需要注意的一点，如果你使用 yurtctl init/join 来设置OpenYurt 集群并加入节点，你可以跳过这一步。

$ sudo apt-get update && sudo apt-get install -y ca-certificates curl software-properties-common apt-transport-https// add K8s source$ curl -s https://mirrors.aliyun.com/kubernetes/apt/doc/apt-key.gpg | sudo apt-key add -$ sudo tee /etc/apt/sources.list.d/kubernetes.list <<EOF$ deb https://mirrors.aliyun.com/kubernetes/apt/ kubernetes-xenial main// install K8s components 1.18.9$ sudo apt-get update && sudo apt-get install -y kubelet=1.18.9-00 kubeadm=1.18.9-00 kubectl=1.18.9-00 // Initialize the master node$ sudo kubeadm init --pod-network-cidr 172.16.0.0/16 --apiserver-advertise-address=192.168.3.167 --image-repository registry.cn-hangzhou.aliyuncs.com/google_containers// join the work node$ kubeadm join 192.168.3.167:6443 --token 3zefbt.99e6denc1cxpk9fg --discovery-token-ca-cert-hash sha256:8077d4e7dd6eee64a999d56866ae4336073ed5ffc3f23281d757276b08b9b195

安装 yurtctl 工具

使用以下命令行安装 yurtctl 。 yurtcli CLI 工具可以安装/卸载 OpenYurt 并将标准 Kubernetes 集群转换为 OpenYurt 集群。

git clone https://github.com/openyurtio/openyurt.gitcd openyurtmake build WHAT=cmd/yurtctl

安装 OpenYurt 各组件

yurtctl convert --deploy-yurttunnel --cloud-nodes oy-master --provider kubeadm --yurt-controller-manager-image="openyurt/yurt-controller-manager:v0.5.0" --yurt-tunnel-agent-image="openyurt/yurt-tunnel-agent:v0.5.0" --yurt-tunnel-server-image="openyurt/yurt-tunnel-server:v0.5.0" --node-servant-image="openyurt/node-servant:latest" --yurthub-image="openyurt/yurthub:v0.5.0"

注：需要将 -- yurtctl-servant-image="openyurt/yurtctl-servant:v0.5.0" 改成 --node-servant-image="openyurt/node-servant:latest"

运行一个简单的 WebAssembly app

接下来，让我们通过 Kubernetes 集群作为 pod 中的容器运行 WebAssembly 程序。 本节将从 Docker hub 拉取基于 WebAssembly 的容器镜像开始。 如果你想知道如何编译、打包 WebAssembly 程序并将其作为容器镜像发布到 Docker hub，请参阅 WasmEdge Book。

从 master 节点的另一个终端窗口输入以下命令，然后开始使用集群。

root@master:~# kubectl cluster-infoKubernetes master is running at https://192.168.3.167:6443KubeDNS is running at https://192.168.3.167:6443/api/v1/namespaces/kube-system/services/kube-dns:dns/proxy

因为 kubectl 1.18.9 没有 annotations 参数，所以我们在这里需要调整命令行。 如果你使用的是 OpenYurt Experience Center，其默认版本为 OpenYurt 0.6.0 和 Kubernetes 1.20.11，请直接参阅 WasmEdge Book 中的 Kubernetes 部分来运行 wasm 应用程序。

// kubectl 1.18.9$ sudo kubectl run -it --rm --restart=Never wasi-demo --image=hydai/wasm-wasi-example:with-wasm-annotation --overrides='{"kind":"Pod","metadata":{"annotations":{"module.wasm.image/variant":"compat"}} , "apiVersion":"v1", "spec": {"hostNetwork": true}}' /wasi_example_main.wasm 50000000// kubectl 1.20.11$ sudo kubectl run -it --rm --restart=Never wasi-demo --image=hydai/wasm-wasi-example:with-wasm-annotation --annotations="module.wasm.image/variant=compat" --overrides='{"kind":"Pod", "apiVersion":"v1", "spec": {"hostNetwork": true}}' /wasi_example_main.wasm 50000000

容器化应用程序的输出被打印到控制台。 所有 Kubernetes 版本都是一样的。

Random number: 1123434661Random bytes: [25, 169, 202, 211, 22, 29, 128, 133, 168, 185, 114, 161, 48, 154, 56, 54, 99, 5, 229, 161, 225, 47, 85, 133, 90, 61, 156, 86, 3, 14, 10, 69, 185, 225, 226, 181, 141, 67, 44, 121, 157, 98, 247, 148, 201, 248, 236, 190, 217, 245, 131, 68, 124, 28, 193, 143, 215, 32, 184, 50, 71, 92, 148, 35, 180, 112, 125, 12, 152, 111, 32, 30, 86, 15, 107, 225, 39, 30, 178, 215, 182, 113, 216, 137, 98, 189, 72, 68, 107, 246, 108, 210, 148, 191, 28, 40, 233, 200, 222, 132, 247, 207, 239, 32, 79, 238, 18, 62, 67, 114, 186, 6, 212, 215, 31, 13, 53, 138, 97, 169, 28, 183, 235, 221, 218, 81, 84, 235]Printed from wasi: This is from a main functionThis is from a main functionThe env vars are as follows.The args are as follows./wasi_example_main.wasm50000000File content is This is in a filepod "wasi-demo" deleted

现在，你可以通过 Kubernetes 命令行查看 pod 状态。

crictl ps -a

你可以在日志中看到从调度到运行 WebAssembly 工作负载的事件。

CONTAINER IMAGE CREATED STATE NAME ATTEMPT POD ID0c176ed65599a 0423b8eb71e31 8 seconds ago Exited wasi-demo

这样完成了。接下来，你可以尝试使用 OpenYurt 管理自己的 WasmEdge 应用。

未来可期

WasmEdge 和 OpenYurt 共同将 Kubernetes 的全部优势引入到了边缘计算。 以上的 demo 演示了一个非常简单的使用场景，只是触及了其中巨大潜力和前景的一角。 请在 GitHub 上关注这两个项目，以了解我们合作的最新信息。同时，如果你有从此技术路径中受益的应用，我们也很乐意聆听！

WasmEdge GitHub repo: https://github.com/WasmEdge/WasmEdge

OpenYurt GitHub repo: https://github.com/openyurtio/openyurt

万字长文：集群智能机器人的过去、现在与未来

到目前为止，只有少数实验成功地演示了大量的自治自组织机器人，而集群机器人的实践应用仍是一片空白。

人工智能技术的发展，特别仅需有限计算资源并能够与小型廉价机器人的cpu一起工作的分布式学习算法的发展，将使机器人群体逐渐增加其自主性。

研究领域：群体智能，集群机器人，自组织，演化算法

论文题目：

Swarm Robotics: Past, Present, and Future

论文地址：

https://ieeexplore.ieee.org/abstract/document/9460560

目录：

1、集群机器人历史概述

2、经验教训和开放问题

3、新方向和新问题

4、未来应用如何指导研究

5、总结

集群机器人（swarm robotics）涉及大集群机器人的设计、建造和部署，它们能够相互协调并协同解决问题或者执行任务。集群机器人的灵感来源于自然自组织系统，例如社交昆虫，鱼类或鸟群，它们都是基于简单本地交互规则的涌现性群体行为（emergent collective behavior）[1][2]。

通常而言，集群机器人从这些自然系统的研究中提取工程原理，从而构建具有可比能力的多机器人系统。通过这种方式，集群机器人旨在构建比单个机器人更加鲁棒、更强容错和更高灵活的系统，并且能够更好地调整自身行为来适应环境变化。

集群机器人作为群体智能的一项应用[3][4]（即集体、自组织行为的计算模型[5][6]），已经孵化了数个成功的优化算法，它们被广泛应用于电信行业[7]以及人群行为的模拟和预测[8]。

然而，人们很快发现，要在机器人中实现群体行为，需要的不仅仅是将群体智能算法应用于现有的机器人平台上。实际上，研究人员需要完全重新思考传统的机器人功能，例如感知、控制、定位和机器人平台本身的设计。

在过去的二十年里，集群机器人的研究人员取得了重大进展，他们为集群机器人的潜能提供了概念证明，也使得研究人员能够更好地理解自然界中复杂行为是如何出现的。

尽管如此，将这项研究转化为实践仍然充满挑战，需要研究人员去妥善解决。事实上，到目前为止，只有少数实验成功地演示了大量的自治自组织机器人，而集群机器人的实践应用仍是一片空白。研究人员需要更多的研究来建立相关理论和进行实践，从而将集群机器人从实验室带入现实世界。

本文的后续内容组织如下，在简要介绍集群机器人领域的历史之后，研究人员总结了在其开拓阶段学到的主要经验教训，分析了主要的开放式挑战，并给出了几个创新和有前景的研究方向的例子。最后，通过展示单个机器人无法解决的应用场景，或由传统的集中方式控制的多机器人无法解决的应用场景，研究人员提出了集群机器人最有可能的应用领域，并评估了其对选定行业的潜在影响。

1 集群机器人历史概述

在过去的20年里，集群机器人已经从由几个具有明确生物学灵感的研究[9-12]所发起的小领域发展为全球多个实验室和研究人员参与的成熟领域。通过使用谷歌学术进行搜索，“集群机器人”这个词在1991年首次出现，而且其使用范围非常有限。这种情况一直持续到2003年，此后该词的使用开始大幅增长。同样地，使用SCOPUS进行搜索也会得到类似的增长趋势（如图1所示）。

这些数据表明，尽管集群机器人研究的基础源自20世纪90年代的一些开创性著作，但该领域的研究直到2000年才开始显著增长。

图 1. 在谷歌学术和Scopus中搜索“集群机器人”的引用计数，图中显示了2000年后的变化趋势。

最初，对集群机器人的研究旨在测试使用stigmergy（本文中使用的各项概念的定义见表1）作为机器人之间间接通信和协调的手段。跟随着早期研究[9-11]的步伐，2000年之后出现了一些专注于对象检索（foraging [13]；Stick pulling[14]）、聚类[15]和对象排序[16]的研究。这些研究始于观察所得的群居昆虫的已知行为，并且部署了具有相似行为的集群机器人。

在少数情况下，集群机器人被用来紧密复制在生物系统中观察到的动态（例如，蟑螂群的聚集[17]），这产生了生物-机器人混合社会[18]的先例。此外，机器人集群还被用作解决生物学问题的工具（例如，寻找食物源和巢穴之间最短路径的道路网络几何结构（trail network geometry）是什么[19]）。

2001年至2005年间，由欧盟委员会资助的Swarm-bots项目是研究集群机器人合作的第一个国际项目。在该项目中，一个由多达20个机器人组成的具有自组装能力的群（即物理上彼此连接以形成协作结构）被用于研究一些群体行为，例如集体运输、区域覆盖和目标搜索[25, 26]。这些机器人能够随着时间推移在集群中扮演着不同的角色，这是当时唯一一个由机器人组成的自组织团队合作解决复杂任务的例子。

Swarmanoid项目（2006-2010）将Swarm-bots中的思想和算法扩展到由三种类型的机器人组成的异构机器人集群中（飞行机器人、爬升机器人和地面机器人），从而协作执行搜寻和检索任务[28, 29]。

在成功演示了集群机器人范式的同时，有关硬件小型化的研究有望部署数百个、甚至数千个协作机器人（如图2所示）。机器人变得越来越小、越来越简约，甚至可以尝试在毫米尺度上对其进行设计。

然而，硬件小型化以及将足够多的传感器套件进行集成带来的挑战阻碍了这一发展进程。仅仅几年后，kilbot[30]，一个支持1000个机器人实验的硬件概念出现了。Kilobots的设计初衷是向为结构塑性[31]（shape formation）而设计的大型机器人集群的首次演示提供支持，后来它又被运用于几项成功的研究，使得集群机器人能够在具有数百个机器人的物理环境中进行演示[32-34]。

图2. 一些主要用于集群机器人研究的机器人：（a）jasmine [35]（图源于维基共享资源）；（b）alice [36] （照片由Simon Garnier提供）；（c）kilobots [30]（照片由Massimo Berruti提供）；（d）e-pucks [37]；（e）swarm-bots [26]；（f）swarmanoid [29]

集群机器人并不局限于地面平台：最近的一些工作考虑了水面[38]和水下机器人[39]，以及成群的无人机[40, 41]。虽然水生技术和水下技术还需要大量的开发努力才能成熟，但是无人机已经商业化，并且在不同领域的遥感应用中代表着一个非常有前途的平台，目前只是由于缺乏授权自主和集体飞行的法律框架而受到阻碍。

除硬件平台外，如何控制机器人集群已成为研究的主要焦点。迄今为止已有众多文献提供了不同方法的报告，然而这超出了本文的研究范畴（感兴趣的读者可以参阅[42-46]）。目前主要的研究方向包括：开发集群系统的分析模型来指导机器人的实现[47–49]；采用（进化）优化方法，使用极简控制器（神经网络[50]、无需计算的控制器[51, 52]、有限状态机[53]，或是基于语法的控制器[54]）来引导机器人；开发设计和验证方法[20，55]。

正如下文将要讨论的，定义一个可靠和有效的机器人集群的工程方法仍然是当前研究的前沿，未来几年仍需在这方面努力。

表 1. 术语表

2 经验教训和开放问题

尽管集群机器人的最终目标是生产方法和工具，使得部署机器人集群来解决现实世界的问题成为可能，但目前的焦点仍然是科学理解这些方法和工具的机制。前二十年的研究留下了宝贵的经验教训，也提出了一些有待解决的开放问题。

首先，研究人员了解到，目前机器人集群可以执行的任务类型受到自主机器人有限能力的强烈限制。为了在集群中工作，每个机器人必须能够互动和交流，并且能够识别同伴和他们的工作。这需要定制的硬件设计和特定的传感、处理和交互能力。目前在机器人硬件和控制方面的局限性从两方面限制了集群机器人研究的复杂性。

一方面，已有特定的机器人被开发出来解决特定的（玩具式的）问题（例如，termes [56]和kilobots [30]）。这些例子开辟了新的研究方向，但可重用组件并非总可移植到不同的上下文环境中。

另一方面，通用机器人（alice[19, 57]和e-puck[37]）已经被用于产生概念证明，通常处理一些由自组织自然系统在人工世界中执行的类似任务（例如，觅食[13, 34]）的直接转换任务。

然而，当硬件不是为集群机器人设计时，日常工作可能会变得非常繁琐：这是因为研究人员需要同时处理数十个或可能数百个机器人，从而使得简单操作（例如充电或上传软件）变得非常冗长繁琐。这往往限制了被测试集群中机器人的数量，降低了演示的广度和重要性。

最后，值得一提的是，对于实验室中使用大量集群的实验和许多未来的应用程序而言，硬件小型化将是一个关键元素。但是硬件规模的缩小带来了极其困难的问题，到目前为止，这些问题尚未解决[58]。

为了推动集群机器人研究的进程，研究人员需要开发工具使得集群机器人的研究人员更容易分享结果和复现实验。一些通用机器人平台则是非常有价值的工具。

e-puck[37]可能是迄今为止使用最多的集群机器人平台，但是当e-puck的个数超过30个时，研究活动将变得非常复杂和昂贵。

专为集群机器人研究而设计Kilobot被广泛应用，但其能力严重受限，以至于虚拟化环境被提出从而增加研究的可能性[59, 60]。

虽然Crazyflies[61]不是为集群集群机器人研究而设想的，它们也越来越多地被用作集群机器人研究的飞行平台[41]。

研究人员仍然需要大量的努力来研发集群机器人的硬件，从而满足研究团体的需要。首先，研究人员必须在成本、尺寸和板载特性之间找到一个很好的折中方案，确保拥有足够丰富的传感器和执行器，同时保持尺寸的限制，以便在实验室中进行数百个机器人的实验。

据此，介于kilobot和e-puck（直径约5厘米）之间的尺寸可能是一个很好的折衷方案。e-puck的成功来自于其采用的模块化方法，使得新的传感器、执行器或计算能力能够进行插件扩展，但这需要精心的设计。当处理大量数据时，尤其是移动机器人不需要人工干预时（例如，将无线充电站集成到实验环境中时，或者使用电动地板进行无电池操作时），同时对多个机器人进行编程和充电的可能性（使用kilobots）会极大简化实验活动。一个能够观察机器人的状态、移动机器人、记录它们所获数据并且实现实验活动自动化的集中系统将会加快研究的进程，并且极大地造福全世界。

模拟硬件也是集群机器人研究的一个基础领域，但其研究问题与物理机器人的研究相似。通常，仿真软件都是从头开始为每个新的机器人集群演示而开发的。

开发由研究者们共享的通用模拟工具会是一项显著的进步，因为能够简化研究结果的共享和比较。

然而，为了设计这样的工具，研究人员需要更好地理解模拟和现实世界之间的关系。在机器人技术中，这个问题被称为仿真-现实差距[62]，即当在现实世界中使用仿真开发的机器人控制器时，仿真中使用的模型和现实世界的模型之间的差异会导致性能下降。

这一问题在集群机器人中尤为重要，这是因为许多机器人必须与彼此互动[44]，而这种问题将被进一步放大。即使这些差异不能完全消除，理想的机器人集群模拟器也应该保证它们处于最低值。

在众多可用的仿真软件中，ARGoS[63]在支持集群机器人研究方面表现突出。ARGoS通过巧妙的模块化设计和并行仿真的可能性，使得多达10000个机器人进行实时动态仿真成为可能。此外，它还包括了一些最常用的集群机器人模型（e-pucks和kilbots）。

另一个有趣的例子是Flightmare[64]。它是一个（多）无人机模拟器，能够对环境进行逼真的渲染，对视觉导航和遥感的研究非常有用。

为了在经验上提高并开发一个能够响应集群机器人社区的需求（同时解决模拟-现实差距）的工具，研究人员需要解决和改进几个地方。

例如，研究人员将需要设法改进感知的模拟以及物理（机器人-机器人以及机器人-环境）和非物理（通信）交互的模拟。模拟应该以不同的保真度来部署，允许用户在速度和精度之间选择平衡。

在大多数情况下，高保真仿真不是强制性的，但它们的可用性将极大地简化从仿真到现实的过渡，支持在真正的机器人上运行广泛的测试。提高模拟的可用性也是必要的，这可以通过提高模拟速度以及提供更简单的处理和控制模拟机器人及其部署环境的方法来实现。

模拟应该是高度可配置的，以响应多元化研究社区的需求。同时，建立一个新的模拟配置无需具有与软件内部运行相关的专家知识。

最后，将模拟框架与标准机器人工具和库（例如，ROS）进行集成并允许面向机器人平台的交叉编译非常重要的，这样就可以用真实的机器人来测试在模拟中开发的代码，而不需要任何更改或调整。

有了合适的工具，集群机器人研究团体需要为设计问题提供解决方案。事实上，第二个习得的教训就是如何解决微观和宏观问题。鉴于研究人员只能直接对组成集群的单个机器人（微观层面）进行编程，如何设计群体行为（宏观层面）可能是最困难的问题。

为了解决这个问题，人们多次尝试提出通用的、可在不同应用程序中重用的设计方法（通常由生物灵感指导），它们包含设计模式[20-21]以及自动设计方法[50, 53, 65]等（参见表1中的术语表）。

但是目前而言，这些方法都不够强大：虽然它们成功地解决了相对简单或受限的问题，但随着问题复杂性的增加，它们的局限性也迅速显现。一个复杂任务由几个子任务组成，这些子任务可能需要合作，并且具有相互依赖性和时间限制[66]。

人们可能会尝试为每个子任务部署可行的方法，从而获得后续可以组建的模块。然而，这种分而治之的方法并不足以部署可用的集群机器人系统，因为这种方法忽略了任务之间许多可能的相互关系，并且忽视了这些任务可以通过某种方式被进一步划分和调度，从而导致了次优的解决方案。研究人员需要通过持续集成和优化[55]来设计解决子任务之间复杂相互关系的方法。

此外，当前的实践需要扩大群体规模，从小群体无缝过渡到大群体。研究人员需要设计在不用考虑集群/问题大小的前提下对机器人集群进行编程的方法，而这些应该在配置时被确定。

最后，性能保障是非常必要的，但目前的实践仅限于对性能的统计指标进行经验评估，而没有充分解决性能这一问题。相反，研究人员需要设计一种方法来提供性能界限，从而满足验证和检验标准，并提高机器人集群的可靠性，特别是在有硬性约束的应用领域（例如空间应用）。

为了具体地支持研究界，基准是一项宝贵的工具，它能够以定量的方式来衡量研究的进展，还可以在越来越复杂的任务上挑战研究人员 （例如，机器人世界杯[68]）。

为了直观说明集群机器人研究的进展所需的基准类型，现在研究人员考虑这样一个资源收集问题（就像在NASA Swarmathon[69]竞赛中所做的那样）。

为了超越目前的实践，研究人员可以设置问题使其复杂性沿着几个维度进行调整：调整环境大小和拓扑，以测试所提方案适应不同问题实例的能力，并根据群体大小来扩展性能；调整需收集项目的数量和分布，以测试协调开发资源的能力；以及调整项目的类型和持久性，以测试协作进行识别和检索的能力，并适应动态的环境。

信息复杂性也应该是多变的，这可以通过允许任务执行的多种替代方案来实现。这将要求集群去收集和聚合与问题相关的信息及其动态，在需要时采取集体决策来优化任务性能。如果可能的话，研究人员应在其时间执行内以可变约束来识别多个相互关联的任务 （例如，对某些项类型给予优先级，以支持对其他类型的检索）。

研究人员必须分配清晰的性能指标来跟踪进度，并且支持不同方法之间的比较。如果这些基准被提出并与标准工具相关联（包括前文讨论的硬件和模拟），一个开放的社区将会形成并蓬勃发展，从最佳实践中学习并不断改进已有成果。

第三个教训是理解在机器人集群中被赋予的一些属性（例如，容错性和可伸缩性），它们并非是由集群群自动提供的，而是需要精心的设计。

如果想要提供自组织机器人集群本身没有赋予的其他属性，比如鲁棒性、灵活性或适应性（参见表1），那么困难就更大了。人们试图通过理论方法设计具有这些特性的机器人集群，但却忽略了机器人在传感器和执行器方面的实施方式及其具体功能。

研究者们已经使用数学模型，抽象粒子系统或多级系统在集群中执行不同行为证明了上述性质（例如聚集[70]、集体运动[71]、集体决策[20]和模式形成[72]）。

然而，将理论发现转化为可工作的机器人系统通常需要彻底的反思，这包括如何引入必要简化的理论模型中没有考虑的特征和约束，以及如何解释目标应用领域的特性。

此外，迄今为止尚有一些关键问题没有得到足够的重视，但它们却是部署实际应用所必需的。研究人员需要能够防止外部攻击的安全性，使得集群能够抵御试图潜入并抓住集群的恶意用户。为了让用户以有意义和轻松的方式与机器人系统进行互动，如何指挥和控制集群也是极其重要的。这也需要高度的解释力，也是促进用户和外行人的接受和信任的集群所必需的。解决好这些问题，将极大提高集群机器人技术，加快其从研究向具体应用的过渡。

第四个学到的教训是，研究人员必须非常小心地使用“生物灵感工具”。从群居昆虫或群居物种的行为中获得灵感在很多情况下都是非常有价值的，这是因为这些自然集群具有的属性和所表现的行为是任意机器人集群的基础：它们是自组织可以普遍工作的事实的“活证据”，它们为特定问题提供了可行的解决方案，例如机器人集群如何以协调的方式移动、分配任务或做出集体决策。

在这方面，研究人员要进一步促进生物学的贡献从而提供新的指导原则，这是因为群体智能机制的新见解将继续为集群机器人从业者提供信息。

然而，研究人员需要铭记集群机器人研究的长期目标，即在现实世界中部署执行有用任务的机器人集群。因此，如果想将机器人集群与现实世界的应用相关联，研究人员就应该以工程为导向的方法来设计机器人集群。所以当机器人集群所需的行为与特定应用高度相关时，仅仅依靠生物灵感的指导不太显示。因此，研究人员应避免对“生物灵感工具”抱有太多信心，并随时准备在必要时设计特别的解决方案。

同样值得注意的是，尽管生物学家和机器人学家之间的合作卓有成效，但这种合作往往是单向的，并且机器人学所获取的远远大于它对生物学的贡献。研究人员相信这种情形是可以改善的，机器人集群可以真正地帮助生物学家，提供人工的、可控的模型来研究体现（embodiment）、感知、行动的效果，并且提供支持群体行为[19][73]所必需的个体认知要求。

此外，将自主机器人集成到自然集群的可能性提供了新的研究方向[18][74]-[76]，这些都才刚刚开始探索。

3 新方向和新问题

在不久的将来，大多数的集群机器人研究很有可能致力于寻求上述开放问题的答案。这一研究对于该领域进一步发展和技术水平的提高具有重要意义。然而，也有一些研究方向可能会带来更大的飞跃，因为他们可能会调研一些全新的方法或领域。尽管这些领域已被认定为开放问题，但是尚未得到充分研究。

研究人员首先讨论当面对新奇和具有挑战性情景时，例如由小尺寸和大量个体带来的极端约束（III-A），或由异构集群机器人在硬件/行为内（III-B）或在其自身组织结构中（III-C）提供的机会，研究人员该如何设计和控制机器人集群。

研究人员接下来考虑设计机器人集群的新方向，要么模仿响应能力和适应性的生物启发例子（III-D），要么采用机器学习方法为集群提供学习能力并提高它们的性能（III-E）。

最后，研究人员讨论了机器人集群安全(III-F)和人类-集群交互（III-G）进一步研究的必要性，这对现实世界的部署至关重要。

A. 硬件小型化

集群机器人技术的目标之一是设计和控制数以千计的简单机器人，实现由简单的个体行为和大量交互产生的集群级别的复杂行为。

能够最大限度发挥集群机器人未来影响的一个方面是开发数以千计的微型机器人，其尺寸可以缩小到毫米甚至微米或纳米尺度。这样的集群可以进入狭小的密闭空间（例如，微流体通道和人体）、操纵微观物体（例如，微塑料或单个细胞）以及自组织为局部治疗提供支持（例如，靶向药物输送）。

迄今为止的研究只触摸到了一个具有巨大潜力的领域的皮毛。然而，缩小机器人尺寸给集群机器人提供切实可行的解决方案带来了新的挑战。

微型机器人和纳米机器人面临着与宏观尺度不同的物理定律，需要新的群体行为模式。当前的微型机器人和纳米机器人并非利用传统的硬件，而是由活性胶体粒子[77]、软体（生物）机器人[78]、细菌驱动的纳米机器[79，80]，甚至是可控的基因工程生物体[81]组成。在此类系统中实现和控制群体行为将需要新的范式，因为精确控制个体行为的能力会被强制限制。

此外，整合传统的感知和行动方式极具挑战性[82]，研究人员需要重新思考设计和控制此类集群的策略。总体而言，研究应侧重于利用少数不可靠传感器、极少或完全缺乏计算能力以及不可靠行为的控制方法[51，52]。设计硬件以呈现自组织特性的解决方案也是合理的 [83，84]，尽管在这种情况下，灵活和自适应的行为较难获得。在所有这些情况下，引导自组织比尝试直接控制更有价值。

B. 异构性

同构性假设仍然普遍存在于集群机器人的研究中：所有的机器人都是相同的并运行相同的控制软件，它们都是可替换的，只有与（社会）环境交互的个体历史才能导致某种特定行为的表达。这个假设起源于群体行为的理论模型，它通常简化复杂现象以获得易处理性。事实上，同构系统中的自组织通常足以解释实验观察[1]。

然而，自然集群的不同个体在生理和行为上可能极为不同，而个体的特点会影响对环境和社会线索的反应[85]。异构性被认为是赋予群体行为灵活性、新条件适应性及应对外部扰动恢复力的基础。这些功能有益于集群机器人，但异构性并没有得到应有的充分利用。

前文提及的Swarmanoid 项目通过研究物理异构机器人集群中的协调群体行为，证明了一个可能的方向[29]。其他强大的协作形式允许初始同构的机器人学习不同的行为，当这使群体表现受益时，这些形式就会与特定任务挂钩。然而，解决异构实体所展示的自组织行为的复杂性仍非常具有挑战性，但有望为整个领域带来巨大的进步。

C. 去中心化vs层级结构

一开始，集群机器人就采用了自组织范式，其中群体控制是通过简单的（随机）规则获得的，这些规则定义了机器人之间及与环境之间的交互方式，而不需要利用任何形式的集中控制或全局知识。

然而，在许多情况下，集中式或分层式控制形式可以使设计和控制集群机器人的问题变得更容易。在许多动物社会中，等级制度常与自组织并存，这一事实也可能证明引入某种形式的层级控制是合理的[86][87]。不幸的是，这些方法将需要引入使系统变得脆弱（单点故障）和难以扩展的机制。

选择去中心化还是层级结构，或者如何整合两者，这些问题目前尚未得到充分的研究。在这个方向上，文献[88]首先提出创建混合系统，其中由自组织过程产生的层级控制结构可以以一种特殊的方式动态出现。这与某些集群中发生的情况类似，其中自组织过程会导致线性层次结构的形成和单体繁殖个体的出现[87]。

Mathew等人[88]创建了一种基础设施——中间件（middleware），允许集群机器人从纯粹的自组织控制自动切换到层级控制，然后再自动切换回来。虽然实验已经证明了该方法的可行性[88，89]，如何将允许创建层级控制结构的规则设计成集群机器人必须执行的任务的函数，以及如何实现由纯自组织控制到层级控制的转变（以及相反的过程）作为任务的函数和环境的函数被激活，理解这些问题仍需要大量的工作。

D. 相变与适应性

在现实世界的环境中，集群机器人面对的主要挑战是适应意外事件的发生，例如，障碍物的存在及不断变化的大气条件（例如光照、风、降水）。所有这些事件都可能妨碍集群机器人前行或执行某些任务。

在这些条件下，集群必须共同地调整其行为并自动改变其策略。这种群体能力可以在一些群居动物（成群的摇蚊、鱼、羊）中观察到。

在这些物种中，个体之间的交互会导致一些集体属性，它们与两种宏观状态之间接近相变的物理系统的属性类似（术语见表1），这导致对少数个体的行为变化极为敏感[90, 91]。在这种条件下，少数察觉到环境变化的个体的反应可以传播到集群中的其他成员，使它们能够有效地应对捕食者的攻击等干扰。

这种群体适应能力不仅源于个体之间特殊的交互形式，而且源于对这些互动相对强度的调节[92]。这类特性在集群机器人中的转换可以显著提高他们的自主水平，这将是一个很有前景的研究方向。

E. 集群机器人的机器学习

到目前为止，机器学习在集群机器人中唯一突出的应用就是进化算法（见表1中的术语表），用于开发简单的神经控制器来驱动集群中单个机器人的行为。

然而，机器学习的最新进展，特别是新的深度学习技术的可用性，既可作为一种设计群体行为的手段，也可为在集体内共享的单个机器人提供额外的能力。目前为止，这些研究没有得到集群机器人社区的认可。机器学习作为一种设计方法，存在自动设计的问题[44]，以及通过试错来进行在线学习的附加约束[93]，以及情景奖励和协调问题。

无模型方法（见表1）在计算条件方面可能非常苛刻，尽管它们在处理表征群体行为的复杂、不可预测的突发事件方面非常强大。由于学习（当前）群体行为的模型能够产生高效设计的个体政策，基于模型的方法可能会很有价值。两者的结合是目前几个领域一直在探索的方向，它可能也与集群机器人的研究有关。

除了设计群体行为之外，机器学习以及更为特殊的深度学习方法可以为个体机器人提供先进的能力以维持个体和群体行为。从这方面看，找到可以利用集群所得的信息来支持更有效地解释世界的方法显得非常重要。

例如，深度网络代表了图像分类的最先进技术，而图像分类则是许多与机器人集群相关应用中所需的一项功能。通过利用多个机器人从不同角度和不同时间下观察同一场景的存在性，可以提供更准确和更高计算效率的解决方案[94，95]。为了支持这种集群级别的操作，研究人员还需要大量工作来定义网络架构和学习范式。

F. 安全

在实验室外使用自主机器人会带来安全问题。机器人在执行任务时需要具备安全性[96]，它们应该保证所收集数据的隐私，它们也应该能够抵御由恶意用户试图获得控制而发起的外部攻击。在机器人集群的情况下，这些问题将更加严重[97]。由于某些场景下可能存在数百个相互交互的机器人，诸如实体身份验证、数据机密性和数据完整性等问题会被放大。此外，少数恶意机器人潜入集群可能会导致集群的工作中断[97]。

机器人集群安全的研究仍处于起步阶段。最初的工作是研究如何利用传统的（例如，加密的Merkle树[98]）和不那么传统的（区块链[99]）安全方法来增加安全层或被完全集成到机器人集群的控制体系结构中。这些初期的工作可以解决诸如如何在群中保持信息私有化[98][100]，如何避免恶意机器人的干扰[101]，以及如何对抗Sybil攻击[99]等问题。

研究人员需要进行大量研究来扩展这些简单的、概念验证的解决方案，以便将它们移植到现实世界中的大群机器人中。

G. 人类-集群交互

虽然与单个机器/机器人的交互已被深入研究[102]，但与机器人集群的交互则开辟了全新的方向。主要的困难在于集群是自组织的，因此没有一个清晰的实体可以让人类与之建立交流。为了向集群提供关于要实现的目标或要完成的任务的信息[103][104]，人类-集群交互（HSI）非常有必要。

在集群中嵌入一些用户驱动的机器人，可以间接地控制集群。最近几个学科的研究[92][105][107]表明，少数忠诚智能体可以决定集群的整体行为。类似的机制代表了控制机器人集群的有趣方法，尽管它们可能需要引入必要的安全挑战，以避免少数恶意机器人控制整个机器人集群。或者，机器人集群可以由用户直接控制或操纵，例如通过手势[108][109]或脑电图信号[110]进行控制。

用户对集群的直接控制是复杂的，因为理解集群在做什么是非常具有挑战性的，这是由于集群内部发生了大量的交互，这对于人类观察者来说可能很难“读懂”。因此，可解释性至关重要。

可能的解决方案或许内置于集群的自组织机制中，以便使用户能够看到集群的当前状态和目标。群体行为的接口（可能通过增强现实来实现）可以收集和可视化来自集群的信息，而群体行为的模型可以被集成以提供支持用户采取行动的预测（例如，通过向集群发出新的命令）。任何HSI解决方案的设计都需要了解与机器人集群互动的人类所产生的心理影响，以支持减少压力的互动方式[111][112]，并提高可用性和信任度[113]。

4未来应用如何指导研究

迄今为止对集群机器人研究的巨大兴趣[114-116]源于人们期待基于自主机器人的现实应用将在不久的将来无处不在，以及让它们彼此合作以及与人类用户合作来避免集中控制的陷阱。

同时考虑到合作场景（即机器人协调完成共同任务）和半合作场景（例如，受益于全球高效活动组织的自利机器人，如自动驾驶汽车），集群机器人研究产生的知识和实践将是解决未来机器人应用中复杂协调问题的关键。

因此，研究人员坚信，推进集群机器人研究不仅有利于该领域本身，而且很大程度上有利于机器人技术、信息物理系统和社会技术系统等领域。

在本节中，研究人员首先讨论了在现实应用中使用机器人集群来解决问题或执行任务的一般准测，然后概述了研究人员认为的集群机器人的主要潜在应用领域。本概述具有推测性，这是因为现实世界的应用程序还没有出现。然而，通过考虑不同的应用领域，并在其中批判性地评估集群机器人方法具体带来的好处，研究人员会有更多的选择。

A. 集群机器人解决方案的普遍准则

原则上，当考虑将机器人集群应用于解决现实问题时，首要问题是机器人集群是否确实是最好的方法。然而，这是一个非常困难的问题，特别是考虑到集群机器人是一个年轻的学科，并且如上所述，该领域仍有许多未解决的研究问题。

因此，当前的实践包括基于相对于其他解决方案的预期优势来评估集群机器人解决方案的适用性，并考虑可用技术施加的约束（一个值得注意的例外是Kazadi的工作[117，118]，他明确解决了机器人集群是否是某给定问题的适当技术的问题；然而他的方法仍处于提案阶段，并且尚未应用于任何真正的机器人集群实践）。

由于缺乏从问题规范到机器人集群实现和部署的工作方法，下面研究人员将讨论一些在处理具体应用问题时指导选择集群机器人解决方案的普遍指导原则。

第一个非常普遍的指导方针是，只有当单个机器人解决方案无法（有效地）解决问题时，才应该考虑使用多机器人系统以及它的扩展——机器人集群，这是因为考虑到现有的技术和应用限制，这些系统要么太复杂，要么要求太高。

例如，单个机器人对大面积区域的监控不太可行，唯一的选择可能是同时使用多个机器人[119]。另一个例子是在搜救场景中使用无人机探索一座大型倒塌建筑：即使在这种情况下，一架无人机也可能执行任务，但由于有限的飞行时间和需要飞回来充电，这可能不够有效。在这种情况下，多机器人解决方案通过并行操作[41]可以更加高效。

一旦建立了多机器人系统的适应性，研究人员就应该考虑哪种控制方法最适合所涉及的问题。例如，当以集中方式协调机器人不现实或不可取时[120]，使用机器人集群可能是正确的方法。在某些情况下，集中式重规划可以解决任务的不确定性和环境的不可预测性[121]。

然而，如果对在线识别功能和偶发事件适应性具有强烈需求，最好是通过去中心化的、自组织的方法来实现。然而，即使在这种情况下，应该考虑如果其他方法，如分布式模型预测控制[122, 123]，可以用，这可能并非如此当它是不可能或很难创建简单模型要解决的问题和机器人的环境操作。

然而，人们应该考虑是否可以使用其他方法（例如分布式模型预测控制[122, 123]），但当不可能或太难创建足够简单的模型来应对要解决的问题和机器人将要操作的环境时，那就要另当别论了。

另一个需要考虑的方面是，给定的问题是否可以分解为固定数量的具有明确定义的任务，这些任务可以由一组机器人完成，而且每个机器人都有特定的角色，例如装配线或机器人足球[68]。若非如此，那么集群机器人方法可能是可行的。

换句话说，即使某个问题可以用多机器人系统更好地解决，这并不一定意味着需要一个机器人集群。如果任务在子任务中没有预定义的分区，或者该任务允许将不同的角色分配给可用的机器人[27，29]，则该任务更适合后一种方案。

最后，如果期望机器人之间进行有益的合作，集群机器人方法可能是正确的选择。事实上，集群机器人系统通过协作可以实现性能的超线性增长，从而证明建立协作所必需的开销是合理的[124]。

B. 应用、需求和未来研究

考虑到这些因素，研究人员应该对集群机器人的潜在应用领域进行严格评估，以确定集群机器人方法可以具体带来的效益。

例如，虽然服务机器人通常不按照群体进行组织，但是每个机器人所执行的协调活动和任务分配在一定程度上是去中心化的和自组织的。尽管如此，特定任务本身可能不需要机器人之间的协调或协作。类似地，物流（如大型仓库）、自动驾驶汽车和智能移动肯定能从集群机器人研究的去中心化协调策略中获益。然而，这些应用不太可能指导未来的集群机器人研究。

相反，精确农业或基础设施检查与维护等应用需要处理非结构化、不可预测的环境（通常覆盖的范围很广），它们可以从机器人集群的并行化和协作中获益。

例如，早期识别农田内疾病的爆发需要机器人之间的信息共享，以便从耦合的局部视角中形成全局模式，支持适当的响应和更好的战略规划[95，125]。类似地，在大型基础设施中可靠地识别缺陷需要高效的搜索能力，而这种能力可以通过群集的方式最佳实现[126]。精确农业和基础设施检查都发生在某种静态环境中（农田或要检查的基础设施）。

尽管如此，去中心化和自组织可以提高效率（归功于并行和协调的操作）和精度（归功于群体感知的自适应策略，它允许对感知到的偶发事件作出反应，并确定最优的任务计划，从而最大限度地提高所有相关特征被仔细观察的可能性）。

在这方面，未来的研究应该聚焦于通过多种可能异构的机器人之间的信息融合来理解复杂特征的策略。此外，研究人员需要设计有针对性的干预和操作能力（例如收获果实或维护），为去中心化的合作活动提供新的机会。

全世界的国防机构都在寻求机器人集群的应用，并且发现无法被轻易关闭的系统非常吸引人[127]。对外部攻击具有容错能力的系统可以支持对抗性设置下的操作，特别是当机器人是可替换的，并且在某种程度上是可丢弃的。然而，在这方面，人的因素仍然不可避免地处于中心地位。

因此，国防应用需要考虑人机交互，而且先进的HSI战略将是有效部署的关键[113]。此外，安全和防护方面需要达到最高水平，以确保机器人集群不会失控或被恶意捕获[96]。类似的方面在民防等其他应用领域也很重要，这些领域需要面对自然或人为灾害，需要不依赖外部基础设施或可靠地图也能够处理紧急情况的敏捷机器人。这种类型的应用的门槛非常高，因为机器人集群需要保证最高的性能和可靠性，从而确保所有受害者都得到援救。

空间任务引入了机器人应用的其他限制，这些限制可能由集群机器人成功解决。在太空中，由于宇宙辐射对现代cpu的影响，计算机的计算能力仍然有限[128]。因此，与单个更强大的机器人相比，计算能力有限的机器人集群可能是更好的设计选择[69，129，130]。

发射到太空中的机器人不容易修复或替换，致力于冗余系统的集群机器人会是一个很好的解决方案，集群中单个机器人的故障只会导致群性能的轻微下降。

最后，在太空中，建立外部基础设施来支持机器人的协调可能是极其昂贵的，甚至是不可能的，这也是机器人集群可以有效处理的典型情形。因此，NASA和ESA等空间机构已经开始对集群技术产生了兴趣，例如前文提到的Swarmathon竞赛等活动[69]和针对微卫星群控制的研究[130]。群系统的必要自治是空间应用带来的巨大挑战，它要求不能依赖可靠和持续的人工干预。

机器人集群在娱乐行业也良好的发展潜力。目前已经有一些无人机在室外和室内进行灯光表演的例子[131]，然而，这通常是基于集中预先安排的飞行路径。类似地，其他开发多机器人娱乐系统的尝试也依赖于一些集中控制的解决方案来精细地控制系统[132, 133]。如果考虑去中心化方法，特别是如果用户能够通过参与机器人集群而积极参与娱乐活动，并根据位置、运动甚至情感改变其动态，则可能会有新的机遇[134]。在这种情况下，未来研究可以试验HSI的全新模式，这之后也可以被其他应用领域借鉴。例如，研究人员可以想象各种HSI接口，从可穿戴设备[135]，增强和虚拟现实[136]到脑机交互模式[110]。

最后，成群的纳米机器人可能在未来成为精确医学的高新工具，使人体内的靶向干预成为可能，如微创手术或直接向癌细胞传递的多疗法[137, 138]。然而，协调大量计算能力和通信能力极其有限的机器人将使集群机器人方法达到其极限，并需要开发新的概念工具，以及微观硬件或生物机器人设备[58]。

总体而言，集群机器人潜在应用领域的需求与未来研究挑战之间的关系是毋庸置疑的。因此，研究人员设想了研究人员和来自不同应用领域的利益相关者之间的密切合作，他们可以提供实例来推动新的发展，并为设定未来几年集群机器人的研究议程做出贡献。

5总结

设计和实现有效的机器人集群是机器人技术面临的最大挑战之一，也是最有前途的研究方向之一，这一说法已经得到了证实[116]。

在这篇文章中，研究人员简要地总结了集群集群机器人技术的现状，并确定了研究人员认为最有前途的研究方向和主要的开放问题。

然而，研究人员认为集群机器人技术的重大进步必然会在该领域之外取得进展。例如，新材料、生物混合解决方案以及储存和传输能量的新方法将有助于解决目前与机器人集群硬件相关的一些问题。

人工智能技术的发展，特别仅需有限计算资源并能够与小型廉价机器人的cpu一起工作的分布式学习算法的发展，将使机器人群体逐渐增加其自主性。

集群必须确保可解释性，这现在是整个机器人和人工智能领域的一个主要问题。换句话说，用户将需要能够在不详细了解底层机制的情况下理解决策过程——这是确保新智能技术的可接受性和培养对它们的信任的重要需求，从而为大规模的现实世界中的部署创造条件。

尽管这些问题在人工智能领域得到了更广泛的解决，但它们的复杂性可能会因大量的自主实体和它们之间的大量交互而增加，而这恰恰是集群机器人系统的典型特征。

如果研究人员能够克服这些挑战，集群机器人预计将在十年内成功地从实验室进入到现实世界。这种转变不会立即发生，但将逐步涉及越来越多的应用领域，从而确定新的挑战以及创造对新兴技术解决方案的需求，从而推动未来几年的研究和创新。

参考文献

[1] S. Camazine, J.-L. Deneubourg, N. R. Franks,J. Sneyd, G. Theraulaz, and E. Bonabeau, Self-Organization in Biological Systems. Princeton,NJ, USA: Princeton Univ. Press, 2001.

[2] D. J. T. Sumpter, Collective Animal Behavior.Princeton, NJ, USA: Princeton Univ. Press, 2010.

[3] E. Bonabeau, M. Dorigo, and G. Theraulaz, Swarm Intelligence: From Natural to Artificial Systems. New York, NY, USA: Oxford Univ. Press, 1999.

[4] M. Dorigo and M. Birattari, “Swarm intelligence,” Scholarpedia, vol. 2, no. 9, p. 1462, 2007.

[5] M. Dorigo, “Ant colony optimization,” Scholarpedia, vol. 2, no. 3, p. 1461, 2007.

[6] M. Dorigo,M. A. M. de Oca, and A. P. Engelbrecht, “Particle swarm optimization,” Scholarpedia, vol. 3, no. 11, p. 1486, 2008.

[7] G. Di Caro and M. Dorigo, “AntNet: Distributed stigmergetic control for communications networks,” J. Artif. Intell. Res., vol. 9, pp. 317–365, Dec. 1998.

[8] M. Moussaïd, D. Helbing, and G. Theraulaz, “How simple rules determine pedestrian behavior and crowd disasters,” Proc. Nat. Acad. Sci. USA, vol. 108, no. 17, pp. 6884–6888, 2011. [Online]. Available: https://www.pnas.org/content/108/17/6884

[9] R. Beckers, O. E. Holland, and J. L. Deneubourg,“From local actions to global tasks: Stigmergy and collective robotics,” in Proc. 4th Int. Workshop Synthesis Simulation Living Syst. Artif. Life IV, R. A. Brooks and P. Maes, Eds. Cambridge, MA, USA:MIT Press, 1994, pp. 181–189.

[10] O. Holland and C. Melhuish, “Stigmergy, self-organization, and sorting in collective

robotics,” Artif. Life, vol. 5, no. 2, pp. 173–202,Apr. 1999.

[11] C. R. Kube and H. Zhang, “Collective robotics:From social insects to robots,” Adapt. Behav.,vol. 2, no. 2, pp. 189–218, Sep. 1993.

[12] C. Kube and E. Bonabeau, “Cooperative transport by ants and robots,” Robot. Auton. Syst., vol. 30,no. 1, pp. 85–101, 2000. [Online]. Available:http://www.sciencedirect.com/science/article/pii/S0921889099000664

[13] M. J. B. Krieger, J.-B. Billeter, and L. Keller,“Ant-like task allocation and recruitment in cooperative robots,” Nature, vol. 406, no. 6799,pp. 992–995, Aug. 2000.

[14] A. J. Ijspeert, A. Martinoli, A. Billard, and L. M. Gambardella, “Collaboration through the exploitation of local interactions in autonomous collective robotics: The stick pulling experiment,” Autonom. Robots, vol. 11, no. 2, pp. 149–171,2001.

[15] W. Agassounon, A. Martinoli, and K. Easton,“Macroscopic modeling of aggregation

experiments using embodied agents in teams of constant and time-varying sizes,” Auton. Robots,vol. 17, nos. 2–3, pp. 163–192, Sep. 2004.

[16] M.Wilson, C. Melhuish, A. B. Sendova-Franks, and S. Scholes, “Algorithms for building annular structures with minimalist robots inspired by brood sorting in ant colonies,” Auton. Robots, vol. 17, nos. 2–3, pp. 115–136, Sep. 2004.

[17] S. Garnier et al., “The embodiment of cockroach aggregation behavior in a group of micro-robots,”Artif. Life, vol. 14, no. 4, pp. 387–408, Oct. 2008.

[18] J. Halloy et al., “Social integration of robots into groups of cockroaches to control self-organized choices,” Science, vol. 318, no. 5853, pp. 1155–1158, 2007. [Online]. Available:https://science.sciencemag.org/content/318/5853/1155

[19] S. Garnier, M. Combe, C. Jost, and G. Theraulaz,“Do ants need to estimate the geometrical properties of trail bifurcations to find an efficient route? A swarm robotics test bed,” PLoS Comput. Biol., vol. 9, no. 3, Mar. 2013, Art. no. e1002903.

[20] A. Reina, G. Valentini, C. Fernández-Oto,M. Dorigo, and V. Trianni, “A design pattern for decentralised decision making,” PLoS ONE, vol. 10, no. 10, Oct. 2015, Art. no. e0140950.

[21] G. Valentini, Achieving Consensus in Robot Swarms: Design and Analysis of Strategies for the Best-of-n Problem (Studies in Computational Intelligence). Cham, Switzerland: Springer, 2017.

[22] P.-P. Grassé, “La reconstruction du nid et lescoordinations interindividuelles chez

Bellicositermes natalensis et Cubitermes sp. La théorie de la stigmergie: Essai d’interprétation du comportement des termites constructeurs,”Insectes Sociaux, vol. 6, no. 1, pp. 41–80,Mar. 1959.

[23] G. Theraulaz and E. Bonabeau, “A brief history of stigmergy,” Artif. Life, vol. 5, no. 2, pp. 97–116, 1999, doi: 10.1162/106454699568700.

[24] S. Garnier, J. Gautrais, and G. Theraulaz,“The biological principles of swarm intelligence,”Swarm Intell., vol. 1, no. 1, pp. 3–31, Oct. 2007.

[25] M. Dorigo et al., “Evolving self-organizing behaviors for a swarm-bot,” Auton. Robots,vol. 17, nos. 2–3, pp. 223–245, Sep. 2004.

[26] F. Mondada, L. M. Gambardella, D. FloreanoS. Nolfi, J. Deneubourg, and M. Dorigo,

“The cooperation of swarm-bots–physical interactions in collective robotics,” IEEE Robot.

Autom. Mag., vol. 12, no. 2, pp. 21–28, Jun. 2005.

[27] S. Nouyan, R. Groß,M. Bonani, F.Mondada, and M. Dorigo, “Teamwork in self-organized robot colonies,” IEEE Trans. Evol. Comput., vol. 13, no. 4, pp. 695–711, Aug. 2009.

[28] M. Dorigo, M. Birattari, and R. O’Grady, “Swarmanoid, the movie,” in Proc. AAAI-11 Video,2011. [Online]. Available: http://www.youtube.com/watch?v=M2nn1X9Xlps

[29] M. Dorigo et al., “Swarmanoid: A novel concept for the study of heterogeneous robotic swarms,”IEEE Robot. Autom. Mag., vol. 20, no. 4,pp. 60–71, Dec. 2013.

[30] M. Rubenstein, C. Ahler, N. Hoff, A. Cabrera, and R. Nagpal, “Kilobot: A low cost robot with scalable operations designed for collective behaviors,” Robot. Auton. Syst., vol. 62, no. 7, pp. 966–975,2014, reconfigurable Modular Robotics. [Online]. Available: http://www.sciencedirect.com/science/article/pii/S0921889013001474

[31] M. Rubenstein, A. Cornejo and R. Nagpal, "Programmable self-assembly in a thousand-robot swarm", Science, vol. 345, no. 6198, pp. 795-799, 2014, [online] Available: https://science.sciencemag.org/content/345/6198/795.

[32] G. Valentini, E. Ferrante, H. Hamann and M. Dorigo, "Collective decision with 100 kilobots: Speed versus accuracy in binary discrimination problems", Auton. Agents Multi-Agent Syst., vol. 30, no. 3, pp. 553-580, May 2016.

[33] I. Slavkov et al., “Morphogenesis in robot swarms,” Sci. Robot., vol. 3, no. 25, 2018, Art. no. eaau9178. [Online]. Available: https:// robotics.sciencemag.org/content/3/25/eaau9178

[34] M. S. Talamali, T. Bose, M. Haire, X. Xu, J. A. R. Marshall, and A. Reina, “Sophisticated collective foraging with minimalist agents: A swarm robotics test,” Swarm Intell., vol. 14, no. 1, pp. 25–56, Mar. 2020.

[35] S. Kornienko, O. Kornienko, and P. Levi, “Minimalistic approach towards communication and perception in microrobotic swarms,” in Proc. IEEE/RSJ Int. Conf. Intell. Robots Syst., Aug. 2005, pp. 2228–2234.

[36] G. Caprari and R. Siegwart, “Mobile micro-robots ready to use: Alice,” in Proc. IEEE/RSJ Int. Conf. Intell. Robots Syst., Aug.2005, pp. 3295–3300.

[37] F. Mondada et al., “The e-puck, a robot designed for education in engineering,” in Proc. 9th Conf. Auton. Robot Syst. Competitions, 2009, pp. 59–65.

[38] M. Duarte et al., “Evolution of collective behaviors for a real swarm of aquatic surface robots,” PLoS ONE, vol. 11, no. 3, Mar. 2016, Art. no. e0151834.

[39] P. Zahadat and T. Schmickl, “Division of labor in a swarm of autonomous underwater robots by improved partitioning social inhibition,” Adapt. Behav., vol. 24, no. 2, pp. 87–101, Apr. 2016.

[40] G. Vásárhelyi, C. Virágh, G. Somorjai, T. Nepusz, A. E. Eiben, and T. Vicsek, “Optimized flocking of autonomous drones in confined environments,” Sci. Robot., vol. 3, no. 20, 2018, Art. no. eaat3536. [Online]. Available: https://robotics.sciencemag. org/content/3/20/eaat3536

[41] K. N. McGuire, C. De Wagter, K. Tuyls, H. J. Kappen, and G. C. H. E. de Croon, “Minimal navigation solution for a swarm of tiny flying robots to explore an unknown environment,” Sci. Robot., vol. 4, no. 35, 2019, Art. no. eaaw9710. [Online]. Available: https://robotics. sciencemag.org/content/4/35/eaaw9710

[42] M. Brambilla, E. Ferrante, M. Birattari, and M. Dorigo, “Swarm robotics: A review from the swarm engineering perspective,” Swarm Intell., vol. 7, no. 1, pp. 1–41, Mar. 2013.

[43] V. Trianni and A. Campo, “Fundamental collective behaviors in swarm robotics,” in Springer Handbook of Computational Intelligence, J. Kacprzyk and W. Pedrycz, Eds. Berlin, Germany: Springer, 2015, pp. 1377–1394, doi: 10.1007/978-3-662-43505-2_71. [44] G. Francesca and M. Birattari, “Automatic design of robot swarms: Achievements and challenges,” Frontiers Robot. AI, vol. 3, p. 29, Mar. 2016. [Online]. Available: https://www.frontiersin. org/article/10.3389/frobt.2016.00029

[45] L. Garattoni and M. Birattari, “Swarm robotics,” in Wiley Encyclopedia of Electrical and Electronics Engineering, J. G. Webster, Ed. 2016, 10.1002/047134608X.W8312.

[46] G. Valentini, E. Ferrante and M. Dorigo, "The best-of-n problem in robot swarms: Formalization state of the art and novel perspectives", Frontiers Robot. AI, vol. 4, Mar. 2017.

[47] M. Massink, M. Brambilla, D. Latella, M. Dorigo, and M. Birattari, “On the use of bio-PEPA for modelling and analysing collective behaviours in swarm robotics,” Swarm Intell., vol. 7, nos. 2–3, pp. 201–228, Sep. 2013.

[48] A. Prorok, N. Correll, and A. Martinoli, “Multi-level spatial modeling for stochastic distributed robotic systems,” Int. J. Robot. Res., vol. 30, no. 5, pp. 574–589, Apr. 2011.

[49] K. Elamvazhuthi and S. Berman, “Mean-field models in swarm robotics: A survey,” Bioinspiration Biomimetics, vol. 15, no. 1, 2019, Art. no. 015001, doi: 10.1088/1748-3190/ab49a4.

[50] V. Trianni, “Evolutionary swarm robotics,” in Evolving Self-Organising Behaviours in Groups of Autonomous Robots (Studies in Computational Intelligence), vol. 108. Berlin, Germany: Springer-Verlag, 2008.

[51] M. Gauci, J. Chen, W. Li, T. J. Dodd, and R. Groß, “Self-organized aggregation without computation,” Int. J. Robot. Res., vol. 33, no. 8, pp. 1145–1161, 2014.

[52] A. Ozdemir, M. Gauci, S. Bonnet, and R. Groß, “Finding consensus without computation,” IEEE Robot. Autom. Lett., vol. 3, no. 3, pp. 1346–1353, Jul. 2018.

[53] G. Francesca et al., “AutoMoDe-chocolate: Automatic design of control software for robot swarms,” Swarm Intell., vol. 9, nos. 2–3, pp. 125–152, Sep. 2015.

[54] E. Ferrante, A. E. Turgut, E. Duéñez-Guzmán, M. Dorigo, and T. Wenseleers, “Evolution of self-organized task specialization in robot swarms,” PLOS Comput. Biol., vol. 11, no. 8, Aug. 2015, Art. no. e1004273.

[55] M. Brambilla, A. Brutschy, M. Dorigo, and M. Birattari, “Property-driven design for robot swarms: A design method based on prescriptive modeling and model checking,” ACM Trans. Auton. Adapt. Syst., vol. 9, no. 4, pp. 17:1–17:28, 2015.

[56] J. Werfel, K. Petersen, and R. Nagpa, “Designing collective behavior in a termite-inspired robot construction team,” Science, vol. 343, no. 6172, pp. 754–758, 2014. [Online]. Available: https:// science.sciencemag.org/content/343/6172/754

[57] S. Garnier, J. Gautrais, M. Asadpour, C. Jost, and G. Theraulaz, “Self-organized aggregation triggers collective decision making in a group of cockroach-like robots,” Adapt. Behav., vol. 17, no. 2, pp. 109–133, Apr. 2009.

[58] M. Sitti, Mobile Microrobotics. Cambridge, MA, USA: MIT Press, 2017.

[59] A. Reina, A. J. Cope, E. Nikolaidis, J. A. R. Marshall, and C. Sabo, “ARK: Augmented reality for kilobots,” IEEE Robot. Autom. Lett., vol. 2, no. 3, pp. 1755–1761, Jul. 2017.

[60] G. Valentini et al., “Kilogrid: A novel experimental environment for the Kilobot robot,” Swarm Intell., vol. 12, no. 3, pp. 245–266, Sep. 2018.

[61] W. Giernacki, M. Skwierczy´nski, W. Witwicki, P. Wro´nski, and P. Kozierski, “Crazyflie 2.0 quadrotor as a platform for research and education in robotics and control engineering,” in Proc. 22nd Int. Conf. Methods Models Autom. Robot. (MMAR), Aug. 2017, pp. 37–42.

[62] N. Jacobi, P. Husbands, and I. Harvey, “Noise and the reality gap: The use of simulation in evolutionary robotics,” in Proc. 3rd Eur. Conf. Adv. Artif. Life. Berlin, Germany: Springer-Verlag, 1995, pp. 704–720.

[63] C. Pinciroli et al., “ARGoS: A modular, parallel, multi-engine simulator for multi-robot systems,” Swarm Intell., vol. 6, no. 4, pp. 271–295, Dec. 2012.

[64] Y. Song, S. Naji, E. Kaufmann, A. Loquercio, and D. Scaramuzza, “Flightmare: A flexible quadrotor simulator,” 2020, arXiv:2009.00563. [Online]. Available: https://arxiv.org/abs/2009.00563

[65] M. Birattari et al., “Automatic off-line design of robot swarms: A manifesto,” Frontiers Robot. AI, vol. 6, p. 59, Jul. 2019.

[66] B. P. Gerkey and M. J. Matari´c, “A formal analysis and taxonomy of task allocation in multi-robot systems,” Int. J. Robot. Res., vol. 23, no. 9, pp. 939–954, Sep. 2004.

[67] E. Nunes, M. Manner, H. Mitiche, and M. Gini, “A taxonomy for task allocation problems with temporal and ordering constraints,” Robot. Auton. Syst., vol. 90, pp. 55–70, Apr. 2017. [Online]. Available: http://www.sciencedirect. com/science/article/pii/S0921889016306157

[68] S. R. Hedberg, “Robots playing soccer? RoboCup poses a new set of challenges in intelligent distributed computing,” IEEE Concurrency, vol. 5, no. 4, pp. 13–17, Oct. 1997.

[69] L. A. Nguyen, T. L. Harman, and C. Fairchild, “Swarmathon: A swarm robotics experiment for future space exploration,” in Proc. IEEE Int. Symp. Meas. Control Robot. (ISMCR), Sep. 2019, pp. B1-3-1–B1-3-4.

[70] H. Hamann and H. Wörn, “A framework of space–time continuous models for algorithm design in swarm robotics,” Swarm Intell., vol. 2, nos. 2–4, pp. 209–239, Dec. 2008.

[71] T. Vicsek and A. Zafeiris, “Collective motion,” Phys. Rep., vol. 517, nos. 3–4, pp. 71–140, Aug. 2012.

[72] M. Coppola, J. Guo, E. Gill, and G. C. H. E. de Croon, “Provable self-organizing pattern formation by a swarm of robots with limited knowledge,” Swarm Intell., vol. 13, no. 1, pp. 59–94, Mar. 2019.

[73] L. Lei, R. Escobedo, C. Sire, and G. Theraulaz, “Computational and robotic modeling reveal parsimonious combinations of interactions between individuals in schooling fish,” PLOS Comput. Biol., vol. 16, no. 3, Mar. 2020, Art. no. e1007194.

[74] J. Krause, A. F. Winfield, and J.-L. Deneubourg, “Interactive robots in experimental biology,” Trends Ecol. Evol., vol. 26, no. 7, pp. 369–375, 2011. [Online]. Available: http://www. sciencedirect.com/science/article/pii/S016953 4711000851

[75] S. Mitri, S. Wischmann, D. Floreano, and L. Keller, “Using robots to understand social behaviour,” Biol. Rev., vol. 88, no. 1, pp. 31–39, 2013, doi: 10.1111/j.1469-185X.2012.00236.x.

[76] F. Bonnet et al., “Robots mediating interactions between animals for interspecies collective behaviors,” Sci. Robot., vol. 4, no. 28, 2019, Art. no. eaau7897. [Online]. Available: https:// robotics.sciencemag.org/content/4/28/eaau7897

[77] H. Xie et al., “Reconfigurable magnetic microrobot swarm: Multimode transformation, locomotion, and manipulation,” Sci. Robot., vol. 4, no. 28, 2019, Art. no. eaav8006. [Online]. Available: https://robotics.sciencemag.org/content/4/28/ eaav8006

[78] S. Kriegman, D. Blackiston, M. Levin, and J. Bongard, “A scalable pipeline for designing reconfigurable organisms,” Proc. Nat. Acad. Sci. USA, vol. 117, no. 4, pp. 1853–1859, 2020. [Online]. Available: https://www.pnas. org/content/117/4/1853

[79] R. D. Leonardo et al., “Bacterial ratchet motors,” Proc. Nat. Acad. Sci. USA, vol. 107, no. 21, pp. 9541–9545, May 2010. [Online]. Available: https://www.pnas.org/content/107/21/9541

[80] K. E. Peyer, L. Zhang, and B. J. Nelson, “Bio-inspired magnetic swimming microrobots for biomedical applications,” Nanoscale, vol. 5, no. 4, pp. 1259–1272, 2012. [Online]. Available: http://dx.doi.org/10.1039/C2NR32554C

[81] I. Rabinowitch, M. Chatzigeorgiou, B. Zhao, M. Treinin, and W. R. Schafer, “Rewiring neural circuits by the insertion of ectopic electrical synapses in transgenic C. elegans,” Nature Commun., vol. 5, no. 1, 2014, Art. no. 4442. [Online]. Available: https://app.dimensions.ai/ details/publication/pub.1050134945 and https://www.ncbi.nlm.nih.gov/pmc/articles/ PMC4109004

[82] M. Z. Miskin et al., “Electronically integrated, mass-manufactured, microscopic robots,” Nature, vol. 584, no. 7822, pp. 557–561, Aug. 2020.

[83] N. Kumar, H. Soni, S. Ramaswamy, and A. K. Sood, “Flocking at a distance in active granular matter,” Nature Commun., vol. 5, no. 1, p. 4688, Dec. 2014.

[84] M. Bär, R. Großmann, S. Heidenreich, and F. Peruani, “Self-propelled rods: Insights and perspectives for active matter,” Annu. Rev. Condens. Matter Phys., vol. 11, no. 1, pp. 441–466, Mar. 2020.

[85] R. Jeanson and A. Weidenmüller, “Interindividual variability in social insects–proximate causes and ultimate consequences,” Biol. Rev., vol. 89, no. 3, pp. 671–687, 2014. [Online]. Available: https:// onlinelibrary.wiley.com/doi/abs/10.1111/brv.12074

[86] I. D. Chase, “Social process and hierarchy formation in small groups: A comparative perspective,” Amer. Sociol. Rev., vol. 45, no. 6, pp. 905–924, 1980. [Online]. Available: http://www.jstor.org/stable/2094909

[87] G. Theraulaz, E. Bonabeau, and J.-L. Deneubourg, “Self-organization of hierarchies in animal societies: The case of the primitively eusocial wasp Polistes dominulus Christ,” J. Theor. Biol., vol. 174, no. 3, pp. 313–323, 1995. [Online]. Available: http://www.sciencedirect.com/ science/article/pii/S0022519385701014

[88] N. Mathews, A. L. Christensen, R. O’Grady, F. Mondada, and M. Dorigo, “Mergeable nervous systems for robots,” Nature Commun., vol. 8, no. 1, p. 439, Dec. 2017.

[89] W. Zhu, M. Allwright, M. K. Heinrich, S. O˘guz, A. L. Christensen, and M. Dorigo, “Formation control of UAVs and mobile robots using self-organized communication topologies,” in Proc. 12th Int. Conf. Swarm Intell. (ANTS) (Lecture Notes in Computer Science), vol. 12421. Berlin, Germany: Springer, 2020, pp. 306–314.

[90] A. Attanasi et al., “Finite-size scaling as a way to probe near-criticality in natural swarms,” Phys. Rev. Lett., vol. 113, Dec. 2014, Art. no. 238102, doi: 10.1103/PhysRevLett.113.238102.

[91] M. A. Muñoz, “Colloquium: Criticality and dynamical scaling in living systems,” Rev. Mod. Phys., vol. 90, Jul. 2018, Art. no. 031001, doi: 10.1103/RevModPhys.90.031001.

[92] D. S. Calovi, U. Lopez, P. Schuhmacher, H. Chaté, C. Sire, and G. Theraulaz, “Collective response to perturbations in a data-driven fish school model,” J. Roy. Soc. Interface, vol. 12, no. 104, 2015, Art. no. 20141362. [Online]. Available: https://royalsocietypublishing.org/doi/abs/ 10.1098/rsif.2014.1362

[93] L. Busoniu, R. Babuska, and B. De Schutter, “A comprehensive survey of multiagent reinforcement learning,” IEEE Trans. Syst., Man, Cybern. C, Appl. Rev., vol. 38, no. 2, pp. 156–172, Mar. 2008.

[94] E. Price et al., “Deep neural network-based cooperative visual tracking through multiple micro aerial vehicles,” IEEE Robot. Autom. Lett., vol. 3, no. 4, pp. 3193–3200, Oct. 2018.

[95] F. Magistri, D. Nardi, and V. Trianni, “Using prior information to improve crop/weed classification by MAV swarms,” in Proc. 11th Int. Micro Air Vehicle Competition Conf., Madrid, Spain, 2019, pp. 67–75.

[96] E. R. Hunt and S. Hauert, “A checklist for safe robot swarms,” Nature Mach. Intell., vol. 2, no. 8, pp. 420–422, Aug. 2020.

[97] F. Higgins, A. Tomlinson, and K. M. Martin, “Survey on security challenges for swarm robotics,” in Proc. 5th Int. Conf. Auton. Auton. Syst., 2009, pp. 307–312.

[98] E. C. Ferrer, T. Hardjono, M. Dorigo, and A. S. Pentland, “Secure and secret cooperation in robotic swarms,” 2019, arXiv:1904.09266. [Online]. Available: https://arxiv.org/abs/ 1904.09266

[99] V. Strobel, E. C. Ferrer, and M. Dorigo, “Blockchain technology secures robot swarms: A comparison of consensus protocols and their resilience to Byzantine robots,” Frontiers Robot. AI, vol. 7, p. 54, May 2020.

[100] A. Prorok and V. Kumar, “Towards differentially private aggregation of heterogeneous robots,” in Proc. 13th Int. Symp. Distrib. Auton. Robotic Syst., R. Groß, A. Kolling, S. Berman, E. Frazzoli, A. Martinoli, F. Matsuno, and M. Gauci, Eds. Cham, Switzerland: Springer, 2018, pp. 587–601, doi: 10.1007/978-3-319-73008-0_41

[101] V. Strobel, E. C. Ferrer, and M. Dorigo, “Managing Byzantine robots via blockchain technology in a swarm robotics collective decision making scenario,” in Proc. 17th Int. Conf. Auton. Agents Multiagent Syst. (AAMAS), M. Dastani, G. Sukthankar, E. André, and S. Koenig, Eds. Richland, SC, USA: International Foundation for Autonomous Agents and Multiagent Systems, 2018, pp. 541–549.

[102] C. Bartneck, T. Belpaeme, F. Eyssel, T. Kanda, M. Keijsers, and S. Šabanovi´c, Human-Robot Interaction: An Introduction. Cambridge, U.K.: Cambridge Univ. Press, 2020.

[103] D. S. Brown, M. A. Goodrich, S.-Y. Jung, and S. C. Kerman, “Two invariants of human swarm interaction,” J. Human-Robot Interact., vol. 5, no. 1, pp. 1–31, Aug. 2015.

[104] A. Kolling, P. Walker, N. Chakraborty, K. Sycara, and M. Lewis, “Human interaction with robot swarms: A survey,” IEEE Trans. Human-Mach. Syst., vol. 46, no. 1, pp. 9–26, Feb. 2016.

[105] J. Gautrais, C. Jost, R. Jeanson, and G. Theraulaz, “How individual interactions control aggregation patterns in gregarious arthropods,” Interact. Stud., vol. 5, no. 2, pp. 245–269, 2004. [Online]. Available: https://www.jbe-platform.com/ content/journals/10.1075/is.5.2.05gau

[106] I. D. Couzin, J. Krause, N. R. Franks, and S. A. Levin, “Effective leadership and decision-making in animal groups on the move,” Nature, vol. 433, no. 7025, pp. 513–516, Feb. 2005.

[107] A. Baronchelli, “The emergence of consensus: A primer,” Roy. Soc. Open Sci., vol. 5, no. 2, Feb. 2018, Art. no. 172189.

[108] G. Podevijn, R. O’Grady, Y. S. G. Nashed, and M. Dorigo, “Gesturing at subswarms: Towards direct human control of robot swarms,” in Proc. 14th Annu. Conf. Towards Auton. Robotic Syst. (TAROS) (Lecture Notes in Computer Science), vol. 8069, A. Natraj, S. Cameron, C. Melhuish, and M. Witkowski, Eds., 2013, pp. 390–403.

[109] J. Nagi, A. Giusti, L. M. Gambardella, and G. A. Di Caro, “Human-swarm interaction using spatial gestures,” in Proc. IEEE/RSJ Int. Conf. Intell. Robots Syst., Sep. 2014, pp. 3834–3841.

[110] L. Mondada, M. E. Karim, and F. Mondada, “Electroencephalography as implicit communication channel for proximal interaction between humans and robot swarms,” Swarm Intell., vol. 10, no. 4, pp. 247–265, Dec. 2016.

[111] G. Podevijn, R. O’Grady, N. Mathews, A. Gilles, C. Fantini-Hauwel, and M. Dorigo, “Investigating the effect of increasing robot group sizes on the human psychophysiological state in the context of human–swarm interaction,” Swarm Intell., vol. 10, no. 3, pp. 193–210, Sep. 2016.

[112] G. Podevijn, R. O’Grady, C. Fantini-Hauwel, and M. Dorigo, “Human responses to stimuli produced by robot swarms—The effect of the reality-gap on psychological state,” in Proc. 13th Int. Symp. Distrib. Auto. Robotic Syst. (Springer Proceedings in Advanced Robotics), vol. 6, R. Groß, A. Kolling, S. Berman, E. Frazzoli, A. Martinoli, F. Matsuno, and M. Gauci, Eds. Cham, Switzerland: Springer, 2018, pp. 531–543.

[113] C. Nam, P. Walker, H. Li, M. Lewis, and K. Sycara, “Models of trust in human control of swarms with varied levels of autonomy,” IEEE Trans. HumanMach. Syst., vol. 50, no. 3, pp. 194–204,Jun.2020.

[114] M. Dorigo, G. Theraulaz, and V. Trianni, “Reflections on the future of swarm robotics,” Sci. Robot., vol. 5, no. 49, Dec. 2020, Art. no. eabe4385.

[115] M. Dorigo and E. Sahin, Eds., “Special issue on swarm robotics,” Auton. Robots, vol. 17, nos. 2–3, pp. 111–246, Sep. 2004.

[116] G.-Z. Yang et al., “The grand challenges of science robotics,” Sci. Robot., vol. 3, no. 14, 2018, Art. no. eaar7650. [Online]. Available: https:// robotics.sciencemag.org/content/3/14/eaar7650

[117] S. Kazadi, “Swarm engineering,” Ph.D. dissertation, California Inst. Technol., Pasadena, CA, USA, 2000.

[118] M. Li et al., “Generating swarm solution classes using the Hamiltonian method of swarm design,” in Proc. 9th Int. Conf. Agents Artif. Intell., vol. 2. Setúbal, Portugal: SciTePress, 2017, pp. 145–152.

[119] A. Renzaglia, L. Doitsidis, A. Martinelli, and E. B. Kosmatopoulos, “Multi-robot three-dimensional coverage of unknown areas,” Int. J. Robot. Res., vol. 31, no. 6, pp. 738–752, May 2012.

[120] W. Hönig, J. A. Preiss, T. K. S. Kumar, G. S. Sukhatme, and N. Ayanian, “Trajectory planning for quadrotor swarms,” IEEE Trans. Robot., vol. 34, no. 4, pp. 856–869, Aug. 2018.

[121] W. Hönig, S. Kiesel, A. Tinka, J. W. Durham, and N. Ayanian, “Persistent and robust execution of MAPF schedules in warehouses,” IEEE Robot. Autom. Lett., vol. 4, no. 2, pp. 1125–1131, Apr. 2019.

[122] R. R. Negenborn and J. M. Maestre, “Distributed model predictive control: An overview and roadmap of future research opportunities,” IEEE Control Syst., vol. 34, no. 4, pp. 87–97, Aug. 2014.

[123] C. E. Luis, M. Vukosavljev, and A. P. Schoellig, “Online trajectory generation with distributed model predictive control for multi-robot motion planning,” IEEE Robot. Autom. Lett., vol. 5, no. 2, pp. 604–611, Apr. 2020.

[124] H. Hamann and A. Reina, “Scalability in computing and robotics,” 2020, arXiv:2006.04969. [Online]. Available: http://arxiv.org/abs/2006.04969

[125] D. Albani, T. Manoni, D. Nardi, and V. Trianni, “Dynamic UAV swarm deployment for non-uniform coverage,” in Proc. 17th Int. Conf. Auton. Agents MultiAgent Syst. (AAMAS), 2018, pp. 523–531.

[126] N. Correll and A. Martinoli, “Multirobot inspection of industrial machinery,” IEEE Robot. Autom. Mag., vol. 16, no. 1, pp. 103–112, Mar. 2009.

[127] J. J. Dawkins, F. L. Crabbe, and D. Evangelista, “Deployment and flight operations of a large scale UAS combat swarm: Results from DARPA service academies swarm challenge,” in Proc. Int. Conf. Unmanned Aircr. Syst. (ICUAS), Jun. 2018, pp. 1271–1278.

[128] G. C. Messenger, “Radiation hardening,” in AccessScience. McGraw-Hill, 2020. [Online]. Available: https://www.accessscience.com/ content/566850

[129] T. M. Roehr, F. Cordes, and F. Kirchner, “Reconfigurable integrated multirobot exploration system (RIMRES): Heterogeneous modular reconfigurable robots for space exploration,” J. Field Robot., vol. 31, no. 1, pp. 3–34, 2014. [Online]. Available: https://onlinelibrary.wiley. com/doi/abs/10.1002/rob.21477

[130] C. Pinciroli et al., “Self-organizing and scalable shape formation for a swarm of pico satellites,” in Proc. NASA/ESA Conf. Adapt. Hardw. Syst., Los Alamitos, CA, USA: IEEE Computer Society Press, Jun. 2008, pp. 57–61.

[131] M. Waibel, B. Keays, and F. Augugliaro, “Drones shows: Creative potential and best practices,” Verity Studios, Zurich, Switzerland, White Paper, Jan. 2017.

[132] J. Alonso-Mora, A. Breitenmoser, M. Rufli, R. Siegwart, and P. Beardsley, “Image and animation display with multiple mobile robots,” Int. J. Robot. Res., vol. 31, no. 6, pp. 753–773, May 2012.

[133] M. Le Goc, L. H. Kim, A. Parsaei, J.-D. Fekete, P. Dragicevic, and S. Follmer, “Zooids: Building blocks for swarm user interfaces,” in Proc. 29th Annu. Symp. User Interface Softw. Technol. New York, NY, USA: Association for Computing Machinery, Oct. 2016, p. 97.

[134] M. Alhafnawi, S. Hauert, and P. O’Dowd, “Robotic canvas: Interactive painting onto robot swarms,” in Proc. Conf. Artif. Life, 2020, pp. 163–170.

[135] E. Tsykunov, R. Agishev, R. Ibrahimov, L. Labazanova, A. Tleugazy, and D. Tsetserukou, “SwarmTouch: Guiding a swarm of micro-quadrotors with impedance control using a wearable tactile interface,” IEEE Trans. Haptics, vol. 12, no. 3, pp. 363–374, Jul. 2019.

[136] W. Hönig, C. Milanes, L. Scaria, T. Phan, M. Bolas, and N. Ayanian, “Mixed reality for robotics,” in Proc. IEEE/RSJ Int. Conf. Intell. Robots Syst. (IROS), Sep. 2015, pp. 5382–5387.

[137] S. Jeon et al., “Magnetically actuated microrobots as a platform for stem cell transplantation,” Sci. Robot., vol. 4, no. 30, May 2019, Art. no. eaav4317.

[138] X. Dong and M. Sitti, “Controlling two-dimensional collective formation and cooperative behavior of magnetic microrobot swarms,” Int. J. Robot. Res., vol. 39, no. 5, 2020, Art. no. 027836492090310.

原文链接：

https://ieeexplore.ieee.org/abstract/document/9460560

由于微信公众号试行乱序推送，您可能不再能准时收到AI科技评论的推送。为了第一时间收到AI科技评论的报道， 请将“AI科技评论”设为星标账号在看”。