這個(ge) 有趣的項目是從(cong) 2011年開始的，研究團隊由Thomas Schmickl博士帶領，並得到了歐洲研究委員會(hui) 的資助。正如Schmickl在該項目的網站上介紹的那樣，COCORO與(yu) 其他群體(ti) 項目的不同之處在於(yu) 將集體(ti) 認知能力賦予機器人所牽涉到的複雜性。“它們(men) 作為(wei) 一個(ge) 集體(ti) 係統中的獨立因子，可從(cong) 過去的經驗和周圍的環境中學習(xi) 。”他寫(xie) 道。據了解，在研究中，這些機器魚可以勝任交換環境信息、探索水下環境、甚至維護和收獲資源等任務。就像魚一樣，它們(men) 可以單獨行動，也可以集體(ti) 行動。

“我們(men) 專(zhuan) 注於(yu) 群體(ti) 機器人，這些機器人可以通過個(ge) 體(ti) 學習(xi) ，但是它們(men) 更為(wei) 突出的是整個(ge) 群體(ti) 的學習(xi) 能力。”這位熱情的項目領導者告訴記者，“在這種背景下，即使是單獨的非學習(xi) 機器人也可以獲得集體(ti) 認知，比如，改變群體(ti) 的拓撲結構。雖然這一技術已經在陸上機器人那裏實現過幾次。但就我們(men) 所知，我們(men) 是第一家將這種技術用在水下自主機器人身上的研究團隊。”

該研究團隊在其項目的主頁上宣稱，這群機器魚能夠在各種變化甚至危險的環境下保持群體(ti) 的完整性。“我們(men) 是讓這些水下機器人通過互相交流信息進行交互，從(cong) 而產(chan) 生一個(ge) 能夠了解周邊環境、了解本地個(ge) 體(ti) 級目標和威脅、甚至包括全球群體(ti) 層麵的目標和威脅的感知係統。”他們(men) 寫(xie) 道。“用過自組織機製將局部行動和全球行動相結合，信息從(cong) 全球層麵流入本地層麵，從(cong) 而影響到每個(ge) 水下機器人個(ge) 體(ti) 的行為(wei) 。這種基於(yu) 感知的模式使得整個(ge) 集體(ti) 係統能夠獲得非常快的反應能力。就像我們(men) 看到的那種天然的魚群那樣，這種係統十分靈活，而且是可擴展的。

從(cong) 研究團隊發布的視頻片斷我們(men) 可以看到，它們(men) 如何在遊泳池裏執行搜索任務。當群體(ti) 成員之一發現目標之後，它會(hui) 通過一係列用於(yu) 通信的LED燈警告其它成員。不久後，所有的機器魚都“學習(xi) ”到了這一信息。“它們(men) 更近似於(yu) 一個(ge) 魚群版的可移動傳(chuan) 感器網絡和信息處理網絡。”Schmickl解釋說。

據Schmickl介紹，他們(men) 在開發過程中是以蜜蜂和魚類的行為(wei) 、甚至包括變形蟲的通信模式為(wei) 藍本設計的算法。由於(yu) 科學家們(men) 還在不停地改進，這些機器人的大部分部件都是3D打印的，這樣他們(men) 迭代起來十分方便。