Groepsgedrag / zwermintelligentie/ robots
november 4, 2012 Plaats een reactie
Sprinkhanen zwerm
http://en.wikipedia.org/wiki/Locust http://nl.wikipedia.org/wiki/Treksprinkhaan
Een enkele sprinkhaan , haring , mier , papierwesp of een honingbij zijn niet slim, maar hun kolonies wél .
De studie van zwerm-intelligentie kan mensen helpen bij het beheren van complexe systemen en netwerken van autoverkeer infrastructueren tot en met militaire robots
De kakkerlakken lokdoos
21 02 2005
Een synthetisch seksstofje kan kakkerlakkenplagen helpen bestrijden.
Alle mannen willen maar een ding. Zo ook de Duitse kakkerlak Blattellus germanica. De mannetjes komen van meters afstand aanrennen als de vrouwelijke kakkerlakken hun sexy geurstoffen verspreiden.
Onderzoekers zijn al meer dan tien jaar op zoek naar de chemische formule van het seksstofje, want de Duitse kakkerlak is de veroorzaker van de meeste kakkerlakkenplagen in West Europa.
Die chemische formule is nu eindelijk gevonden. Een Amerikaanse onderzoeksgroep onder leiding van Wendell Roelofs verzamelde genoeg van het stofje om het chemisch te analyseren. Daarvoor legden vijftienduizend vrouwelijke kakkerlakken het loodje. Elk vrouwtje produceert namelijk maar minieme hoeveelheden van de stof. Vervolgens slaagden de onderzoekers erin om een synthetische variant van het stofje te maken.
Het lokstofje is ‘blattellaquinone’ genoemd, naar de latijnse naam van de kakkerlak. Met het stofje moeten de mannetjes naar lokdozen geleid worden. In de lokdozen worden de mannetjes dan met een ziekte besmet, die ze vervolgens onder de rest van de kolonie verspreiden
De Duitse kakkerlak, of Blattella germanica.
Wendell Roelofs met kakkerlak
http://en.wikipedia.org/wiki/Blattellaquinone
http://news.bbc.co.uk/2/hi/science/nature/4275165.stm
Collegiale kakkerlakken
29 03 2006
Kakkerlakken die zich willen verschuilen, gedragen zich netjes volgens een wiskundige formule die Belgische en Franse onderzoekers hebben opgesteld.
Jean-Marc Amé en zijn collega’s stopten keer op keer vijftig pasgeboren kakkerlakken in een schaaltje. Legden ze daar een plastic dopje in, dan probeerden de beestjes er allemaal onder te kruipen. Kakkerlakken verschuilen zich namelijk graag, bij voorkeur tussen soortgenoten.
Wat doen de beestjes als er twéé dopjes in hun schaal worden gelegd? Dat hangt ervan af. Passen ze met z’n allen onder een enkele dop, dan komt het andere dopje leeg te staan. Als daarvoor niet genoeg ruimte is, zullen ze zich altijd in twee gelijke groepen verdelen, een onder elk dopje. Dat klinkt misschien vanzelfsprekend, maar eigenlijk is het heel opmerkelijk, vinden de biologen. Het is namelijk de meest effici챘nte oplossing, voordelig voor alle kakkerlakken. Ook bij drie of vier dopjes kwamen de beestjes altijd met de optimale verdeling op de proppen.
Hoe komt de groep insecten tot deze strategie? Niet door rekening te houden met elkaar, laten de onderzoekers zien. Een wiskundig model dat uitgaat van volkomen egoïstische kakkerlakken die zich volgens vaste regels gedragen, levert precies deze resultaten op. Intellect of inlevingsvermogen zijn dus niet nodig. Vermoedelijk speelt dit soort ‘domme’ zelforganisatie ook bij veel andere diersoorten een rol, aldus Amé en zijn collega’s in het wetenschappelijke tijdschrift PNAS. Over mensen doen ze geen uitspraken
Kakkerlakken verschuilen zich graag gezamenlijk, en laten in dit experiment vanzelf een optimale evenwichtssituatie ontstaan.
Kunstmatige kakkerlak
11 05 2006
Jarenlang werken met kakkerlakken klinkt niet echt aanlokkelijk. Een groep Europese wetenschappers deed dit toch, en slaagde er zo in om robot-kakkerlakken te maken.
Wij zien het verschil wel, maar een kakkerlak kan het onderscheid niet maken.
De robot is, net als de kakkerlak, niet zo heel groot.
zie ook http://noorderlicht.vpro.nl/noorderlog/dossiers/27442552/
http://technology.newscientist.com/channel/tech/dn9136.html
http://asl.epfl.ch/research/projects/Leurre/insbot_0-1.htm
Met wat wielen, motoren, sensoren en een batterij maakte een groep Europese wetenschappers robotjes, insbots genaamd. De onderzoekers maakten de robots zo, dat kakkerlakken ze als soortgenoten zagen.
Om dit te bereiken filmden de wetenschappers eerst drie jaar lang kakkerlakken. Met de beelden maakten ze een computerprogramma, dat het gedrag van de robots aanstuurde. Met behulp van infraroodsensoren konden de insbots ook reageren op de insecten in hun omgeving.
Verder werden de robots nog met wat kakkerlakkenparfum besprenkeld. Hierdoor behandelden de dieren ze als soortgenoten, ondanks hun compleet andere uiterlijk. De kakkerlakken lieten zich zelfs beïnvloeden door hun elektronische tegenhangers. De insecten, die normaal liever in het donker wegkruipen, lieten zich meelokken naar lichte plekken.
Dan blijft nog de vraag waarom de onderzoekers kunstmatige kakkerlakken willen. Ze menen dat de robots nuttig zijn voor de kakkerlakkenbestrijding. Als de dieren uit hun donkere schuilplaats worden gelokt, kunnen ze namelijk makkelijker worden vernietigd. En wellicht kunnen later ook robots worden gebouwd die op andere dieren lijken, zoals schapen of kippen. Deze dieren volgen graag een leider. De robots kunnen dan gebruikt worden als schaapsherders of om kippen meer te laten bewegen
Volg de kunstkakkerlak
15 11 2007
Robotjes die op kakkerlakken lijken, kunnen een doorslaggevende stem hebben bij groepsbesluiten van deze insecten, laat Belgisch onderzoek zien.
Kakkerlakken scholen het liefste samen op het donkerste plekje dat ze kunnen vinden.
In het laboratorium van José Halloy en collega’s delen ze die soms met kleine robotjes. Dat die eruitzien als lucifersdoosjes, maakt de beestjes niet uit. Ze ruiken namelijk wél precies zo als de echte dieren, en dat is genoeg.
In Science van deze week laat de groep van Halloy zien dat de robotjes de beslisvaardigheden van kakkerlakken uitstekend weten te kopiëren. De regels zijn simpel: zoek een schuilplaats en blijf daar langer naarmate hij donkerder is èn naarmate er meer kakkerlakken zitten. En inderdaad, of je nu twaalf kakkerlakken en vier robotjes in een arena neerzet met twee schuilplaatsen, of zestien echte kakkerlakken, het resultaat is hetzelfde. In beide gevallen eindigen ze bijna altijd allemaal op de donkerste schuilplaats.
Maar als de nep-kakkerlakken een tegennatuurlijke voorkeur voor de lichtste schuilplaats ingeprent krijgen, wordt het anders. Dan is het touwtrekken tussen de voorkeuren van beide groepen.
In de experimenten wonnen de robots meestal en kwam de hele groep op de lichtste schuilplaats terecht.
Volgens de onderzoekers is daarmee bewezen dat de robots een gelijke stem hebben bij de groepsbeslissingen van kakkerlakken, maar in een nieuwsartikel van Science plaatst collega Coby Schall daar een belangrijke kanttekening bij.
Het zou ook kunnen dat de robots de schuilplaats bovenmatig aantrekkelijk maken, doordat ze met hun logge ‘lijven’ extra schuilmogelijkheden creëren. Er zullen kakkerlakvormige robots nodig zijn om haar te overtuigen
Foto’s ULB-EPEL
robotzwerm Dorigo © Marco Dorigo /Een groep robotjes staat op het punt een donker hol te verkennen.
Wie niet sterk is, moet slim zijn. En wie ook al niet slim is? Die moet samenwerken. Mieren blinken bijvoorbeeld niet uit in intellect. Ze gaan volgens betrekkelijk eenvoudige regels te werk. Toch bouwen ze samen een mierenhoop, en als één mier iets lekkers heeft gevonden, laten we zeggen een vergeten stuk taart op een tuintafeltje, dan vormen ze binnen korte tijd een snelweg die via de kortste route van het nest naar de taart loopt, en weer terug.
Technologen hebben sinds kort door dat mieren een heel vruchtbaar voorbeeld zijn. Zwermen robotjes die samen taken uitvoeren zijn, zeker nu ze kunnen vliegen, met een opmars bezig. Ze voetballen bijvoorbeeld, maken samen muziek, bouwen een toren van blokken en worden binnenkort misschien ingezet bij reddingsacties. Worden ze de dominante robotvorm?
Een van de eersten die aan robotzwermen begon te werken is Marco Dorigo, hoogleraar kunstmatige intelligentie aan de Vrije Universiteit in Brussel. Hij schreef onder meer het boek Swarm Intelligence, het belangrijkste wetenschappelijke werk over de software achter zwermrobots
Marco Dorigo …….Dorigo begon zijn carrière, aan het eind van de jaren tachtig, met pogingen een enkele robot dingen te leren. Buiten het werk keek hij wel eens met een schuin oog naar de natuur, waar mieren gezamenlijk klussen opknapten. ‘Dat wilde ik eigenlijk wel nadoen. Ik ging me bezighouden met genetische algoritmen, dat wil zeggen software die een soort evolutie doormaakt, zodat elke ronde van mutatie en selectie nieuwe, betere versies zo’n programma oplevert. Dat ging ik ook toepassen om samenwerkende mieren te maken.’
Simpele eenheden
‘Nou ja, ik noemde ze mieren, maar ze bestonden alleen in mijn computer. Toch is dat, zo in de vroege jaren negentig, het begin geweest van de ontwikkeling van robotzwermen. Mijn “mieren” waren simpele eenheden, “software agents”, die samen een ingewikkeld wiskundig probleem moesten oplossen, bijvoorbeeld hoe je vrachtwagens het meest efficiënt kunt inzetten in een groot bedrijf. Deze aanpak heet tegenwoordig “ant colony optimization”.’ Die naam heeft hij zelf verzonnen, want hij was de eerste die hieraan werkte.
Rond het jaar 2000 begon hij daarnaast te werken aan de eerste echte zwermrobotjes. ‘Ik wist toen nog niet waar dat toe zou leiden. Het was het begin van een heel nieuwe manier van denken, die we nu “zwermintelligentie” noemen. Er waren al wel mensen die met groepen robots werkten. Maar die waren eigenlijk te slim. Bij zwermintelligentie wil je de robots zo simpel mogelijk houden, en ze bijvoorbeeld alleen met lokale informatie voeden, zonder centraal “brein”. Want hoe eenvoudiger de robots, hoe minder kwetsbaar het hele systeem is.
De uitdaging is natuurlijk om ze te laten samenwerken op een zinvolle manier. Tussen 2000 en 2004 was ik bezig met een Europees project, Swarm-bots, en dat was het eerste voorbeeld van fysieke samenwerking in een zwerm robotjes. Het waren er een stuk of dertig en ze konden zich aan elkaar vastkoppelen en zo samen een zwaar voorwerp vervoeren – een kind bijvoorbeeld – een gat overbruggen of andere dingen doen die ze in hun eentje niet voor elkaar zouden krijgen.’
Betrouwbare zwerm
Wat is het grote voordeel van een zwerm, ten opzichte van een enkele robot? Dorigo: ‘Vooral dat hij betrouwbaarder is. Stel je voor dat je een robotsysteem hebt dat een cruciale taak moet uitvoeren. Als je dan één robot hebt die alles moet doen, en één onderdeel weigert dienst, dan gaat het al mis. Maar met duizend kleine, simpele robotjes is het helemaal niet erg als er een paar, of zelfs honderd, falen.’
In 2005 begon hij z’n volgende project: “the Swarmanoid”. ‘Daarbij was het idee om verschillende typen robotjes te laten samenwerken. De naam hebben we zelf verzonnen, we wilden ermee aangeven dat het de bedoeling is dat een zwerm robotjes iets kan doen dat tot nu toe altijd door mensachtige robots werd gedaan. Het meeste onderzoek is altijd gedaan aan zulke ‘humanoids’, en die kunnen dan bijvoorbeeld een kantoor doorzoeken en het juiste boek van een plank halen en naar je toe brengen. Dat hebben wij een zwerm van drie typen laten doen: de oogbot, de handbot en de voetbot.’ Een bekroond filmpje daarvan is hier te zien
Een van de problemen die er nu nog liggen, zegt Dorigo, is de vraag hoe je de evolutie van robots goed kunt laten verlopen. Als alles zich in de computer afspeelt is dat inmiddels goed te doen, maar met fysiek gebouwde robotjes ligt het heel anders. ‘In het project waaraan ik nu werk, proberen we daar een oplossing voor te ontwikkelen. Je kunt de hardware bijvoorbeeld in een simulatie laten evolueren, en de beste resultaten echt maken. Maar dat project is pas net begonnen.’
Hersencellen
De zwerm heeft geen centraal brein, dus geen ‘ziel’. Is dat een verschil met grote robots, wil ik weten. ‘Nou, dat weten we helemaal niet,’ reageert Dorigo. ‘Wij hebben veel hersencellen, en geen daarvan is de baas. Het is eigenlijk een zwerm. Toch zeggen mensen dat we een ziel hebben.’ Is er dan een grijs gebied tussen een robot en een zwerm? Wordt een zwerm één zodra de leden ervan elkaar vastpakken? Ik wijs hem op de intrigerende slijmzwammen, losse eencelligen die zich als een dier gaan gedragen zodra ze samenkomen.
‘Ja, daar zou je het mee kunnen vergelijken. Maar ik kijk toch liever naar mieren, en die worden niet echt één organisme en kunnen ook dingen in hun eentje doen.’
Gaan zwermen de “gewone” robots verdringen? Dorigo: ‘Dat denk ik niet, want voor de ene toepassing is een enkele robot handiger, voor de andere een zwerm. Voor het verkennen van een onbekende omgeving, zoals de diepzee of het oppervlak van een planeet, is een zwerm waarschijnlijk het efficiëntst. Met hooguit drie typen trouwens, anders wordt het te ingewikkeld. In je huis zul je ze de komende tien jaar niet gaan zien, denk ik.’
De ontwikkeling van robotzwermen wordt nu vooral gehinderd door de beperkingen van de hardware, vindt Dorigo. ‘Hun batterijen gaan niet lang mee, ze gaan nog te vaak stuk, vergeleken met echte mieren is het allemaal nog heel primitief. Er werken heel veel mensen aan om dat beter te maken, maar dat is niet mijn vakgebied. Ik hou me vooral bezig met zwermintelligentie, de software.’
In zekere zin zijn de onderzoekers die robotzwermen bouwen, zelf ook een zwerm, concluderen we. Ze weten lang niet alles over alle onderdelen de ze gebruiken, m
Zwerm-intelligentie
Een enkele mier of een bij zijn niet slim, maar hun kolonies wél .
De studie van zwerm-intelligentie kan mensen helpen bij het beheren van complexe systemen en netwerken van autoverkeer infrastructueren tot en met militaire robots
Vroeger dacht men soms dat mieren wisten wat ze deden. Er waren er enkelen die dagelijks zichtbaar over aanrechten in keukens rondscharrelden en het leek er volgens velen op dat ze een plan volgden , wisten waar ze heen gingen en wat er gedaan moest worden. Hoe kon je anders verklaren dat mieren hun eigen snelwegen organiseerden , nesten bouwden , en al de andere dingen die mieren doen?
Blijkt dat al die “antropomorfismen” verkeerd waren . Mieren zijn helemaal geen kleine slimme ingenieurs, architecten, of krijgers-in ieder geval niet als afzonderlijke individuen. Als het gaat om plannen en beslissen wat te doen, hebben de meeste mieren geen idee. .
“….Kijk naar een mier die probeert iets te bereiken en je zult gauw verveeld geraken van haar onbekwaam gedoe ” zegt Deborah M. Gordon, bioloog aan de Stanford University.
Hoe kunnen we dan het eclatante succes uitleggen van de “intelligente “capaciteiten van de Aardse +12.000 bekende mieren soorten ?Zij moeten iets “geleerd” hebben in de voorbije 140 miljoen jaar ?
“Mieren zijn niet slim,” zegt Gordon. “Mierenkolonies natuurlijk wél ”
Een kolonie kan problemen oplossen problemen die zelfs “ondenkbaar” zijn voor de individuele mieren, zoals bijvoorbeeld ; het vinden van de kortste weg naar de beste voedselbronnen , de taakverdeling van werkmieren over verschillende taken , of het verdedigen van het eigen territorium tegen buren en andere soorten vijandige dieren
Als individuen, zijn mieren kleine hersenloze tinnen soldaatjes-robotjes of draadpopjes , maar als trekkende kolonies van grote aantallen individuen of conventionelere mieren”nesten ” kunnen mierensoorten snel en effectief reageren op hun omgeving. Ze doen dat met iets wat ondertussen zwerm-intelligentie is genoemd
Waar deze intelligentie vandaan komt roept een fundamentele vraag over de natuur , op : Kan men de eenvoudige acties van individuen optellen tot het complexe gedrag van een groep?
Hoe nemen honderden honingbijen een belangrijke beslissing over hun bijenkorf en hoeveel zijn er onder hen die de beslissing niet volg(d)en ?
Wat stelt een school haringen in staat om haar bewegingen zodanig te coördineren, dat er precies van richting kan worden veranderd in een flitse beweging van een enkel, zilverachtig organisme?
De collectieve capaciteiten van deze dieren___ waarvan geen enkele het totaal-plaatje ziet of kent ___ maar waarbij elke individuele actie bijdraagt tot het groeps- succes , leek zelfs wonderbaarlijk voor de ervaren biologen die beter meenden te weten. Maar tijdens de afgelopen decennia hebben onderzoekers intrigerende inzichten aangedragen
Een van de sleutels tot beter begrip van de intelligentie van een mierenkolonie, is bijvoorbeeld, dat niemand de eigenlijke baas is. Er zijn geen generaals /leiders/koning /koningin /president /dictator die opdrachten geven aan mieren- krijgers….. Geen baas , geen mieren- werknemers.
De koningin speelt geen andere rol, dan het eieren leggen. ( ze scheidt wel zolang ze eieren legt (hormonale) stoffen af die in de kolonie ( de zogenaamde ” sociohormonen” die letterlijk van” mond tot mond “bij het wederzijds voeden uit de krop ) cirkuleren en waarschijnlijk het eierleggen van andere “vrouwtjes” verhinderen ) . Zelfs met een half miljoen mieren, werkt een kolonie prima zonder enig merkbaar beheer of leding Alles steunt alleen maar op de talloze interacties tussen individuele mieren, die elk dezelfde eenvoudige vuistregels volgen Wetenschappers beschrijven een dergelijk systeem als zelf-organiserend
Het probleem van de werkverdeling .
Deborah Gordon bestudeerde rode werkmieren (Pogonomyrmex barbatus) in de woestijn van Arizona,
Een kolonie “berekent ” elke ochtend hoeveel werksters ze moet uitzenden op zoek naar voedsel.
Het aantal is veranderlijk , afhankelijk van de omstandigheden. Hebben de fourageurs onlangs een goede bron van lekkere zaden ontdekt ?
Meer mieren zijkn nodig zijn om de buit zo vlug als mogelijk in het nest te krijgen .
Werd het nest vorige nacht beschadigd door een storm ? Extra werkmieren kunnen van elders worden ontrokken om onderhouds -reparaties uit te voeren . . Een mier kan de ene dag een thuis-werker zijn , de volgende dag een prullenbak verzamelaar … etc .
Maar hoe werkt een kolonie efficient om dergelijke aanpassingen en taakverdelingen gedaan te krijgen als niemand de touwtjes in handen heeft ?
Gordon heeft een hypothese .
Mieren communiceren door voelen( met de tasters ) en ruiken(feronomen , nestgeur ) en het delen van voedsel (sociohormonen )uit hun krop . Een mier identificeert een andere, ruikt met haar antennes om uit te vinden of de andere mier behoort tot het zelfde nest en “waar” het zojuist heeft gewerkt. (Mieren die werken buiten het nest geuren anders dan zij die binnen bleven .)
Voordat ze elke dag het nest verlaten , wachten de jagers-verzamelaars normaal in de vroege ochtend op de eerste inspectie/contacten met de nestingangen-wachters … bij elke terugkeer naar het nest raken de wachters kort de antennes aan van de fourageurs Ook bij elk vertrek uit het nest in de wijde buitenwereld doen de wachters dat
“Als een jager-verzamelaar taster- contact heeft met patrouillerende deurwachters , dan is het een stimulans voor de verzamelaar-jager om er opuiit te gaan,” zegt Gordon”Maar de fourageur zal slechts vertrekken na een aantal contacten met (een) deurwachter(s) binnen de 10 seconden .”
Om te kunnen zien hoe dit werke , hebben Gordon en haar medewerker Michael Greene van de Universiteit van Colorado in Denver , op een vroege ochtend en in een experiment , deurwachters verwijderd en gevangen gehouden
Na een half uur wachten, simuleerden de experimentatoren de “terugkeer van de deurwachter-mieren” door het droppen van glasparels in de nestingang en op verschillende gezette tijden: sommige van die parels waren besprenkelt met de deurwachter-geur , sommigen met werkster – geur
en/of fourageerder -geur , sommigen geur-neutraal . . Alleen de kralen met de deurwachter- geurtjes , stimuleerden de verzamelaars voldoende om het nest te verlaten. . Hun conclusie: fourageurs maken gebruik van de snelle frekwentie van hun ontmoetingen met inspecterende wachters wat hen “vertelt ” of het “veilig ” is om uit huis te gaan. (Als je frekwent , en in het juiste tempo , botst op de inspecteren deurwachters, dan is het tijd om te gaan foerageren. Zo niet, dan kan je beter wachten. Er is misschien te veel wind, of er staat misschien een hongerige hagedis te wachten .) Van zodra de mieren beginnen met foerageren en het voedsel binnen brengen , zullen andere werk- mieren de fourageurs gaan versterken en afhankelijk van de frekwentie snelheden van de inkomende terugkeren voedsel-verzamelaars.
. “Een verzamelaarster komt niet terug vooraleer zij iets heeft gevonden en meegesleurd ” zegt Gordon. “hoe minder voedsel er is, hoe langer het duurt voor de verzamelaar terug komt . Hoe meer voedsel er is, hoe sneller de fourageurs binnenkomen . Niemand beslist of het een goede dag is om te foerageren. Het collectief doet dat , daar is geen bijzondere individuele mier voor nodig . ”
En dat is ook hoe swerm intelligentie werkt ; simpele wezens met beperkte neurofysiologische capaciteiten volgens eenvoudige vuist regels , elk handeld op grond van strikt lokale informatie als gevolg van interacties met nestgenoten . Geen enkele mier ziet of kent het grote plaatje.
Geen mier vertelt een andere mier wat haar te doen staat Sommige mierensoorten kunnen dat gaan doen met meer raffinement dan anderen. ( (Temnothorax albipennis, bijvoorbeeld, kan oordelen over de kwaliteit van een potentiële nest site en dat met behulp van meerdere criteria.)
Maar de bottom line, zegt Iain Couzin, een bioloog in Oxford en Princeton , is dat er geen leiderschap vereist is.
“Zelfs complex gedrag kan worden gecoördineerd door relatief eenvoudige interacties”, zegt hij
.
Geïnspireerd door de elegantie van dit idee, gebruikte Marco Dorigo, een informaticus aan de Universite Libre in Brussel, zijn kennis van het gedrag van mieren in 1991 om wiskundige procedures te creëren voor het oplossen van bijzonder complexe menselijke problemen, zoals vrachtwagen en luchtvaart routes- planning , of het geleiden van militaire robots.
In Houston, bijvoorbeeld, is het bedrijf American Air Liquide er in geslaagd ,met behulp van een mier-algorythme gebaseerde strategie, een complex aantal business problemen te beheren.
Het bedrijf produceert industriële en medische gassen, meestal stikstof, zuurstof en waterstof, op ongeveer honderd locaties in de Verenigde Staten en levert ze aan 6.000 verschillende afnemers , met behulp van pijpleidingen, treinstellen en een vloot van 400 tanker-vrachtwagens.
Deregulerende krachten op verschillende markten in sommige regio’s (de prijs van elektriciteit verandert elke 15 minuten in delen van Texas) voegden een extra laag van complexiteit.toe …
Een concreet praktijk voorbeeld van de problemen die door dit bepaalde bedrijf dienden te worden ingecakuleerd :
“Op dit moment is in Houston de prijs $ 44 , voor een megawatt /per industriële klant,” zegt Charles N. Harper, die toezicht houdt op het aanbod van Air Liquide. “Afgelopen nacht is de prijs steeg tot $ 64, en maandag toen het koudefront eraan- kwam, ging het tot $ 210.”
Het bedrijf zocht een manier om met dat allemaal samen rekening te kunnen houden op een flexibele manier
.
Samenwerking met de Bios Groep (nu Nutech Solutions), een bedrijf dat gespecialiseerd is in kunstmatige intelligentie, leverder Air Liquide een computermodel dat werd ontwikkeld op basis van algoritmes geïnspireerd door het foerageergedrag van de Argentijnse mieren (Linepithema humile), een soort die vluchtige chemische geurstoffen (feromonen genaamd) afzet op de bodem en die dienen als richtend spoor .
“Wanneer deze mieren voedsel terug te brengen naar het nest, laten ze een feromoon reukspoor na dat andere mieren vertelt welk parcours te volgen om meer voedsel te krijgen ,” legt Harper uit. “”Het feromoon parcours /netwerk wordt versterkt elke keer een mier over een stukje ervan loopt en daarna langs dezelfde weg terug keert …net zoiets als klein duimpje die zijn stukjes broodkruimels uitstrooide tijdens zijn weg door het bos …een soort geurdraad van ariadne ….. we hebben een software programma ontwikkeld dat net als een terugkoppelnd en zichzelf versterkend zoek en stuurprogramma dat miljarden geurnalatende mieren langs de de steeds sterker ruikende feronomen -paden leidt , laten uitvinden wat de beste routes voor onze truck-vloot zijn …” Mieren evolueerden een efficiënte methode om de beste routes te vinden in hun naaste omgeving waarin ze moeten overleven . Waarom zouden we hun voorbeeld niet volgen?
De gecombineerde aanpak van Air Liquide waarbij de mieren-algorythmes met andere kunstmatige intelligentie-technieken werden gebruikt om alle onverwachte onbstakels voor de” planning” ,( waaronder weersomstandigheden en vrachtwagen routing ) en vooral ook om de problemen op te lossen verbonden met keuze van de “juiste beslissingen “uit de -miljoenen mogelijke beslissingen en uitkomsten per dag.
Elke nacht, werden prognoses , klantenvraag en productie kosten in het model ingevoerd. “Het duurde vier uur , zelfs met de grootste computers waarover we beschikten ,” zegt Harper. “Maar om zes uur ’s ochtends krijgen we een oplossing die zegt hoe we onze dag het best kunnen gaan beheren.”
Voor de vrachtwagenchauffeurs, was het nieuwe systeem wel even wennen In plaats van het leveren van gas uit de fabriek die het dichtst ligt bij een klant, zoals zij plachten te doen, werden chauffeurs nu gevraagd zendingen op te te halen bij die fabrieken waar het aanmaken van de gassen werd verkocht aan de op de laagste prijzen van dat moment , zelfs als het verder weg was.
“Je wilt dat ik honderd mijl rij ?” = “Voor de chauffeurs,was het intuïtief niet de juiste beslissing … ” zegt Harper. . Maar voor het bedrijf, waren / zijn de besparingen indrukwekkend. . ze zijn eigenlijk enorm.”
De vernietiging van de troi zwerm
Zwerm-intelligentie ...is het probleemoplossend vermogen dat berust op samenhangend en doelgericht gedrag van de zwerm-elementen, zonder dat die zich daarvan bewust zijn en zonder dat dit gedrag vanuit een centrale leiding wordt aangestuurd (zelforganisatie). Bovenstaande afbeelding verklaart het principe van zwerm-intelligentie bij mieren: Stel dat twee mieren tegelijkertijd in noordelijke richting het nest verlaten waarna de ene (B) het obstakel linksom passeert en de andere (R) rechtsom. Zij vinden bij toeval dezelfde voedselbron en keren met het verzamelde voedsel naar het nest terug waarbij zij het door henzelf op de heenweg uitgezette geurspoor terug volgen. Maar omdat de route van B korter is die van R, zit er minder tijd tussen de passages van B waardoor zijn geurspoor sterker is dan dat van R. Een volgende mier die het geza- menlijke geurspoor volgt zal bij het opstakel kiezen voor het sterkste geurspoor, dat van B, en versterkt daarmee dat geurspoor nog verder. Overigens zijn er ook altijd mieren die van de geur-route afwijken en die dragen daarmee bij aan het optimaliseren van de route of aan het vinden van nieuwe voedsel- bronnen. Dit mechanisme werkt ook bij het vaststellen van de prioriteitenvolgorde in geval van meerdere voed- selbronnen met verschillen in richting, afstand, moeilijkheidsgraad en rijkdom van de bron. De waarde en de onderlinge afstemming van de variabelen worden op analoge wijze vertaald in de sterkte van het geurspoor. Zo verzamelt een mier zijn voedsel bij een rijke voedselbron sneller dan bij een arme bron en keert hij dus ook eerder naar het nest terug met hetzelfde gevolg als bij het vinden van een kortere route. Bepaalde mierensoorten staan bekend om hun meer complexe vormen van zwerm-gedrag, zoals land- bouw (het verbouwen van schimmels), veeteelt (het "melken" van luizen), roof (in naburige nesten), en slavernij (roof van de poppen van andere mierenvolken). Verder zien wij verregaande temperatuur- en vochtigheidsregulatie van het nest (de mierenhoop dient als zonnewarmte- en ventilatiekoepel, en het warmte-transport vindt plaats door in de zon opgewarmde mierenlijfjes en door beheerste ventilatie). En de rode vuurmier gaat in geval van overstroming zelfs over tot vlottenbouw (plateaus van zich aaneenhakende levende mieren die dankzij hun waterafstotende pantser door een dun laagje lucht omgeven zijn).
Op mieren rekenen
Sociale insecten zoals mieren komen op basis van een stel eenvoudige regels tot doeltreffende collectieve prestaties. De kolonie is intelligenter dan de afzonderlijke individuen die er deel van uit maken, met als resultaat een robuust en flexibel geheel. Computerwetenschappers en ingenieurs zijn erin geslaagd deze prehistorische strategie te vertalen naar nuttige hedendaagse toepassingen op het gebied van dataverkeer, logistiek en distributie. En mieren hebben wellicht nog meer in petto.
Kris De Decker
De Financieel-Economische Tijd, Zaterdag 14 september 2002
De ijver en kracht van mieren is bekend, maar de manier waarop ze op zoek gaan naar voedsel in minstens even opmerkelijk.
Deze oeroude insecten communiceren niet rechtstreeks met elkaar, maar via de omgeving. Dat doen ze door het afscheiden van feromonen, geursporen die slechts langzaam weer verdwijnen.
Deze vorm van indirecte communicatie berust op twee eenvoudige gegevens : elke mier zet feromonen af terwijl ze zich voortbeweegt en elke mier verkiest het spoor te volgen dat het rijkst is aan deze geurstoffen.
Daarom vinden mieren altijd hun weg tussen een voedselbron en het nest en daarom gaan mieren na een tijd allemaal via dezelfde, kortste route wandelen.
Op deze manier kunnen ze zich ook aanpassen aan veranderingen in die omgeving, als er bijvoorbeeld een obstakel op hun weg terechtkomt. Aangezien het feromoonspoor dan onderbroken wordt, zal een deel van de mieren linksom gaan, terwijl een ander deel langs rechts het obstakel probeert te omzeilen. De insecten die per toeval de kortste weg kiezen, zullen eerder het onderbroken pad herstellen. Bijgevolg ontvangt het kortere pad meer feromonen in dezelfde tijdspanne, wat er op zijn beurt toe leidt dat meer en meer mieren dat pad zullen volgen.
Het is de kolonie die in staat is om steeds weer de kortste weg te vinden, niet de afzonderlijke mieren.
Rekenkracht
Deze manier van communiceren, realiseerde Marco Dorigo zich een decennium geleden, kan ook van nut zijn voor het oplossen van combinatorische optimaliseringsproblemen, zoals het handelsreizigersprobleem.
Bij dit bekende wiskundige vraagstuk is het de bedoeling de kortste weg te vinden tussen een gegeven aantal steden, terwijl je elke stad maar 챕챕n keer mag bezoeken en waarbij je terug moet aankomen in de stad waar je vertrokken bent.
Professor Marco Dorigo, nu verbonden aan de Université Libre de Bruxelles (ULB) maar toen nog student kunstmatige intelligentie in Milaan, had meteen een onderwerp voor zijn doctoraat.
De grondlegger van het rekenen met mieren stuurde zijn revolutionaire idee ook naar een gereputeerd vakblad voor ingenieurs, waar het meer dan vijf jaar bleef liggen. Maar toen het uiteindelijk werd gepubliceerd, ging de bal aan het rollen. Dit weekend zitten tientallen biologen en ingenieurs uit de gehele wereld bij elkaar in Brussel voor de conferentie Ants2002. De tweejaarlijkse internationale workshop, voorgezeten door Dorigo, vindt al voor de derde keer plaats.
Het handelsreizigersprobleem is van het type ‘NP-hard’ (NP-moeilijk), een wiskundige term die erop duidt dat de tijd die nodig is om de optimale oplossing te vinden, exponentieel groeit met de omvang van het probleem. De berekening loopt dan ook al gauw stuk op de beschikbare rekenkracht van de computer. Om de optimale oplossing te vinden, moet je alle mogelijkheden verkennen. Dorigo : ‘Afhankelijk van de rekenkracht vraagt het bijvoorbeeld 1 uur computertijd om het probleem op te lossen met 10 steden. Wil je dezelfde berekening doen met 11 steden, dan heb je 10 uur rekentijd nodig. Met 12 steden vraagt de berekening al honderd uur tijd. Stel dat je een algoritme ontwikkelt dat dit probleem oplost met 10.000 steden : datzelfde algoritme is waardeloos als je dezelfde berekening wil maken met 10.005 steden.’
Er is een andere mogelijkheid, weet Dorigo : ‘In plaats van twintig jaar lang op de absoluut optimale oplossing te wachten, kun je beter in twintig seconden verschillende goede oplossingen bekomen.’
Software gebaseerd op de communicatie bij mieren blijkt daar erg goed in te zijn. In plaats van alle mogelijke routes te berekenen, laat het programma een hoop virtuele mieren los, die vervolgens zelf hun weg zoeken door het probleem heen. De software imiteert de eenvoudige gedragsregels op basis van feromonen. Ook deze abstracte insecten laten denkbeeldige geursporen achter op hun pad en ze volgen het liefst die routes die het sterkst geuren. De artificiële mieren kregen ook karakteristieken mee die echte mieren niet hebben, zoals een geheugen en sneller verdampende feromonen, wat veel betere algoritmes opleverde. Dankzij het geheugen kunnen ze de hoeveelheid achtergelaten geurstoffen laten afhangen van de kwaliteit van de gevolgde route. De keuze van een volgende stad wordt bepaald door de hoeveelheid feromonen op de verschillende routes. ‘Goede routes worden zo versterkt en op die manier komt vrij snel een oplossing naar boven, die waarschijnlijk wel niet de beste, maar wel een goede oplossing is’, zegt Dorigo.
De mierenalgoritmes werden oorspronkelijk uitgedacht als een benaderende oplossing voor het handelreizigersprobleem, maar dezelfde methodologie – Ant Colony Optimization (ACO) – wordt nu ook met succes toegepast op andere optimaliseringsproblemen.
Het handelsreizigersprobleem kent vele varianten, die allemaal NP-moeilijk zijn. Dorigo : ‘Voor het handelreizigersprobleem kan je met een zeer krachtige computer op een redelijke tijd, zeg een dag, een optimale oplossing vinden voor 20.000 steden. Maar voor andere, zoals het Quadratic Assignment Problem, kan dat maar voor 50 items.’
Bij dit probleem moet je een gegeven aantal items (bijvoorbeeld fabrieken) in een even groot aantal locaties plaatsen. Tussen de fabrieken vindt een uitwisseling plaats, maar die hoeveelheid varieert. Waar plaats je dus welke fabrieken opdat je de materialen over zo’n kort mogelijke afstand moet vervoeren ?
Nog lastiger is het Vehicle Routing Problem. Elke knoop stelt bijvoorbeeld een klant voor die op de bus wacht. Een knoop is de busdepot, waar een aantal bussen klaar staan om te vertrekken. Het is de bedoeling de routes van de bussen zodanig uit te stippelen dat de totaal afgelegde reisafstand minimaal is, dat elke bus maar zoveel passagiers ophaalt als zijn maximum capaciteit toelaat, dat er zo weinig mogelijk bussen nodig zijn, dat de lengte van de route van elke bus onder een gegeven maximum blijft én dat alle bassen op het einde van hun route terug in het depot aankomen. Een ingewikkelder variant houdt ook rekening met een bepaalde tijdspanne waarbinnen een klant opgehaald moet worden.
Logistiek
Combinatorische optimaliseringsproblemen doen zich voor in de logistiek, distributie, catering, bij het opmaken van tijdstabellen of bij het plannen van distributie of productie.
Het Zwisterse bedrijf AntOptima, dat ook de conferentie sponsort, heeft de mierenalgoritmes intussen gecommercialiseerd om logistieke problemen op te lossen. Het gaat om benaderende toepassingen van het Vehicle Routing Problem en het Sequential Ordering Problem. Die mierensoftware wordt al gebruikt door de Italiaanse oliemaatschappij Agip en door de Zwitserse distributieketen Migros.
Hoewel ze dus erg verschillende toepassingen hebben, zijn al deze probleemstellingen op wiskundig vlak gelijk. Het gaat om problemen die herleidbaar zijn tot het zoeken in een graaf, dat is een abstracte wiskundige figuur die bestaat uit een aantal punten of knopen, verbonden door lijnen of bogen. ( een netwerk met “knopen ” of nodes )
Een graaf kan statisch zijn, zoals in de vermelde probleemstellingen ; de afstand tussen de ‘steden’ of knooppunten blijft immers altijd gelijk. Maar de graaf kan ook dynamisch zijn. En zo stuiten de mierenrekenaars op nieuwe toepassingen.
Het probleem van routing – het rondsturen van datapakketjes in netwerken – kan worden herleid tot het zoeken van het kortste pad in een dynamische graaf. Ook daarvoor is een methodologie ontworpen : Ant Colony Routing (ACR). ‘De mierenalgoritmes blijken ook uitermate geschikt te zijn voor het controleren van pakketgeschakelde netwerken zoals internet’, zegt Dorigo.
‘Maar er zijn nog geen toepassingen. Daar is de techniek nog niet klaar voor. Er is wel interesse van netwerkbouwers.’
Er zijn nog veel meer algoritmes die geïnspireerd zijn door mieren en door andere sociale insecten, maar die zitten nog in de fase van fundamenteel onderzoek.
Als groep worden ze ook aangeduid met de term ‘swarm intelligence’. Dorigo en zijn medewerkers doen bijvoorbeeld ook onderzoek naar het besturen van modulaire robots, die van nut kunnen zijn bij reddingsoperaties of rampen.
‘Het idee is een groep robots te laten samenwerken om problemen op te lossen, ook hier weer zonder centrale controle. Ook in dit geval blijkt de mierenkolonie een voorbeeld te zijn :
Mieren bouwen clusters van larven. Ze volgen daarbij zeer eenvoudige regels, bijvoorbeeld : als ik geen larf draag en ik vind er één, dan til ik ze op. Maar ligt ze dichtbij andere larven, dan laat ik ze liggen. En als ik een larve draag, leg ik ze neer bij andere larven. Zie ik geen andere larven, dan blijf ik de larve dragen. We proberen de robots te laten clusteren, geïnspireerd door deze eenvoudige regels.’
Ook de werkverdeling zorgt voor inspiratie. Dorigo :
˜Elke mier kan alle mogelijke taken uitvoeren, maar voor elke taak hebben ze een bepaalde ingebouwde drempel. Dat blijkt bijvoorbeeld uit een experiment met werkers en soldaten. Normaal gezien houden de soldaten zich niet bezig met larven. Zij hebben dus een hoge drempel voor deze stimulus, in dit geval de geur die de kolonie verspreid wanneer de larven aandacht nodig hebben. Maar van zodra je werkers gaat verwijderen, gaat die stimulus omhoog en op een bepaald punt, wanneer je voldoende werkers hebt verwijderd, beginnen sommige soldaten hun taak over te nemen. Verwijder je alle werkers, dan doen de soldaten al het werk. Het enige verschil is dat ze er iets later aan beginnen, omdat de drempel voor die bepaalde stimulus hoger is. Ook dit model zou je op robots kunnen toepassen.’
Rekenen met mieren is niet de enige oplossing.
Er bestaan tal van andere andere technieken voor het oplossen van ‘NP-moeilijke’ problemen die gebouwd zijn rond enkele basisprincipes ontleend aan een natuurlijk fenomeen. Zo wordt ook gewerkt met neurale netwerken, waarbij de oplossing wordt gezocht via de werking van de hersenen. De mierenalgoritmes scoren het best voor enkele problemen, maar moeten de duimen leggen bij de andere.
°
Mieren werken zeer effectief samen bij ‘voedseljacht’
27 mei 2014
Potsdam Institute for Climate Impact Research.
Cirkelpatroon
De wetenschappers brachten zeer nauwkeurig in kaart hoe mieren samenwerken bij hun zoektocht naar voedsel. In eerste instantie zoeken de dieren allemaal apart in een soort cirkelpatroon rond hun nesten op een nogal chaotische manier.
Als één van de dieren op een voedselbron stuit, laat deze mier een geurspoor van feromonen achter naar deze plek.
Andere mieren volgen dat spoor, maar meestal niet in een rechte lijn, omdat het nog slechts om een beperkte hoeveelheid geurstoffen van slechts één soortgenoot gaat.
Geuren
Ook komen er zo veel mieren op het voedsel af, dat ze wel verschillende routes moeten nemen. Alle individuen die het voedsel uiteindelijk bereiken laten op de terugweg ook weer geursporen achter. Aangezien deze feromonen snel weer verdampen, blijft de geur het langst liggen op de kortste wegen naar het voedsel.
Daardoor zullen steeds meer mieren deze wegen kiezen en blijven er op de kortste routes steeds meer geurstoffen achter, zodat de gevonden voedselbron uiteindelijk zeer snel en efficiënt wordt geplunderd.
Transport
“Hoewel een enkele mier niet erg slim is, operen mieren als collectief op een manier die ik intelligent zou willen noemen”, (2)verklaart hoofdonderzoeker Jürgen Kuhrts.
De wetenschappers hebben het gedrag van de mieren inmiddels teruggebracht tot vergelijkingen en algoritmes die samen een computermodel kunnen vormen.(1)
Dit soort modellen kunnen volgens hen van pas komen bij het organiseren van bijvoorbeeld ingewikkelde transportproblemen, of programma’s die naar informatie zoeken op internet.
Door: NU.nl/Dennis Rijnvis
(1) algoritmes en vergelijkingen die samen een computermodel vormen –> wordt al langer dan vandaag (2014) op grote schaal toegepast
Klik om toegang te krijgen tot 1740.pdf
–> Ook Computersystemen die dit nabootsen en dus ook de kortste weg opleveren zijn er al sinds lang ( zelfs met ” verdampende feronoom sporen “/ Kwestie van de mier zich te laten draaien naar de cell met de hoogste concentratie (dus richting voedsel) en per tick een fractie afhalen van alle cellen in het feromoongrid (ik gebruikte een dictionary). ….Ik heb zelfs scouts en guardmieren ingebouwd samen met een genetisch algorimte voor de beste samenstelling van het nest (plus wat andere factoren zoals o.a. de verhouding tussen deze mieren, de intensiteit van het feromoon en de plakkerigheid ervan). ….Dus wat er nou nieuw is aan dit artikel en de manier waarom ze het modelleren?
—> Dit is niet echt nieuwe informatie …. Er zijn nu in 2014 al honderden docu’s over // al jaren bekend….
* Alhoewel : de wiskunde zal wel nieuw en verbeterd zijn of volgens andere principes zijn opgezet
–> het gaat niet om die beestjes maar om robots en drones en hoe die moeten gaan samenwerken in het battlefield van de toekomst
Er is een hoop over te doen google : robot swarming youtube
https://www.google.be/?gfe_rd=cr&ei=bvyFU5eXKdCHOtLFgJgM#q=robot+swarming+youtube
(2) Mieren zijn geen dier op zich. Een mierenkolonie is het organisme, De losse mieren zijn beter te zien als losse cellen met pootjes, steriele klonen op een paar geslachtsmieren (net als onze geslachtscellen) na.
Zelfde als bij een koraalrif. En net als dat wij cellen verliezen en cellen niet voor zichzelf moeten opkomen gaat dat ook op voor mieren en bijenvolkeren. Mieren zijn op zich niet intelligent, het volk wel.
°
Steiner tree. / Networking
http://www.itnews.com.au/News/248359,ants-build-cheapest-networks.aspx
http://myrmecos.net/2011/02/20/how-do-ants-find-the-shortest-path/comment-page-1/#comment-9178
°
SLIJMZWAMMEN NETWERKEN
Wat is het meest solide en efficiënste wegennetwerk om van stad naar stad te reizen?
Computermodellen geven het antwoord!
Maar slijmzwammen zoeken altijd de meest solide wegen, waardoor de resultaten van het onderzoek gebruikt kunnen worden om mobiele communicatie stabieler te maken.( en het beste model te kiezen )
* Eerder (25 januari 2010) experimenteerden Japanse wetenschappers met slijmzwammen. Ze plaatsten havervlokken op een ondergrond in dezelfde structuur als de Japanse steden. Iedere havervlok was één Japanse stad. Vervolgens werd een cel van de slijmzwam geplaatst. In 26 uur tijd verbond de slijmzwam de verschillende havervlokken met elkaar.
Getalenteerde en toegewijde ingenieurs hebben vele uren besteed aan het ontwikkelen van het Japanse spoorsysteem. Het is dan ook niet voor niets dat het Japanse spoorsysteem één van de meest efficiënte systemen ter wereld is. Toch had Japan veel geld kunnen besparen. Enkele havervlokken en een slijmzwam kunnen het ook.
Japanse wetenschappers hebben een bijzonder experiment gedaan. Ze plaatsten havervlokken op een ondergrond in dezelfde structuur als de Japanse steden. Iedere havervlok was één Japanse stad. Vervolgens werd een cel van de slijmzwam geplaatst. In 26 uur tijd verbond de slijmzwam de verschillende havervlokken met elkaar.
Verrassend genoeg lijkt het eindresultaat erg op de structuur van het Japanse spoorsysteem. “Er zijn veel overeenkomsten tussen de twee systemen”, concludeert onderzoeker Mark Fricker van de universiteit van Oxford. De slijmzwam bouwt eerst een heel erg fijn netwerk, om het daarna uit te breiden en te verstevigen.
Het nieuwe onderzoek helpt onderzoekers om biologische vragen te beantwoorden, zoals hoe bloedvaten groeien om tumoren te ondersteunen. Het netwerk van een tumor begint als een dichte, ongestructureerde bende, maar daarna verfijnd de tumor haar connecties om efficiënter te worden.
Binnen 26 uur ontstaat een slim netwerk.
Het verschil tussen het netwerk van de slijmzwam en het spoorsysteem van Tokio.
Britse wetenschappers voerden een dergelijk experiment uit op de computer(19 mei 2010 )
Ze namen een kaart van de Verenigde Staten en plaatsten havervlokken op diverse plekken. De havervlokken stellen de Amerikaanse steden voor. Vervolgens lieten ze de slijmzwammen los. De eerste keer vanaf één punt (New York), de tweede keer verspreid over het hele land.
De slijmzwammen creërden goede netwerken, hoewel sommige Amerikaanse steden afgezonderd worden.
(In de eerste video is te zien hoe Boston na verloop van tijd niet meer te bereiken is. Neem de video’s dus met een korrel zout. http://www.scientias.nl/slijmzwammen-maken-kaart-van-de-vs/9182 )
De simulaties zijn statistisch niet accuraat en houden geen rekening met de verschillende groottes van de steden.
 |
Afscheid van Descartes |
LINKS
Carl Zimmer
Photograph from a Japanese language extra edition newspaper from January 1934, showing the aftermath of the human stampede at the Kyoto Railroad Station. The images show Imperial Japanese Navy personnel trying to help victims. This stampede caused 77 deaths and 74 injuries.
http://en.wikipedia.org/wiki/Incidents_during_the_Hajj
Hajj : de heiligste pelgrim-plaatst van de islam in Mekka
(links) Kaaba ommegang ( rechts ) stoning the devil
Grotere mensenmassa driedimensionaal gesimuleerd
Wetenschappers van de universiteit Utrecht hebben nieuwe software ontwikkeld waarmee mensenmassa’s bestaande uit wel 80.000 personen kunnen worden gesimuleerd. De software is daarmee een aanzienlijke verbetering ten opzichte van de oudere software die op 35.000 mensen bleef hangen.
Wist u dat bewegingen van mensenmassa’s gesimuleerd kunnen worden op de computer? Aan de Universiteit Utrecht hebben informatici nieuwe software ontwikkeld om te kijken hoe een grote mensenmenigte zich beweegt, bijvoorbeeld door een station of tijdens een evenement als Koninginnedag.
Door de vele verbouwingen moeten bijvoorbeeld wandelroutes door de stations van Amsterdam en Utrecht voortdurend aangepast worden. De nieuwe software berekent elke stap van tienduizenden mensen, waarbij elke stap van de één ook de bewegingsruimte van de ander beïnvloedt. Precies zoals het in het echt dus ook gaat. Informaticus Dr. Roland Geraerts van de Universiteit Utrecht vertelt: “Dat vraagt ongelooflijk veel van een computer. Eerdere simulatiesoftware liet alle mensen over één lijn lopen. Kwam er van de andere kant ook iemand aan, dan liepen zij door elkaar heen. Wij laten de computer extreem slim rekenen. Hierdoor kunnen mensen overal lopen, ontwijken zij elkaar op een realistische manier en is het veel eenvoudiger om veranderingen in de omgeving aan te brengen”.
Velen onder ons spelen games op de computer. Van hieruit is dan ook de software voor het simuleren van mensenmassa’s ontwikkeld. Elk personage in een game moet reageren op signalen van buitenaf of moet reageren op een verandering van de omgeving. Daarnaast moeten personages geloofwaardige routes kiezen en zich realistisch bewegen. Zij moeten niet alleen kunnen lopen, maar ook kunnen rennen, kruipen, springen en klimmen. Net als gewone mensen. Het uiteindelijke doel is om een virtuele wereld te kunnen creëren met personages die real-time en levensecht reageren
Mensenmassa’s simuleren: voorbereid op de ergste rampen
Het is een indrukwekkend gezicht: het marcheren van soldaten. Rij aan rij, precies aan de pas. Een grote inspanning die veel training vereist. Voor een computer is dit echter kinderspel, de echte uitdaging is om iedereen door elkaar heen te laten lopen, ieder met een doel, een snelheid en een richting en zonder tegen elkaar op te botsen.
Onderzoeker Dr. Roland Geraerts van de Universiteit Utrecht ontwikkelde software waarmee simultaan de bewegingen van tot 80.000 objecten in realtime kunnen worden gesimuleerd. Deze software wordt bijvoorbeeld gebruikt om te kijken of de verwachte mensenmassa op Koninginnedag op een ordentelijk manier kan worden ontvangen in Amsterdam. Maar dat is niet de enige toepassing.
Waarom mensenmassa’s simuleren?
Er zijn een aantal redenen om mensenmassa’s te simuleren. Redenen die trouwens door recente gebeurtenissen, zoals de LoveParade in Duisburg, nog extra onderstreept worden. Hier zorgde een te kleine tunnel naar een festivalterrein voor 21 doden en 510 gewonden. In dit geval kunnen simulaties gebruikt worden om een ramp te voorkomen. Op belangrijke vragen geven simulaties een veilig en verantwoord antwoord. Kan een vergunning worden afgegeven? Zijn er voldoende in- en uitgangen? En kan het terrein de massa mensen aan?
Chaos
Een andere reden om simulaties te gebruiken is om in kaart te brengen hoe druk het ergens kan worden. Vanuit veiligheidsperspectief zou een organisator of een vervoerder alternatieve routes kunnen aangeven of kunnen wachten met het sturen van bepaalde groepen mensen. Liever even een paar minuten wachten dan het creëren van een chaos. Ook voor ontwerpers en architecten is het goed om te weten of hun ontwerpen de stroom bezoekers, klanten of medewerkers kunnen verwerken, nog voor de eerste paal de grond in gaat.
Rood en blauw passeren elkaar, maar moeten door dezelfde smalle opening. Gaat dit lukken of niet? Simulaties geven antwoord op dit soort vragen.
Gamen
Als laatste zijn er de toepassingen in de gamewereld. Wanneer gameontwikkelaars in staat zijn om op een realistische manier groepen soldaten, bewoners of zombies te simuleren, dan levert dit een betere gameplay op. Ook in films – die steeds vaker met een computer worden gemaakt – kan de software voor realistische scénes zorgen. De simulatie wordt dan gecombineerd met de animatie en rendering software.
Hoe werkt het dan?
Allereerst is het van belang om te snappen dat de beweging van een bepaald individu een gevolg kan hebben op een totaal andere plaats. Dit concept, ook wel bekend als het butterfly-effect of chaos-theorie, maakt dat een computer alle bewegingen moeten doorrekenen voor alle gesimuleerde individuen om de optimale paden te berekenen. In de praktijk is dat helaas niet mogelijk, omdat in een game slechts een klein percentage van de CPU-kracht beschikbaar is voor de simulatie terwijl de game wel real-time moet blijven.
Crowdsimulatie op het Domplein, gemaakt door de studenten Jordy Boot en Christian Boer.
Modelleren van de begaanbare ruimte
Waar kan iemand wel lopen en waar niet? Het is logisch dat een mens niet door gebouwen loopt. Daarnaast wil iemand op bepaalde plekken liever niet lopen. Bij een ravijn is het verstandig om een veilige afstand tot aan het ravijn aan te houden. Er zijn weinig mensen die het ravijn opzoeken. In het algemeen zijn beloopbare plekken in een aantal terreintypes op te delen. Voetgangers geven de voorkeur aan het voetpad of gras, terwijl auto’s zich liever voortbewegen over de straat. Toch moet het mogelijk zijn dat de auto’s in bepaalde situaties over het voetpad kunnen rijden, bijvoorbeeld als een stuk van de weg afgezet is. Terreintypes kunnen ook dynamisch veranderen. Kijk maar naar olifantenpaadjes in het park, gemaakt door mensen die een sluiproute nemen door de struiken of over het gras. Allemaal elementen die meegenomen moeten worden. Om een game of simulatie snel te maken, moeten alle beloopbare gebieden en hun terreintypes in kaart worden gebracht.
De software van UU maakt een precieze beschrijving van de begaanbare ruimte, niet alleen in het 2D-vlak maar ook over meerdere verdiepingen in een 3D-omgeving. Handig om bijvoorbeeld een evacuatie van een gebouw te simuleren of te berekenen hoe een voetbalstadion zich het snelste met mensen kan vullen. Daarnaast kan ook de hoogte worden meegenomen zodat bijvoorbeeld kinderen ergens wel onder door kunnen en volwassenen niet.
Zo is het mogelijk om op station Utrecht Centraal de stromen reizigers te simuleren. Dit is juist nu enorm relevant, omdat er op dit moment ook renovaties gaande zijn die het niet mogelijk maken om de normale routes te volgen.
In deze video ziet u hoe de modellen helpen om oplossingen te bieden voor problemen.
Dynamische updates
Als een obstakel (zoals een gebouw, brug of auto) aan een (game)omgeving wordt toegevoegd of verwijderd, dan hebben we te maken met een dynamische verandering van de omgeving. Zo gebeuren er dingen die de paden in de begaanbare ruimte veranderen, bijvoorbeeld wanneer een weg wordt afgesloten vanwege gevaar. Bij een verbouwing kan een simulatie belangrijke input geven over hoe de renovatie moet worden aangepakt. Bij een calamiteit kan in realtime worden bekeken hoe mensenstromen gaan lopen of moeten worden omgeleid.
Schaalbaar
Het systeem kan tot 80.000 individuele ‘karakters’ simuleren. Een karakter is trouwens niet alleen een mens. Alles dat beweegt, kan worden gesimuleerd. Een karakter kan een eigen pad hebben. Bijvoorbeeld kinderen zijn gek op het lopen langs railingen of klimmen op hoge muurtjes. Nog maar even afgezien van de aantrekkingskracht van een regenplas! Daarbij moet een simulatie om kunnen gaan met verschillende typen karakters zoals een monster, paard, of tank. Snelheid, doel en profiel zijn individueel instelbaar.
Botsen
Normale mensen willen ook niet tegen andere mensen botsen en zullen daarbij beslissingen maken op basis van de omgeving. Gaan we linksom of rechtsom? Ieder gedrag heeft invloed, dus ook het elkaar ontwijken. Dit kan leiden tot een vertraging of opstopping in de mensenstroom. Een eenvoudig model dat in de praktijk goed werkt is de volgende. Elk persoon berekent met welke andere personen een mogelijke botsing gaat plaatsvinden als iemand in hetzelfde tempo en in dezelfde richting blijft lopen. Wanneer dit betekent is, kan de route iets aangepast worden door langzamer of sneller te lopen of door de richting een beetje bij te draaien. Wanneer elk persoon op deze manier anticipeert, ontstaan er weinig botsingen.
Een multifunctioneel model
Het model dat de software van de begaanbare ruimte maakt, laat niet alleen zien welke paden en bewegingsmogelijkheden er zijn, maar biedt ook informatie over ‘line of sight’. Deze informatie kan gebruikt worden om bijvoorbeeld de bewegwijzering op de beste manier aan te brengen.
Een volwassene zal de blauwe lijn volgen, maar wat doet een kind?
NCS4
De software van de UU wordt trouwens niet alleen in academische kringen gebruikt. In Nederland gebruikt het bedrijf InControl het om groepen mensen te simuleren voor bouwbedrijven en vervoersbedrijven. Recent is InControl gekozen als bedrijf om met de software van de Universiteit Utrecht voor de Amerikaanse National Center for Spectator Sports Safety and Security (NCS4) een simulatie en trainingsomgeving voor stadions te ontwikkelen.
Technologie
De ontwikkeling van deze gametechnologie is al begonnen in het Gate (Games for Training and Entertainment)-project. In het COMMIT-project ‘Virtual Worlds for Wellbeing’ is de ontwikkeling verder gegaan met deze nieuwe versie als gevolg. De software draait goed op hedendaagse hardware. Een demoversie is te downloaden via http://www.staff.science.uu.nl/~gerae101/ecm/. Ook binnen de richting Gametechnologie op de UU wordt druk gewerkt. Meer hierover op: http://www.gametechnologie.nl.
Iedere dag in een massa
Zonder we het realiseren zitten we regelmatig in een crowd. Bijvoorbeeld als we op een druk treinstation staan, tijdens grote evenementen als festivals of Koninginnedag of als we een voetbalwedstrijd bezoeken. Op zulke momenten willen we veilig zijn en snel ons doel bereiken. Ongelukken of catastrofes zijn nooit te voorkomen, maar de gevolgen ervan kunnen door middel van simulatiesoftware wel worden beheerst, door bijvoorbeeld bij de vergunningsverlening een simulatieanalyse te doen of te eisen van de organisator.
Het Engelse spreekwoord ‘Better Safe Than Sorry’ moet wel aangepast worden door deze nieuwe software. Het wordt nu ‘Better Simulated And Safe, Than Sorry’!
Opmerkingen ;
1.- )……a) Moet je niet ook blinde paniek toevoegen ?
b) En het effect wat karakters op elkaar hebben als ze die paniek van elkaar overnemen ?
a) —–> “Jens Krause has listened to hundreds of eye witnesses recounting these moments and the people’s reactions confirm his research findings about social behavior.
“Panic is the very last thing that sets in when a situation escalates,” the biologist from the Institute of Freshwater Ecology at Berlin’s Humboldt University says. It was only when the ( Twin ) towers collapsed that total chaos and mayhem broke out.”
b)
—>Lijkt me wel.
Wat ik ervan begrijp is dat het ook agent-gebaseerde modellen betreft en de agenten (= autonome eenheden, in dit geval personen) bepaalde startcondities kunnen worden meegegeven die de verspreiding van paniek en de gevolgen daar dan weer van , kunnen simuleren in het besproken model .
http://www.intechopen.com/book…
2.-) Bij de bepaling van de lay-out van een gebouw, moet je dan ook niet rekening houden dat bijv. brand op verschillende willekeurige plekken kan ontstaan ?
—>Ik neig ertoe te denken dat branden in gebouwen over het algemeen niet op willekeurige plekken ontstaan, wel mogelijk op veel verschillende plekken. Dat maakt de zaak enigszins wat overzichtelijker en voorspeslbaar , maar je moet natuurlijk wel rekening houden met obstakels bij de evacuatie, wat – contra-intuïtief – niet wil zeggen dat je ze allemaal zoveel mogelijk moet verwijderen
Tsjok's blog 
Recente reacties