Position-Based Flocking for Persistent Alignment without Velocity Sensing

Titel: Positiegebaseerd flocking voor persistente uitlijning zonder snelheidsmeting

Auteurs: Hossein B. Jond et al.
Publicatie: arXiv:2602.22154v1 [cs.RO] (25 feb 2026)

---

1. Probleemstelling

Traditionele modellen voor collectieve beweging (flocking) in zwermen, zoals het beroemde Boids-model van Reynolds en het Vicsek-model, zijn vaak afhankelijk van snelheidsinformatie (velocity alignment) om coherente beweging te bereiken. In robotische systemen vormt dit echter een aanzienlijke uitdaging:

• Sensoren: Snelheid is vaak moeilijk direct te meten of vereist schattingen die gevoelig zijn voor ruis (bijv. door differentiatie van positiegegevens).
• Communicatie: Het uitwisselen van snelheidsvectoren tussen agenten vergt meer bandbreedte dan het uitwisselen van posities.
• Biologische plausibiliteit: Empirisch onderzoek suggereert dat biologische zwermen (zoals vogels en vissen) mogelijk geen expliciete snelheidsmatching gebruiken, maar eerder reageren op visuele cues en relatieve posities.

Het paper adresseert de vraag hoe men persistente uitlijning (het behouden van een gezamenlijke richting over lange tijd) kan bereiken in een zwerm, uitsluitend op basis van positiegegevens, zonder directe snelheidsmeting of -communicatie.

2. Methodologie

De auteurs presenteren een nieuw model dat voortbouwt op bestaande flocking-algoritmen maar de snelheidsafhankelijke term vervangt door een positiegebaseerde benadering met een "zwak geheugen".

A. Basisdynamiek

Het systeem bestaat uit $n$ agenten met positie $p_i$ en snelheid $v_i$. De besturing $u_i$ combineert twee componenten:

1. Cohesie-Separatie: Een kracht die agenten dichter bij elkaar trekt of duwt op basis van de afstand tot hun buren (afhankelijk van een evenwichtsafstand $\delta_i$).
2. Uitlijning (Alignment): De kerninnovatie.

B. Positiegebaseerde Snelheidsbenadering

In plaats van de relatieve snelheid $(v_j - v_i)$ direct te meten, wordt deze benaderd door de verandering in relatieve positie over de tijd:
$$v_j - v_i \approx \frac{(p_j - p_i) - (p_j(0) - p_i(0))}{t}$$
Hierbij fungeert $(p_j(0) - p_i(0))$ als een initieel "imprint" (een zwak geheugen van de beginconfiguratie). De agenten proberen hun huidige relatieve positie te laten overeenkomen met de initiële relatieve positie, wat impliceert dat ze in dezelfde richting bewegen.

C. Het Threshold-mechanisme (Persistente Uitlijning)

Een puur positiegebaseerde benadering met een factor $1/t$ heeft een groot nadeel: naarmate $t \to \infty$, gaat de uitlijningsterm naar nul, wat leidt tot het verlies van coherente richting.
Om dit op te lossen, introduceren de auteurs een tijdsafhankelijke versterkingsfactor $\phi$ met een drempelwaarde:

$$\phi = \begin{cases} \frac{|N_i|}{t} & \text{als } 0 < t \leq \frac{1}{k} \\ k |N_i| & \text{als } t > \frac{1}{k} \end{cases}$$

• Transiënte fase ($t \leq 1/k$): De versterking neemt af ($1/t$), wat zorgt voor snelle, initiële aanpassing gebaseerd op het "imprint" van de beginpositie.
• Persistente fase ($t > 1/k$): De versterking saturatie naar een constante waarde $k|N_i|$. Dit voorkomt dat de uitlijning verdwijnt en zorgt voor persistente uitlijning zonder dat de snelheid ooit direct gemeten wordt.

De totale besturingswet wordt:
$$u_i = \sum_{j \in N_i} (\psi(\|p_j - p_i\|) + \phi)(p_j - p_i) - \phi \sum_{j \in N_i} (p_j(0) - p_i(0))$$

3. Belangrijkste Bijdragen

1. Snelheidsvrije uitlijning: Een wiskundig model dat persistente collectieve uitlijning bereikt zonder enige snelheidsinformatie (sensing of communicatie).
2. Het "Imprint"-concept: Het gebruik van de initiële relatieve positie als tijdelijk geheugen om de bewegingsrichting te infereren, wat biologisch plausibel is (analoog aan hoe dieren beweging waarnemen via visuele stroming).
3. Drempelmechanisme: Een innovatieve oplossing voor het probleem van vervagende uitlijning in tijd-afhankelijke systemen, waardoor de zwerm stabiel blijft over lange periodes.
4. Validatie: Het paper biedt zowel simulaties als experimenten met echte robots, wat zeldzaam is voor dit type theoretisch werk.

4. Resultaten

Simulaties (50 Agenten)

• Vergelijking: Het model werd vergeleken met een traditioneel snelheidsgebaseerd model (V-based) en een positiegebaseerd model zonder drempel (P-based no thr.).
• Uitlijningsscore ($\gamma$): Het voorgestelde model (met drempel) bereikte een uitlijningsscore van bijna 1 (perfecte uitlijning) en behield deze gedurende de hele simulatie. Het snelheidsgebaseerde model toonde oscillaties en minder persistente richting. Het model zonder drempel verloor na verloop van tijd zijn uitlijning.
• Formatie: Het positiegebaseerde model met drempel resulteerde in compactere formaties met kleinere en stabielere onderlinge afstanden (1,5 - 2 m) vergeleken met het snelheidsmodel (2 - 3 m).
• Rigiditeit: De formatie behield geen starre vorm van de beginconfiguratie (de variantie in onderlinge afstanden nam toe), maar behield wel een sterke collectieve richting, wat overeenkomt met migrerende vogelzwermen.

Experimenten (9 Echte Robots)

• Platform: Negen GRITSBot-wielrobots in het Robotarium-testbed.
• Resultaat: De robots vormden een coherente, compacte zwerm die een gezamenlijke richting aanhield. De uitlijningsscore bleef hoog gedurende 120 seconden, ondanks actuatiefouten en ruis in de positiegegevens.
• Conclusie: Het model werkt robuust in de echte wereld, zelfs met beperkte sensoren en zonder snelheidsmeting.

5. Betekenis en Toekomstperspectief

• Robuustheid voor Robotswarms: Het model is ideaal voor scenario's waar snelheidsmeting onbetrouwbaar is (bijv. bij gebruik van LiDAR, UWB of visuele sensoren zonder optische flow) of waar bandbreedte beperkt is.
• Biologische Inzicht: Het bevestigt de hypothese dat coherente beweging in de natuur mogelijk voortkomt uit relatieve posities en anticipatie, in plaats van expliciete snelheidsmatching.
• Toepassingen: Geschikt voor drones, autonome voertuigen en sensor-netwerken die in onbekende of ruige omgevingen moeten opereren.

Beperkingen en Toekomstig Werk:
De huidige methode leidt tot zeer compacte, starre formaties die minder flexibel zijn dan natuurlijke zwermen tijdens het foerageren of het ontwijken van predatoren. Toekomstig onderzoek richt zich op het introduceren van ruimtelijke flexibiliteit binnen deze positiegebaseerde framework.

Samenvattend: Dit paper levert een doorbraak in de zwermrobotica door een wiskundig elegante oplossing te bieden voor het probleem van snelheidsmeting, waardoor robuuste, langdurige collectieve beweging mogelijk wordt met minimale sensorische vereisten.