在執行聯合任務時，機器人之間可以保持著不間斷的通訊，比如“我通過了一扇門，正向右轉90度”，“前進兩英尺，我遇到一堵墻，正右轉90度”，“前進4英尺，我遇到一堵墻”……這樣它們能同時掌握事件的最新進展。當然，計算機能毫無困難地把大量信息歸檔存儲，需要時立即調出來，判斷出當下情況，但對人類來說，這樣連串密集的數據會讓人瘋掉。

　　在前不久召開的美國人工智能發展協會年會上，麻省理工學院計算機科學與人工智能實驗室（CSAIL）研究人員提出了一種模擬機器人合作的新方法，能使所需的通訊量減少60%。新模型讓設計人與機器人合作系統變得更容易，比如打造出一支人機合作的應急救援隊伍。

　　降低多智能體系統通訊成本

　　在計算機術語中，多智能體系統（Multiagent System）是自主智能體（電子的或非電子的）之間能實現任意協作的系統。每個主體既要能運行一個反映它所認知的世界當前狀態的模型，即機器人世界觀，還要能運行其他任何一個機器人的世界觀模型。在模型精確性概率中，機器人本身也是需要考慮的因素，它們必須以這些概率為基礎，決定是否改變自己的行為。

　　模擬多智能體系統的方法稱為Dec- POMDP（分布式部分可觀測馬爾可夫決策過程）。Dec-POMDP系統包括多種不確定性，要考慮隊伍中某一個機器人的世界觀是否正確，它對伙伴世界觀的判斷是否正確，還要考慮它采取的任何一項行動能否成功。比如，機器人原計劃向前移動20英尺，卻發現橫向吹來的風把自己吹得偏移了路線。如果一個機器人決定發布一條新信息，會迫使同伴也更新自己的模型，在整體中攪起新一輪的不確定性。如果這一信息并非必要的，就只會造成嚴重滯緩而達不到任何目的。

　　一般情況下，Dec-POMDP系統會對環境情況做一些先驗假設，讓機器人在這些假設的基礎上行動。但緊急反應系統不能先做假設，因為救援隊通常要進入不熟悉的環境，最好的先驗知識也不管用。而且緊急救援要對環境有全局性掌握，算出一套多機器人方案極為耗時。研究人員的設計是，讓系統忽略行動效果的不確定性，假設無論一個機器人打算做什么，它都會去做。

　　協調個體行動使整體最優化

　　當機器人接到一條新信息，比如某建筑物內一條通道被封閉了，它有3個選擇：一是忽視這條信息；二是采納它但不發布出去；三是采納并發布該信息——每個選擇都有優點和相應的通訊成本。如果機器人把新信息納入自己的世界觀模型但不發出去，也會產生成本，即對同伴來說，要判斷它的世界觀會更困難。對于每個機器人獲得的每條新信息，新系統會根據它們的世界模型、它們對伙伴行為的預期、更有效地完成共同目標的可能性等，進行成本—效益分析。