Проект направлен на развитие мультиагентных технологий для робототехники и распределённых вычислительных систем, включая задачи коллективного поведения мобильных агентов и децентрализованного управления в сетевых системах. В методологии проекта объединены мультиагентные технологии, методы статистической физики, исследования поведения сложных технических, энергетических, биологических и социальных систем, а также создание суррогатных моделей на основе машинного обучения. Проект рассчитан на три года (2025–2027) и включает три основных рабочих пакета: моделирование коллективной динамики мобильных роботов на основе биомиметических подходов, управление формациями автономных агентов и разработку суррогатных моделей для решения ресурсоёмких задач.
Преимущество предлагаемого подхода перед аналогами заключается в сочетании децентрализованного управления с биомиметическими алгоритмами, что обеспечивает высокую устойчивость, адаптивность и масштабируемость в условиях неопределённости и отказов отдельных элементов. Впервые предлагается комплексный подход, объединяющий систематический сбор новых экспериментальных данных о поведении биологических формаций, их формализацию в математические модели и последующий перенос этих закономерностей в робототехнические приложения с интеграцией суррогатного моделирования. В мировой практике подобный комплексный подход, охватывающий одновременно три направления — биомиметику, теорию управления мультиагентными системами и суррогатное моделирование — реализуется впервые.
Современное развитие робототехники, распределённой энергетики и интеллектуальных систем управления требует перехода от централизованных к децентрализованным, самоорганизующимся архитектурам. Мультиагентные технологии предлагают эффективный инструментарий для координации гетерогенных устройств в условиях неполной информации, отказов и динамически меняющейся среды — от роёв дронов и автономного транспорта до микросетей и логистических платформ. В условиях роста доли возобновляемой энергетики, увеличения объёмов данных и ужесточения требований к отказоустойчивости, способность агентов к локальному принятию решений и коллективной адаптации становится критически важной.
Особую значимость проект приобретает в контексте интеграции мультиагентного подхода с методами машинного обучения и суррогатным моделированием. Это позволяет решать ресурсоёмкие задачи механики, физики и инженерии в реальном времени, создавая гибкие вычислительные архитектуры для цифровых двойников и встраиваемых систем. Необходимость разработки устойчивых, масштабируемых и энергоэффективных решений, способных функционировать в слабо предсказуемых средах, определяет высокую актуальность проекта как для фундаментальной науки, так и для прикладных областей — от социально-информационных систем до промышленного интернета вещей.
Научная значимость проекта заключается в разработке фундаментальных основ мультиагентных технологий и методов организации децентрализованного взаимодействия, позволяющих агентам на основе локальных правил достигать согласованности и эффективно решать глобальные задачи при минимальном обмене информацией. Проект находится на пересечении математической теории управления, биомиметического моделирования, робототехники, теории сложных сетевых систем и современных подходов машинного обучения, что делает его междисциплинарным и открывающим новые горизонты для фундаментальных исследований в области самоорганизации и коллективного поведения. Новизна исследования обеспечивается комплексным подходом, объединяющим оригинальные биомиметические идеи, основанные на экспериментальных данных о поведении биологических формаций насекомых, с современными методами теории управления мультиагентными системами и суррогатного моделирования.
Практическая значимость проекта чрезвычайно широка: разработанные технологии могут применяться в мобильной робототехнике для координации роев дронов и наземных роботов при поисково-спасательных операциях, мониторинге территорий и сельскохозяйственных работах; в энергетике — для децентрализованного управления микросетями с возобновляемыми источниками и балансировки нагрузки; в транспорте и логистике — для координации автономных транспортных средств и оптимизации маршрутов. Результаты будут полезны инжиниринговым компаниям, разработчикам ПО для численного моделирования, энергетическим компаниям, владельцам цифровых платформ и образовательным учреждениям. Для обычных людей внедрение этих технологий обернётся повышением безопасности автономного транспорта, более надёжным энергоснабжением, оперативным реагированием спасательных служб и защитой от дезинформации в социальных сетях.
Конечными результатами проекта станут: методы организации коллективного взаимодействия агентов и анализа топологий взаимодействия на основе алгебраической теории графов; подходы к решению задач оптимизации в условиях существенных неопределённостей и к анализу устойчивости с синтезом стабилизирующих управлений; а также методология создания суррогатных моделей — аналогов классических численных схем, включая метод конечных элементов, на основе технологий машинного обучения. Ожидается публикация статей в международных и российских высокорейтинговых журналах, защита кандидатских и докторских диссертаций с использованием результатов проекта, разработка и внедрение в учебный процесс новых курсов.
Помимо публикаций и учебно-методических разработок, планируется создание экспериментальных стендов для этологических наблюдений за поведением муравьёв и для испытаний мобильных роботов, а также разработка программных комплексов для автоматизированного решения семейств задач механики и физики. Будут созданы алгоритмы машинного обучения для предсказания решения ресурсоёмких задач, пригодные для реализации на маломощных устройствах, и подходы для преодоления вычислительных сложностей в задачах с высокими скоростями деформации. Результаты проекта будут внедрены в образовательный процесс через подготовленные учебные курсы и опубликованы в ведущих научных изданиях.
