人工智能驅動的消防機器人在澳洲成功完成早期試驗，顯示它們能夠穿越障礙物並協同工作，安全滅火而不危及人員。此項目由 Cyborg Dynamics Engineering 主導，與 Griffith University 合作，並獲得昆士蘭國防科學聯盟的資助。團隊在模擬和混合模擬-實體測試中展示了該系統，使用無人地面車輛（UGV）與最多四個虛擬機器人隊友一起進行測試。在試驗中，UGV 能夠繞過障礙物，並與模擬的機器人協調，成功找到並滅火。該系統在導航和滅火的成功率達到 99.67%。
來自 Griffith University 資訊與通訊科技學院的首席調查員 Dr. Zhe Hou 表示，這些結果顯示出真實世界的潛力。他提到，多個實體和模擬的 UGV 通過結構化的三階段人工智能學習課程進行訓練，學會了執行低層次導航和高層次協作任務，這證實了我們的方法在實際案例研究中，如自動導航和消防的操作潛力。
團隊使用多智能體強化學習（MARL）技術建構該系統。簡單來說，多個 AI 驅動的代理在相互作用和環境中進行嘗試和錯誤地學習。研究人員設計了一個三階段的訓練課程，第一階段是一個機器人學習基本導航。接下來的階段涉及多個機器人穿越障礙物，最終階段則要求多個機器人協調滅火，面對複雜的環境障礙。
這些機器人能夠自我組織並自行分配任務，包括組成小隊處理不同的火災，這樣可以減輕人類操作者的認知負擔，並提高高風險情況下的安全性。Cyborg Dynamics Engineering 的總經理 Ryan Marple 表示，公司已在澳洲的礦場部署遠程控制的消防 UGV。他提到，這些單位由人類遠程控制，類似於遙控車，能有效將消防人員從危險情況中撤離，並保護高價值資產免受火災損失。
Marple 還表示，下一步是實現低層控制的自動化和協調的蜂群行為。他指出，這類車輛的未來——也是本研究的重點——是自動化低層控制及多代理的蜂群行為。這樣的自動化蜂群能在複雜情況下做出反應，而這是人類直接手動控制無法做到的。他補充說，基於傳感器的決策能比人類操作者監控屏幕的速度更快。通過從各種傳感器收集數據，這些系統能迅速做出決策，這是人類在屏幕前所無法實現的。
團隊計劃進一步完善其神經網絡，改善模擬到真實的轉移方法，以便在實地中可靠地應用模擬中所學到的技能。研究人員也在探索在其他自主系統中使用相同的人工智能框架，包括水下和空中載具，或不同機器人平台的混合隊伍。該研究發表於《人工智能工程應用》期刊中。
