务进度、资源需求。
每个机器人都在用「蚁群算法」计算最优路径。
整个集群就像一群蚂蚁，虽然没有指挥官，但能高效完成复杂任务。
真实世界中，蚂蚁在寻找食物时会释放信息素，其他蚂蚁会跟随信息素浓度高的路径，从而逐渐找到从巢穴到食物的最短路径。
这个机器人集群也是异曲同工，让机器人在移动时留下虚拟的「信息素」，经过某个区域时，会在共享地图上标记「这条路最近」「这个区域资源丰富」等信息。
其他机器人根据这些信息调整自己的路径，整个集群就会自发形成最优的作业模式。
「测试极限情况。」
付晨在控制台上操作了几下，屏幕上，模拟系统突然「故障」了三个机器人，它们的图标变红，停止移动。
剩下的七个机器人立即感知到了变化。
它们暂停了半秒，似乎在「思考」，然后开始重新规划任务分配。
原本由故障机器人承担的工作，被自动分配给最近的机器人。
整个集群的作业效率虽然有所下降，但没有崩溃，并且迅速得到恢复。
「好。」付晨赞许地点头，「容错机制有效。」
「再加一个故障。」付晨又模拟了一个机器人失灵。
六个机器人再次自动调整。
「再加一个————」
一直加到只剩三个机器人时，集群终于无法完成任务了。
但即使是这三个，也没有放弃。
它们自动选择了优先级最高的任务继续执行，而不是茫然无措。
这是分布式智能的优势，没有单点故障。
只要还有一个能工作，它就会尽力执行任务。
测试持续了一整天。
到傍晚时，十个机器人已经在模拟场地上挖掘了约500吨模拟月壤，移动距离累计超过100公里，没有发生一次碰撞或冲突。
陆安看到报告很满意，MR—1型机器人通过第一阶段测试。
下一步是环境适应性测试，高温、低温、辐射。
辐射测试需要专门设施。
不过中科院那边已经准备好了，下个月会送几个样机过去。
时间来到6月6日。
陆安来到京城，带著最终成型的《月球工厂方案可行性研究报告》摆在最高决策层的会议桌上。
报告的核心结论是，技术可
本章未完，请点击下一页继续阅读！