Enjambre flexible: de la persecución a la defensa sin reprogramación exprés

Original: "Capture, Shield, or Neutralize: Engagement-Aware Pursuit-Evasion"
arXiv:2607.10986 · 2026-07-13 · CC BY 4.0 · 1 min
Un nuevo algoritmo permite que un enjambre de robots pase instantáneamente de la persecución a la defensa con solo cambiar un par de números.

📄 Mostrando la versión "Simple" — "Avanzado" aún no está lista. Añádelo a favoritos para ayudar a priorizarla.

Una manada de lobos pasa en un segundo de perseguir a la presa a defender la guarida. Esa misma versatilidad han incorporado los ingenieros al algoritmo para el enjambre robótico. La clave está en un método propuesto por John von Neumann: los robots no persiguen al objetivo, sino que calculan sus futuros movimientos y bloquean las vías de escape, como batidores que cierran senderos. Paradójicamente, para atrapar al objetivo a menudo se ralentizan, lo que reduce la imprevisibilidad y hace la persecución inevitable.

Un guardián interno —un sencillo mecanismo— vigila que en el fragor de la caza nadie colisione. Cambiando unos parámetros numéricos, el enjambre fluye suavemente de la caza a una defensa impenetrable. No hace falta reprogramar: la manada se transforma sobre la marcha.

Dato sorprendente: esos mismos principios ya analizan el movimiento de multitudes; predicen aglomeraciones en estadios y abren salidas de emergencia con antelación.

Resumen original

tal como lo escribieron los autores, en inglés arXiv:2607.10986

This paper introduces a hierarchical control architecture for multi-agent adversarial environments, decoupling strategic task planning from rigorous safety assurance. The system formulates pursuit-evasion as a zero-sum receding-horizon game, solved via an iterative minimax \acl{mpc} scheme. This allows pursuers to anticipate and block evader trajectories using transverse velocity penalties rather than relying on reactive heuristic formations. To guarantee collision-free operation without compromising the convexity of the \acl{mpc}, a discrete-time \acl{cbf} operates as an inner-loop safety filter. Through simulated experiments, we demonstrate the framework's adaptability. By simply altering the weights of the shared zero-sum payoff and \acl{cbf} constraints, the swarm can fluidly switch from aggressive pursuit-evasion tactics to strict perimeter defense and area denial, demonstrating robust performance across varying rules of engagement without structural changes to the control logic. The source code is available: https://github.com/ananya-ac/pursuit-evasion-mpc-cbf.

Un enfoque similar se usa en los sistemas de conducción autónoma: los coches en un cruce 'negocian' quién pasa primero prediciendo las acciones de los demás.

En la serie 'Stargate SG-1', los replicadores forman un enjambre que se reconfigura al instante del ataque a la defensa, como una encarnación de este algoritmo.

Científicos
Ludwig BoltzmannJames Clerk MaxwellRudolf ClausiusJacob BekensteinStephen HawkingEdward Witten
Conceptos
teoría de juegos teoría del control automatización agente aprendizaje por refuerzo redundancia principio de mínima acción