Ключевым открытием стало то, что рыбы для координации движений используют исключительно информацию о положении соседей, а не об их скорости. Этот простой принцип регулирования поведения оказался на удивление эффективным. По словам ведущего автора исследования, Лян Ли из Университета Констанц, «мы были удивлены тем, как мало информации нужно рыбам для эффективной координации движений в стае».

Для проверки надёжности полученного алгоритма был проведён своеобразный «тест Тьюринга» для рыб. В нём реальная рыба взаимодействовала с виртуальной особью, которая попеременно управлялась либо реальным поведением другой рыбы, либо разработанным алгоритмом. Результаты показали, что реальная рыба не могла отличить виртуального партнёра, управляемого алгоритмом, от реальной рыбы.

Далее алгоритм, вдохновлённый поведением рыб, был протестирован на роях роботов — автомобилях, дронах и лодках. Роботы должны были следовать за движущейся целью, используя либо новый алгоритм, либо стандартный метод управления, применяемый в автономных транспортных средствах, известный как Model Predictive Controller (MPC). В ходе испытаний алгоритм, основанный на поведении рыб, показал результаты, сопоставимые с MPC по точности и энергопотреблению, но при этом оказался значительно проще в реализации.

Оливер Дойссен, профессор компьютерных наук Университета Констанц, подчеркнул, что «работа демонстрирует взаимосвязь между робототехникой и биологией — использование робототехники для изучения биологических механизмов, которые, в свою очередь, могут вдохновить новые и эффективные стратегии управления роботами».

Результаты исследования открывают широкие перспективы для создания более эффективных и адаптивных роевых систем, которые могут быть использованы в самых разных областях — от управления трафиком и поисково-спасательных операций до координации автономных автомобилей и управления дронами для доставки. В будущем подобные алгоритмы могут лечь в основу систем управления сложными взаимодействиями в сетях роботов.