美国西南研究所(SwRI)通过主导美国国家航空航天局(NASA)的任务，如去往冥王星的新地平线号和去往木星的朱诺号飞行器的广泛研究，获得了世界性的瞩目。SwRI在燃料与能量效率、地理科学、涡轮机械和能源存储方面，也是领军人物。他们的工程师努力通过应用科学与技术使政府、工厂和大众受益。

问题：

图1基于智能体探索得到的合成地图

西南研究所(SwRI)的研究方向之一是自动驾驶系统。SwRI从2006年起开始研究自动驾驶系统，并为电动卡车、福特探索者、许多军事平台和各种无人驾驶飞行器（一般称为无人机）设计了系统。不管是用于侦察、搬运或仅仅是交通运输，这些自动系统都不再需要人类驾驶或控制。

但SwRI的工程师并不满足于此，他们不仅想解放驾驶员，也想解放控制中心。依照这种想法，车辆间将以分布式的方式进行通信，分享实时位置与环境情况，并根据信息为下一步行动作出决定。这项技术将最先被军方用于运输供给，排雷，侦察，以及许多其他出于安全的考量会用机器替代人类的领域。

要将这些系统应用到实际需要花费大量的时间和金钱，所以SwRI的工程师们决定使用仿真模型探索自动驾驶的可行性。

解决方案：

图2智能体状态图表

为了评估自动驾驶车辆的性能，并评估车辆之间的算法和任务共享，SwRI工程师决定建立一个基于智能体的AnyLogic模型，用于模拟在带有随机障碍物的封闭区域内车辆的运行情况。这是表示具有多功能的虚拟交互车辆最简单的方式，并可以使它们同时运行。

在这个区域内，需要发现障碍物、找到燃料箱并为燃料箱提供燃料。要想快速完成此任务，需要车辆互相合作并且共享环境信息。

所有车辆都配备了传感器，它不仅能够检测环境、收集信息，还可以与其他智能体共享信息。每辆车都被预设了特定行为：一些车辆只能识别燃料箱，一些只能检查燃料箱是否正在被使用，剩下的只能提供补给。

图1右侧，可以看到每辆车是如何进行探索、寻找障碍物的，在左侧是基于它们的探索得到的合成地图。所有智能体共享并利用这份组合地图。

为了给燃料箱加油，车辆不得不根据它们的功能及位置组成小队。类别包括搜索、识别分类和加油。当搜索车发现燃料箱时，它会送信给最近有补给功能的车辆。

在图2中，可以看到描述这一过程的智能体状态图表。

结果：

通过使用AnyLogic，SwRI的工程师测试了自动汽车在共同合作的网络中会怎样行动，且证实这样的合作网络可以应用到现实中。因此，研究人员可以用AnyLogic中的模型，开发算法解决相关问题，进行测试并在自动车辆上实现。比如，已经实现无人机与机器人的结合，用于侦察或安全巡逻。