不靠 5G 也不用衛星！美研究揭量子糾纏能打造「零資料交換」的機器人機群
在野火、災區或戰場等極端環境中，無人機群與機器人車隊面臨著共同的致命傷：通訊中斷。一旦失去連線，多代理 AI 系統便無法交換資訊，導致協同決策癱瘓。長期以來，工程界始終苦無對策，無法讓系統在「零資料交換」下維持協作。
近期，美國維吉尼亞理工學院（Virginia Tech）研究團隊提出了一項跳脫傳統通訊思維的新方法，嘗試以「量子糾纏」取代電纜、無線電波或衛星等傳統通訊傳輸，讓 AI 系統即使在「完全無訊號」的狀態下，仍然能彼此協調行動。
不傳訊號也能協作？量子力學的超距作用
研究團隊指出，在分散式多代理強化學習（Multi-Agent Reinforcement Learning，MARL）環境中，協作是一項關鍵挑戰。這類去中心化系統的學習框架，往往面臨兩難：既需要代理間的明確協調以提升效益，又必須降低共享龐大觀測數據所帶來的通訊與運算負擔。
為突破這項限制，研究人員轉向量子物理中最具顛覆性的現象之一：量子糾纏。當兩個量子位元（qubit）處於糾纏狀態時，其中一方的狀態變化，會立即反映在另一方，即便彼此相隔甚遠，且不需要任何訊號在空間中傳遞。
eQMARL 架構：用狀態改變取代數據傳輸
基於這個概念，研究團隊提出名為 eQMARL（Entangled Quantum Multi-Agent Reinforcement Learning）的新框架。其核心想法是，讓每個 AI 代理各自持有彼此糾纏的量子位元，當代理與環境互動、做出決策時，這些行為會改變本地的量子狀態，並同步影響其他代理手中的糾纏量子位元。
關鍵在於，系統不需要知道「哪些資訊」被改變，只要偵測到「狀態發生變化」，就能推斷整體系統的行動方向。研究作者之一 Alexander DeRieux 表示，這是一種利用變化本身進行學習的機制，而非仰賴具體資料交換。
根據該研究，在模擬實驗中，eQMARL 在通訊受限甚至完全中斷的情境下，表現明顯優於傳統多代理 AI 方法，也勝過未使用量子糾纏的量子學習基線模型。
應用潛力：從救災到抗干擾軍用系統
研究認為，這套架構在理論上可應用於多種高風險場景，例如野火救援的無人機群、地震後搜尋瓦礫的機器人隊伍，甚至是需要高度抗干擾能力的軍事自主系統。由於整個過程不依賴網路或衛星通訊，也被視為一種高度安全、難以被攔截的協同機制。
不過，研究團隊也坦言，這項技術距離實際落地仍有不小距離。首先，大規模、長時間維持穩定量子糾纏，目前仍高度依賴實驗室等級設備；其次，量子硬體在體積、耐用度與成本上，都尚未達到可部署於無人機或行動機器人的程度。
DeRieux 預估，若要看到這類技術真正應用於災害應變或實地部署，恐怕還需要 10 到 15 年的時間。接下來，研究團隊將持續完善數學模型，並在更貼近現實條件的模擬環境中進行測試，等待量子技術本身的成熟。
立即報名 1/10【2026 AI 人才年會】，聽簡立峰、台積電、NVIDIA 等重磅講者剖析與 AI 協作成為超級人才的關鍵戰略！
＊本文開放合作夥伴轉載，資料來源：《Interesting Engineering》、arXiv，首圖來源：Unsplash