集群系统中的集体智慧指的是当多个简单代理（如机器人、无人机或软件实体）进行局部交互以实现全局目标时，出现的紧急问题解决能力。与由单个控制器做出决策的集中式系统不同，集群系统依赖于分散的协调。每个代理都遵循基本规则，例如避免碰撞或与邻居对齐，它们的组合行为会产生复杂、自适应的结果。例如，蚂蚁通过留下信息素踪迹集体找到通往食物的最短路径，而单个蚂蚁只遵循简单的基于气味的规则。这种方法可很好地扩展，适应动态环境，并且即使某些代理失败也能保持稳健。
集群智能通过诸如信息素传递（通过环境的间接通信）、局部交互和自组织等机制工作。在技术系统中，开发人员通常使用粒子群优化 (PSO) 或蚁群优化 (ACO) 等算法对这些行为进行建模。例如，PSO 通过迭代调整候选位置（基于局部和全局最佳结果）来模拟鸟群以优化解决方案。同样，机器人集群可以使用接近传感器在房间内均匀分布，而无需中央地图。一个关键优势是冗余：失去一些代理不会削弱系统。这使得集群系统非常适合环境监测等任务，在这些任务中，部署数百个简单的传感器可以提供有弹性的覆盖，即使单个传感器出现故障也是如此。
现实世界的应用包括协调交通流量的自动驾驶汽车群、绘制灾区地图的无人机群以及管理工作负载的分布式计算系统。对于开发人员来说，实施集群系统需要设计平衡探索（尝试新策略）和利用（优化已知解决方案）的代理规则。挑战包括避免意外的紧急行为（例如代理陷入循环）以及管理集群增长时的通信开销。诸如机器人操作系统 (ROS) 或多代理仿真框架（例如 NetLogo）之类的工具可帮助原型化这些系统。通过专注于模块化、基于规则的代理设计，开发人员可以创建可扩展的自适应系统，这些系统可以利用集体智慧，而无需依赖复杂的中央控制。