Credit: Salam & Hsieh。由多个机器人组成的团队可以帮助解决许多复杂的现实问题，例如，在搜索和救援任务中协助人类特工，监测环境或评估自然灾害造成的损害。在过去的几年里，多机器人系统已被证明对解决涉及空间或时间分布的问题特别有用(即，允许代理覆盖很大的距离或随着时间的推移监控过程)。宾夕法尼亚大学GRASP实验室的研究人员最近开发了一个框架，允许机器人团队随着时间的推移对环境过程进行建模。这一框架发表在arXiv上的一篇论文中，可以使用多机器人系统来预测复杂、动态和非线性现象的演变，如森林火灾、昆虫侵扰或污染物扩散。
Tahiya Salam和M. Ani Hsieh在他们的论文中写道:“我们提出了一种耦合策略，其中一种类型的机器人在慢时间尺度上收集高保真度测量值，而另一种类型的机器人在快时间尺度上收集低保真度测量值，目的是将测量值融合在一起。
研究人员开发的框架需要使用两组具有不同运动模式和传感能力的机器人(例如空中、地面和海洋机器人)。由于一些环境过程可能是复杂和多维的，这些机器人团队可以探索不同的维度并收集不同的测量值。
研究人员的框架融合了由两个不同的机器人团队收集的测量数据，创建了一个复杂的非线性时空过程模型。然后，该模型可用于识别移动机器人的最佳传感位置，并预测环境过程将如何随着时间的推移而展开或演变。
研究人员在论文中写道:“提出的框架允许数据中明显的时间和空间模式解耦。“然后，这种解耦被用于各种类型机器人的任务分配框架中。这种方法不是依赖于异构机器人框架通常使用的标准任务特征分配方法，而是利用机器人的独特优势来共同完成任务。”
萨拉姆和谢长廷在一系列混合现实实验中评估了他们的框架。首先，他们评估了它预测人造等离子云演化的能力。为此，他们创造了一个模拟环境，在地球附近复制等离子云。然后，他们将四个海洋机器人和两个空中飞行器引入模拟环境，这些机器人被认为收集了与云的演化相关的不同测量和估计。
研究人员利用他们的框架创建了一个模型，该模型结合了模拟飞行器和海上飞行器收集的测量数据。然后，他们将这个模型的预测与基于一种类型的机器人收集的测量结果进行了比较。
研究人员在他们的论文中写道:“最初，所提出的异构方法的性能相当于仅使用同构的海上交通工具数据。来自飞行器的均匀数据是有噪声的，并且以比真实过程低得多的空间分辨率收集。随着过程变得越来越复杂，包含多种类型的数据使得所提出的方法优于其他任何一种估计。”
为了进一步评估其性能，研究人员评估了他们的框架对投射到真实水箱中的不同人造等离子云密度进行建模的能力。在这个实验中，他们使用三个真实的微型自主地面飞行器(mASV)、一个模拟MASv和两个模拟飞行器收集测量结果。
总的来说，萨拉姆和谢长廷进行的测试突出了融合不同类型机器人收集的测量数据来模拟复杂环境过程的优势，而不是使用单一类型机器人收集的测量数据。未来，他们的框架可以让科学家构建不同环境的统一地图或模型，例如，使用空中和海洋机器人来联合绘制温度或洋流等因素的地图。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
