麻省理工学院的研究人员开发了一种算法，可以协调机器人团队在复杂、不可预测的环境中执行地图绘制或搜索救援等任务的性能。荣誉:麻省理工学院何塞-路易斯·奥利瓦雷斯有时候，一个机器人是不够的。考虑一个搜救任务，去寻找一个在森林里迷路的徒步旅行者。救援人员可能想部署一队机器人在森林里漫游，也许可以借助无人机从上方搜索现场。机器人团队的好处显而易见。但是组织这个团队并不简单。如何确保机器人不会重复彼此的努力或在复杂的搜索轨迹上浪费精力？
麻省理工学院的研究人员设计了一种算法，以确保信息收集机器人团队的有效合作。他们的方法依赖于在收集的数据和消耗的能量之间取得平衡——这消除了机器人执行浪费的操作来获取少量信息的可能性。研究人员表示，这一保证对于机器人团队在复杂、不可预测的环境中取得成功至关重要。麻省理工学院航空航天系(AeroAstro)的博士生蔡晓仪说:“我们的方法提供了安慰，因为我们知道它不会失败，这要归功于算法最差的性能。
这项研究将在5月的IEEE机器人和自动化国际会议上发表。蔡是该论文的主要作者。他的合著者包括麻省理工学院航空航天学教授乔纳森·豪；宾夕法尼亚大学的布伦特·施洛特菲尔德和乔治·j·帕帕斯；和圣地亚哥加州大学的尼古拉·阿塔纳索夫。
机器人团队经常依赖一个最重要的规则来收集信息:越多越好。“一直以来的假设是，收集更多的信息从来没有坏处，”蔡说。“如果有一定的续航时间，那就让我们利用这一切来获得尽可能多的收益。”这个目标通常是按顺序执行的——每个机器人一个接一个地评估情况并计划其行程。这是一个简单的过程，当信息是唯一的目标时，它通常运行良好。但是当能源效率成为一个因素时，问题就出现了。
蔡说，随着时间的推移，收集额外信息的好处往往会减少。例如，如果你已经有了99张森林的照片，可能不值得派一个机器人去执行长达数英里的任务来拍摄第100张照片。“我们希望认识到信息和能源之间的权衡，”蔡说。“让更多的机器人四处移动并不总是好事。如果考虑到能源成本，情况可能会更糟。”
研究人员开发了一种机器人团队规划算法，优化了能量和信息之间的平衡。该算法的“目标函数”决定了机器人建议任务的价值，解释了收集额外信息的收益递减和能源成本上升的原因。与以前的计划方法不同，它不只是按顺序给机器人分配任务。“这更多的是一种合作努力，”蔡说。"机器人自己提出团队计划."
蔡的方法被称为分布式局部搜索，是一种迭代方法，通过在团队的整体计划中添加或删除单个机器人的轨迹来提高团队的性能。首先，每个机器人独立地生成一组它可能追求的潜在轨迹。接下来，每个机器人向团队的其他成员提出自己的轨迹。然后算法接受或拒绝每个人的提议，这取决于它是增加还是减少团队的目标函数。“我们允许机器人自己规划它们的轨迹，”蔡说。“只有当他们需要拿出团队计划时，我们才让他们谈判。所以，这是一个相当分布式的计算。”
分布式局部搜索在计算机模拟中证明了它的勇气。研究人员在协调一个由10个机器人组成的模拟团队时，将他们的算法与竞争对手的算法进行了对比。虽然分布式本地搜索花费的计算时间稍多，但它保证了机器人任务的成功完成，部分原因是确保没有团队成员陷入浪费最少信息的探险。“这是一种更昂贵的方法，”蔡说。“但我们获得了性能。”
俄勒冈州立大学的机器人学家杰夫·霍林格没有参与这项研究，他说，这项进展有一天可能会帮助机器人团队解决能源有限的现实世界的信息收集问题。“这些技术适用于机器人团队需要在感知质量和能源消耗之间进行权衡的情况。这将包括空中监视和海洋监测。”
Cai还指出了在制图和搜索救援方面的潜在应用，这些活动依赖于有效的数据收集。“提高这种潜在的信息收集能力将会非常有效，”他说。研究人员下一步计划在实验室的机器人团队上测试他们的算法，包括无人机和轮式机器人的混合。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
