超越成对比较：移动机器人模型的结构景观

理解移动机器人系统的计算能力是分布式计算中的一个根本性挑战。虽然先前的工作集中于模型之间的成对分离，但我们探讨了机器人能力、光观测性和调度器同步性如何以更复杂的方式相互作用。我们首先表明，指数时间扩展（ETE）问题仅在最强模型——完全同步机器人且具有完全互相灯（$\mathcal{LUMT}^F$）——中可解。随后，我们引入六边形边遍历（HET）和 TAR(d)* 问题，说明内部存储与灯与同步性之间的相互作用：在弱同步性下，内部存储alone insufficient，而完全同步性可以替代灯和存储。 在异步设置下，我们对 LP-MLCv、VEC 和 ZCC 等问题进行分类，以显示$\mathcal{FSTA}$ 与$\mathcal{FCOM}$ 机器人之间的细粒度分离。我们还分析了顶点遍历会遇（VTR）和离开地方收敛（LP-Cv），说明在对称设置下内部存储的局限性。这些结果扩展了已知的14个标准机器人模型的分离图谱，揭示了仅通过高阶比较才能看到的结构现象。我们的工作提供了新的不可行性标准，深化了对如何在可观察性、存储和同步性共同作用下塑造移动机器人计算能力的理解。