面向不可靠执行器的最优韧性规划模型

机器人在发生组件故障时应能够调整其行为，以在容量受限的情况下实现仍可实现的目标。我们在马尔可夫决策过程（MDP）框架内构建了规划带事先已知易故障执行器的问题。该模型捕捉了利用驱动的故障以及执行器故障的状态-动作相关概率，以实现对潜在损伤及其对贫瘦未来控制长期影响的推理。这导致行为与忽略故障的计划在质局上有所不同。随着执行器故障，可能出现的配置呈指数级增长。我们通过复用识别节省计算机资源的机会，利用不同配置导致 closely related problems 的观察。我们的研究结果表明，如何获得战略性解决方案，使机器人能够在发生故障时作出响应——例如，通过谨慎安排利用以保留关键执行器。