一种用于量化和最小化机器人团队信息效用损失的新指标
分布式、并行与集群计算
2025-06-23 v1 机器人学
摘要
机器人团队成员之间信息的及时交换对于协作至关重要，但可能受限于有限的无线容量。无法及时传递信息可能导致估计误差，影响机器人之间的协作。本文提出了新的度量指标，称为信息效用损失（LoIU），用于量化信息的新鲜度和对协作的效用。该指标使机器人能够在带宽受限的情况下优先处理信息传输。我们还提出了使用信念分布估计LoIU的方案，据此优化机器人团队中设备到设备传输的传输调度和资源分配策略，以最小化时间平均LoIU。开发了半去中心化的多智能体深度确定性策略梯度框架，其中每个机器人作为负责调度其协作者之间传输的演员，同时由中心评论家定期评估和细化演员，以应对移动性和干扰。仿真结果验证了我们方法的有效性，显示与替代方法相比，信息新鲜度和效用提升了98%。
引用
@article{arxiv.2506.14237,
title = {A Novel Indicator for Quantifying and Minimizing Information Utility Loss of Robot Teams},
author = {Xiyu Zhao and Qimei Cui and Wei Ni and Quan Z. Sheng and Abbas Jamalipour and Guoshun Nan and Xiaofeng Tao and Ping Zhang},
journal= {arXiv preprint arXiv:2506.14237},
year = {2025}
}