一种用于分散式异步感知-动作-通信回路的可扩展多机器人框架
机器人学
2025-09-23 v2 人工智能
摘要
由于感知与通信能力有限，大型机器人群体在广阔环境中为达成共同全局目标而开展协作是一个具有挑战性的问题。机器人必须执行感知-动作-通信（PAC）回路——它们感知局部环境、与其他机器人通信并实时采取行动。分散式 PAC 系统中的一个基本挑战在于决定与邻近机器人通信何种信息，以及如何在利用邻居共享信息的同时采取行动。近来，这一问题已借助图神经网络（GNN）在诸如集群聚集与覆盖控制等应用中得到解决。尽管从概念上讲，GNN 策略是完全分散式的，但此类策略的评估与部署主要仍是集中式或受限分散式的。此外，现有框架假定感知与动作推断的顺序执行，这在现实应用中限制颇大。本文提出了一种用于机器人群体异步 PAC 的框架，其中利用分散式 GNN 计算导航动作并生成通信消息。特别地，我们使用聚合 GNN，其能够在机器人之间交换隐藏层信息以提升计算效率并实现动作的分散式推断。此外，框架中的各模块是异步的，允许机器人以不同频率执行感知、信息提取、通信、动作推断与控制执行。我们展示了在所提框架中执行的 GNN 在引导大型机器人群体协作覆盖广阔环境方面的有效性。
引用
@article{arxiv.2309.10164,
title = {A Scalable Multi-Robot Framework for Decentralized and Asynchronous Perception-Action-Communication Loops},
author = {Saurav Agarwal and Frederic Vatnsdal and Romina Garcia Camargo and Vijay Kumar and Alejandro Ribeiro},
journal= {arXiv preprint arXiv:2309.10164},
year = {2025}
}