异构 swarm 中探索-利用平衡的适配：追踪规避目标

在多机器人系统各类任务与场景中的使用日益受到关注。此类系统的主要吸引力在于灵活性、鲁棒性与可扩展性。一个常被忽视却颇具前景的特性是系统模块化，其提供了利用智能体专门化并支持系统级升级的可能。然而，改变智能体能力会改变最大化系统性能所需的探索-利用平衡。在此，我们在协作多机器人观测多移动目标 (Cooperative Multi-Robot Observation of Multiple Moving Targets) 框架下，研究 swarm 的异构性对其探索-利用平衡的影响，同时追踪多个快速移动的规避目标。为此，我们采用具有可调探索与利用水平的分散式搜索与追踪策略。通过间接调谐该平衡，我们首先确认了这两种关键竞争行为间存在最优平衡。接着，用更快的智能体替换较慢智能体，我们表明系统在未对原策略做任何修改的情况下即表现出性能提升。此外，由于更快智能体执行了额外量的利用，我们证明异构系统性能可通过降低智能体连接水平、以利于探索行动而进一步改善。进而，在研究 swarm 智能体密度影响时，我们表明加入更快智能体可抵消智能体总数减少，同时保持追踪性能水平。最后，我们探讨了利用差异化策略以发挥 swarm 异构特性优势所面临的挑战。