面向不完美机器人集群极简集体感知的自适应自校准

集体感知是集群机器人学中的一个基本问题，通常被表述为 best-of-$n$ 决策。过去的研究涉及具有完美感知能力的机器人或仅有少量故障机器人的情况。我们之前通过提出一种算法（此处称为极简集体感知 (MCP) [arxiv:2209.12858]）来解决这些限制，以便即使在整个集群的传感器严重受损时也能做出正确决策。然而，该算法假设传感器精度是已知的，这在现实中可能不可行。在本文中，我们消除这一假设以 (i) 研究估计性能的下降，并 (ii) 引入自适应传感器退化滤波器 (ASDF) 以缓解这种下降。我们将 MCP 算法与假设检验相结合，实现对机器人假定传感器精度的自适应自校准。我们在几个感兴趣的参数上验证了我们的方法。我们的研究结果表明，具有正确已知精度的集群的估计性能优于不知道其精度的集群。然而，ASDF 极大地缓解了损害，甚至达到了先验知晓其正确精度的机器人的性能水平。