超越鲁棒性：面向弹性多机器人系统的方法分类

鲁棒性对于工程、自动化乃至整个科学都至关重要。然而，鲁棒性这一性质往往以高昂要求为支撑，例如过度配置、已知的不确定性与预测模型，以及已知的对手。这些条件过于理想，通常难以满足。另一方面，弹性是指承受意外扰动、从负面事件中迅速恢复并回归正常的能力。在本综述文章中，我们分析了在智能体网络与多机器人系统中如何达成弹性——这类系统能够通过利用系统级的互补性、多样性与冗余来克服逆境，通常涉及机器人能力的重新配置以提供系统先验所不具备的关键能力。随着社会日益依赖互联自动化系统提供关键基础设施服务（如物流、运输与精准农业），提供实现弹性多机器人系统的手段至关重要。通过列举不具备弹性（脆弱）的系统之后果，我们认为弹性必须成为核心工程设计考量。为实现此目标，学界需厘清其定义、度量与维持方式。我们跨基础机器人领域（涵盖感知、控制、规划与学习）探讨这些问题。我们的关键贡献之一是一套形式化方法分类，这也有助于我们讨论弹性系统的决定因素与压力源。最后，本综述文章揭示了弹性可能的实现途径。重要的是，我们强调了为获取弹性机器人系统之益而尚待解决的开放问题。