多机器人巡逻中的集体异常感知：受限交互可促进准确共识
机器人学
2024-09-23 v1
摘要
多机器人系统的一个重要实际应用是多机器人巡逻（MRP），其中机器人必须定期穿越某个区域。MRP的动机包括检测可能代表安全威胁的异常。虽然MRP算法在开发上显示出一定的成熟度，但一个关键潜在优势尚未被研究：利用对检测到的异常的集体感知来优化安全检查的位置顺序。这是因为个体层面检测异常的噪声可以通过群体层面关于异常是否真实存在的共识形成来补偿。本文研究了在增加通过局部成对通信和法定人数阈值达成环境感知共识的额外目标时，未修改的基于空闲度的巡逻算法的性能。我们发现，通常，促进机器人物理混合（以其涌现通信网络的更高连接性衡量）的MRP算法能更快达成共识。然而，当异常检测存在噪声时，适度的（受限的）连接性水平更可取，因为它减少了误报检测的传播（以群体层面的F分数衡量）。这些发现可以为用户选择MRP算法和未来算法开发提供参考。
引用
@article{arxiv.2312.12639,
title = {Collective Anomaly Perception During Multi-Robot Patrol: Constrained Interactions Can Promote Accurate Consensus},
author = {Zachary R. Madin and Jonathan Lawry and Edmund R. Hunt},
journal= {arXiv preprint arXiv:2312.12639},
year = {2024}
}