具有探索-利用平衡的群体机器人搜索去中心化信息路径规划

群体机器人搜索关注于使用大量协作的简单移动机器人在未知环境中搜索目标（例如搜索救援或危险定位）。在此类应用中，去中心化群体系统因其任务/覆盖可扩展性、时间效率和容错性而备受推崇。为引导此类群体系统的行为，有两大类方法可用，即受自然启发的群体启发式方法和多机器人搜索方法。然而，在这两类方法中，同时提供计算高效的可扩展性和对所展现行为的基本洞察（而非黑箱行为模型）仍然具有挑战性。在本文中，我们开发了批贝叶斯搜索方法的重要扩展，以应用于在物理 2D 空间中搜索的具身群体系统。主要贡献在于：1) 设计了一个采集函数，不仅在整个群体中平衡探索与利用，还允许对轨迹上的知识提取进行建模；以及 2) 开发其分布式实现，以允许群体机器人进行异步任务推断与路径规划。所得到的集体信息路径规划方法在具有不同复杂度的目标搜索案例研究中进行了测试，其中目标产生空间变化（可测量）的信号。与穷举搜索和随机游走基线相比，在任务完成效率方面观察到显著更优的性能，并且随着群体规模增大表现出良好的性能可扩展性。