受预算限制的分布式多机器人在线抽样

在多机器人信息路径规划中，问题在于为每台机器人找到一条路线，以访问一组位置，这些位置可以提供最有用的数据来重建未知标量场。在预算版本中，每台机器人都受旅行预算限制，限制其可行行驶距离。我们关注的问题灵感来自精密农业，机器人用于收集测量，以估计领域相关的标量参数，如土壤湿度或硝酸盐浓度。本文提出一种基于蒙特卡洛树搜索（MCTS）的在线分布式多机器人抽样算法，其中每台机器人通过与其他机器人通信并考虑其剩余预算，迭代选择下一个抽样位置。我们针对不同队伍规模和不同环境评估了所提方法，并与四种不同基线方法进行比较。我们的实验表明，在预算紧张时，我们的解决方案通过收集测量数据，实现了更小的重建误差。