面向集体感知的集体决策机制的演化

自主机器人群必须能够做出快速而准确的集体决策，但速度与精度已知为相互冲突的目标。尽管集体决策在群体机器人研究中被广泛探讨，但利用演化计算方法生成集体决策机制的工作寥寥无几。这些工作使用任务特定的适应度函数，以奖励相应集体决策任务的完成。然而，任务无关的奖励（例如预测误差最小化）或可促使多样且创新的解决方案涌现。我们使用奖励机器人正确意见的特定任务适应度函数、奖励预测精度的任务无关奖励，以及结合前两者的混合适应度函数，来演化集体决策机制。在仿真中，我们采用集体感知场景，即机器人须集体判定两种环境特征中哪一种更为频繁。我们表明演化在三种场景下均成功优化了适应度，但仅特定任务适应度函数与混合适应度函数导致了集体决策行为的涌现。在基准实验中，我们展示了演化出的决策机制相对于投票模型与多数规则的竞争力，并分析了决策机制随问题难度的可扩展性。