狩猎者与采集者场景下互补多机器人团队的探索与协调

狩猎者与采集者方法应对动态多机器人任务分配问题，其中任务未知地分布于环境中。该方法采用两支互补的智能体团队：一支擅长探索（狩猎者），另一支擅长完成任务（采集者）。尽管我们此前的工作已从任务规划角度研究了该方法，但问题的多机器人探索与协调方面仍未被探究。本文提出一种基于“期望信息增益”创新概念的狩猎者多机器人探索算法，以分布式方式最小化任务完成的集体代价。此外，我们通过将利润边际新概念整合进期望信息增益概念，提出狩猎者与采集者间的协调方案。大量仿真结果的统计分析证实了所提算法在不同障碍物复杂度环境中所具功效。我们还表明，狩猎者与采集者间缺乏有效协调会显著损害规划的总体效能，尤其在含密集障碍与狭窄走廊的环境中。最后，统计证明每类智能体的总体工作负载被均等分配，确保所提方案不偏袒特定智能体且所有智能体在相似特征下表现类似。