机器群体的全分布式且具鲁棒性的源寻找出线

我们提出了一种自包含、具鲁棒性且全分布式的解决方案，用于定位未知标量场的最大值，方案中一群以恒定速度行驶的机器人。不同于依赖梯度信息的常规反应式方法，本文的方法使机器人群能够确定上升方向，从而以任意精度接近源点。我们的源寻出线解决方案由三个在缓慢-快速闭环系统中同时运行的分布式算法组成。最快的算法提供机器人相对于中心的坐标，下一个较慢的算法提供要跟踪的上升方向。对于单个积分器而言，跟踪上升方向是瞬时完成的；然而本文我们也关注以恒定速度行驶的二维单轴机器人。第三个算法是最慢的，因为机器人的速度可任意选择得很慢，是用于跟踪估计上升方向的单个控制法则。我们将证明，这三个分布式算法收敛于各自目标，使缓慢-快速闭环系统可行。机器人不受特定几何形状的约束，我们研究了离散分布和连续分布的机器人。群体形状分析揭示了我们方法的鲁棒性，如同机器群体预期的那样，即通过聚集机器人，可确保在缺失或位置错误的个体，甚至在机器人网络在两个或多个不相连子网中分裂的情况下，仍能实现源寻出线功能。我们利用这一分析，使群体能够适应未知环境，通过变形其形状在仍遵循上升方向的同时进行机动。我们将我们的解决方案分析为 n 维欧几里得空间中的运动学点，并推广到以恒定速度行驶的二维单轴机器人。