机器人如何相互信任以实现更好协作？一种基于相对需求熵的机器人间信任评估模型

多智能体与多机器人系统中的协作可帮助智能体构建各种队形、形状和模式，以呈现适应不同情况的相应功能与目的。智能体之间的关系（如空间邻近性与功能相似性）在智能体协作中起着关键作用。正如人类一样，智能体间的信任水平是评估其关系可靠性与稳定性的重要因素。本文提出一种称为相对需求熵（Relative Needs Entropy, RNE）的新模型来评估机器人智能体之间的信任。RNE衡量个体智能体或智能体群体之间需求分布的距离。为示例其效用，我们通过在包含两级难度任务的持续性城市搜索与救援任务中模拟异构多机器人分组任务，实现并演示了我们的信任模型。结果表明，与最先进的基于能量或基于距离的分组模型相比，基于RNE信任的机器人分组能在多样化任务执行中实现更好的性能与适应性。