大规模多机器人探索中基于混合整数线性规划的间歇性集合计划

具有通信约束的多机器人探索（MRE）系统已被证明在完成搜索与拯救、隐蔽和军事作业等各种任务方面高效。虽然一些作品专注于提高效率的机会方法，但另一些作品则集中于针对提高可解释性的预计划轨迹或调度。然而，调度通常需要事先了解环境，从而阻止在由于相关不确定性（例如 underwater 探索）而无法部署的多个领域。我们之前工作中提出了一种针对通信约束下的 MRE 的间歇性通信框架，使用调度的集合事件来缓解此类限制。然而，该系统无法生成最优计划，也没有机制考虑现实轨迹来遵循计划，这不适用于实际部署。在本工作中，我们进一步研究了以 Mixed-Integer Linear Program（MILP）形式构建的 MRE-CCIC（Multi-Robot Exploration with Communication Constraints and Intermittent Connectivity）问题。我们提出了一种 MILP 公式来生成集合计划，并提出一种基于未知情景下的集合跟踪（RRTUS）机制的跟随策略。RTUS 是一种允许机器人在考虑未知条件的情况下遵循分配计划的简单规则。最后，我们在 Gazebo 中的大规模环境中评估了该方法。结果表明，该方法能够及时遵循计划，高效完成任务。我们提供了该方法的开源实现，包括 MILP 计划生成器和大规模 MRE-CCIC。