多机器人系统安全控制的学习：方法、验证与开放挑战

在本综述中，我们回顾了机器人多智能体系统（MAS）控制设计方法的最新进展，重点关注具有安全性考虑的基于学习的方法。我们首先回顾了各类安全性与活性属性概念，以及用于 MAS 问题建模的框架。随后我们对多机器人系统安全控制设计的基于学习的方法进行了全面回顾。我们从各类基于防护的方法开始，例如安全证书、预测滤波器和可达性工具。接着，我们回顾了集中式与分布式两种方式下控制障碍证书学习的现状，随后对多智能体强化学习进行了全面回顾，特别关注安全性。接下来，我们讨论用于基于学习的方法正确性的最先进验证工具。基于 MAS 学习与验证最先进方法的能力与局限，我们确定了若干广泛主题的开放挑战：如何设计能在取得良好性能的同时提供安全保证的方法；如何将基于单智能体的集中式方法分解用于 MAS；如何考虑与通信相关的实际问题；以及如何评估理论保证向实践的迁移。