具有不完美传感器的极简群体感知

群体感知是 swarm robotics（群体机器人学）中的一个基础问题，其中群体必须就环境的一致表征达成共识。群体感知的一个重要变体将其视为 best-of-$n$ 决策过程，即群体必须从一组备选方案中识别出最可能的表征。以往关于该变体的工作主要集中于刻画不同算法在群体必须判定最频繁环境特征这一场景下如何权衡速度与精度。关键的是，以往关于 best-of-$n$ 决策的工作均假设机器人传感器是完美的（无噪声且无故障），这限制了这些算法的现实适用性。在本文中，我们从第一性原理出发，推导了一个适用于配备有缺陷传感器的极简群体机器人的最优概率框架。随后，我们在一个群体共同判定某环境特征频率的场景中验证了我们的方法。我们针对若干感兴趣的参数研究了决策过程的速度与精度。即便在存在严重感官噪声的情况下，我们的方法也能提供及时且准确的频率估计。