最小化多机器人持续监测的最坏情况加权延迟：理论与基于强化学习的求解方法
机器人学
2026-05-12 v1 系统与控制
系统与控制
摘要
我们研究加权图上的多机器人持续监测问题，其中节点权重编码监测优先级，边权重编码移动距离。目标是设计联合机器人轨迹，以最小化无限时间视界内所有节点的最坏情况加权延迟。广泛采用的最坏情况延迟目标在整个时间视界上评估团队性能，因此可能无法区分具有较差瞬态行为但具有强渐近性能的策略。为解决这一局限性，我们提出了一类尾部性能目标，推广了标准目标，并研究了由此产生的泛函优化问题。我们建立了几个关键的理论性质，包括最优策略的存在性、所提出目标及其对应优化问题之间的关系、通过周期性解的任意精度逼近，以及向具有离散等待时间的事件驱动决策模型的归约。基于这些结果，我们构建了一个等价的事件驱动 Markov 决策过程 (MDP)，称为尾部最坏情况延迟优化 Markov 决策过程 (TWLO-MDP)，将尾部性能目标重新表述为标准的平均奖励准则。随后，我们开发了基于强化学习的 TWLO-MDP 求解方法，并引入了多机器人监测基准 (M2Bench)，这是一个支持评估和比较启发式与基于学习的监测算法的统一平台。在合成和真实监测场景上的实验表明，我们的方法有效降低了最坏情况加权延迟，并优于代表性基线。
引用
@article{arxiv.2605.09633,
title = {Minimizing Worst-Case Weighted Latency for Multi-Robot Persistent Monitoring: Theory and RL-Based Solutions},
author = {Weizhen Wang and Ziheng Wang and Jianping He and Xinping Guan and Xiaoming Duan},
journal= {arXiv preprint arXiv:2605.09633},
year = {2026}
}