面向异构机器人团队的最小违规时序逻辑规划：应对机器人技能故障

在本文中，我们考虑由具有异构技能（例如感知和操作）的机器人组成的团队，这些机器人被任务化为由线性时序逻辑（LTL）公式描述的协作任务。这些 LTL 编码的任务要求机器人按时序和逻辑顺序对特定区域和对象的技能进行操作。虽然现有的时序逻辑规划算法能够合成正确构成的计划，但通常缺乏对机器人技能意外故障的反应性，这可能损害任务性能。本文通过提出一种能适应部署期间意外故障的反应式 LTL 规划算法来解决这一挑战。具体而言，所提出的算法根据各机器人的功能技能重新分配子任务，并在新分配和确保任务完成之间进行局部计划修订。所提出算法的主要新颖之处在于，其能够处理由于功能机器人数量有限而使任务完成不可能的情况。相对于报告任务失败，算法 strategically 优先考虑最关键的子任务，并依据用户指定的优先级，对团队计划进行局部修订，以最小化任务违规。我们提供了该框架计算最小违规任务重新分配和团队计划的理论条件。我们提供了数值和硬件实验，以展示所提出方法的效率。