针对敌对感知的多机器人协调

本文探讨了基于感知的多机器人协调系统在线抗敌对感知攻击的韧性。对该问题的系统性研究对于许多依赖学习感知模块测量值的安全关键机器人应用至关重要。我们考虑一小队四旋翼机器人，它们仅依赖惯性测量单元(IMO)和从学习的多任务感知模块(如目标检测)获取的视觉数据测量，以完成下游任务，包括相对定位和协调。我们聚焦于一类导致误分类、误定位和延迟的敌对感知攻击。我们提出，敌对误分类和误定位的影响可建模为下游任务的零星(间歇性)和虚假测量数据。为此，我们提出了一种针对含有敌对零星和虚假测量数据的数据驱动多机器人协调的韧性分析框架。该框架整合视觉-惯性 odometry(VIO)和学习感知模型的数据，以实现对抗性零星和虚假测量数据下的鲁棒相对定位和状态估计。该框架允许量化系统可观测性和稳定性的退化程度与敌对感知成功率之间的关系。最后，实验结果表明，我们的方法在多机器人平台上在资源受限的机器人平台上具有实际的应用价值。