面向自适应协作多机器人系统的 onboard 任务重规划

协作自主机器人系统在空间、空中、地面和海洋等领域具有执行复杂多任务使命的巨大潜力。但它们常在偏远、动态且危险的环境中运行，需要在不依赖脆弱或缓慢的中央计算通信链的情况下实现快速任务内适应。因此，快速的 onboard 重规划算法至关重要，以增强韧性。强化学习在以旅行推销员问题（TSP）形式建模任务规划时表现出强大的潜力，但现有方法：1) 不适用于重规划，因为代理人不一定从单一位置出发；2) 不允许代理人之间协作；3) 无法建模任务时长可变的情形；或4) 缺乏面向 onboard 部署的实际考虑。为此，我们定义了协作任务重规划问题作为多 TSP 的新变体，并针对克服上述问题，开发了一种基于图注意力网络和注意力模型的 encoder/decoder 模型。我们以协作无人机为简单示例，展示了该重规划器在 90% 的情况下均能维持对 state-of-the-art LKH3 启发式求解器性能的 10% 以内，同时在树莱派上运行速度快 85 倍至 370 倍。这一工作为增强自主多主体系统的韧性铺平了道路。