通过消息效用估计降低去中心化多机器人团队的网络负载

我们的研究动机源于湖泊中藻类浓度的分位数估计，以及去中心化多机器人团队如何有效解决该问题。我们发现，在此任务中多机器人团队优于单机器人，而具备通信的团队进一步优于无通信团队；然而，真实机器人受资源约束，通信网络无法支持任意消息负载，这使得朴素、恒定的信息共享以及复杂的建模与决策均不可行。鉴于此，我们提出在线、可本地计算的指标，用于确定向其他团队成员传输某条给定消息的效用，并采用一种决策论方法，仅选择传输最有用的消息，该方法使用去中心化且独立的框架来维护对其他队友的信念。我们在真实世界水生数据集上通过仿真验证了我们的方法，结果表明，基于消息对未来队友行为的预期影响进行效用估计来限制通信，可使网络负载降低 42%，同时将分位数估计误差减少 1.84%。