弹性覆盖：探索局部到全局的权衡

我们提出一种集中式控制框架，从异构机器人池中选取合适机器人并将其置于适当位置以监测区域内感兴趣事件。在机器人发生故障的情况下，该框架在故障机器人的用户定义局部邻域内重新定位机器人，以补偿覆盖损失。当仅重新定位机器人无法达到用户指定的期望覆盖水平时，中央控制器从机器人池中补充额外机器人以增强团队。故障机器人周围局部邻域的大小与区域上期望的覆盖水平是两个可调控以实现用户指定平衡的目标。我们研究了通过局部重定位实现的覆盖补偿与规划新机器人位置所需计算量之间的权衡。我们还研究了在给定用户指定期望覆盖水平下，局部邻域大小与加入团队的额外机器人数量之间的关系。我们使用大量仿真及由七架四旋翼组成的团队实验来验证我们框架的有效性。此外，我们表明，要在具有大量机器人人口的邻域中达到高水平覆盖，扩大邻域规模比增加额外机器人并重新定位它们更为高效。