多机器人任务的鲁棒在线认知重规划
机器人学
2024-03-04 v1
摘要
随着多机器人系统（MRS）变得更加经济实惠且计算能力不断增强，它们在环境监测、水下检查或太空探索等复杂应用中提供了显著优势。然而，在这些应用领域中考虑潜在的通信丢失或通信基础设施不可用仍然是一个未解决的问题。许多适用的MRS研究假设系统可以通过邻近规则和编队控制来维持通信，或者通过设计一个框架来分离并坚持执行预定计划以应对长时间断开。后一种技术使MRS更高效，但故障和环境不确定性可能会在整个系统中产生连锁反应，特别是当任务目标复杂或对时间敏感时。为了解决这个问题，我们提出的框架包含两个主要阶段：i) 一个集中式规划器，通过奖励机器人之间的间歇性会合来分配任务，以减轻任务执行过程中意外事件的影响；ii) 一个分散式重规划方案，利用认知规划来形式化信念传播，并利用蒙特卡洛树搜索在分布式理性信念更新下进行策略优化。所提出的框架优于基线启发式方法，并通过仿真和飞行器实验进行了验证。
引用
@article{arxiv.2403.00641,
title = {Robust Online Epistemic Replanning of Multi-Robot Missions},
author = {Lauren Bramblett and Branko Miloradovic and Patrick Sherman and Alessandro V. Papadopoulos and Nicola Bezzo},
journal= {arXiv preprint arXiv:2403.00641},
year = {2024}
}