策略性牺牲：面向巡检效率的自组织机器人群定位

机器人群在桥梁到空间站等多样化基础设施的巡检中展现巨大潜力。然而，有效巡检需要精准的机器人定位，这要求大量计算资源并限制了生产效率。受生物系统启发，我们提出一种新型协同定位机制，通过自组织牺牲将集体计算开销最小化。在此机制中，少数智能体承担定位的计算负担；通过局部交互，它们提升了整个机器人群的巡检效率。我们的方法能在动态交互与环境设定下，针对无约束轨迹自适应地最大化巡检效率。我们利用平均场分析模型、多智能体仿真以及对 3D 圆柱体进行巡检的金属攀爬机器人物理实验，验证了该方法的最优性与鲁棒性。