但是協調這個團隊並不是一件簡單的事情。如何確保機器人不會重復彼此的努力，或在錯綜復雜的搜索軌跡上浪費能量？
麻省理工學院的研究人員設計瞭一種算法，以確保收集信息的機器人團隊的合作富有成效。他們的方法依賴於平衡所收集的數據和所消耗的能量之間的權衡，這消除瞭機器人可能為瞭獲得一點點信息而浪費執行動作的機會。研究人員說，這種保證對於機器人團隊在復雜、不可預測的環境中取得成功至關重要。"麻省理工學院航空航天系（AeroAstro）的博士生Xiaoyi Cai說："我們的方法提供瞭安慰，因為我們知道它不會失敗，這得益於算法的最壞情況下的表現。
這項研究將在5月舉行的IEEE機器人和自動化國際會議上發表。Cai是該論文的主要作者。他的共同作者包括麻省理工學院R.C. Maclaurin航空和航天學教授Jonathan How；賓夕法尼亞大學的Brent Schlotfeldt和George J. Pappas；以及加利福尼亞大學聖地亞哥分校的Nikolay Atanasov。
機器人團隊經常依靠一個總體規則來收集信息。越多越好。Cai說："我們的假設是，收集更多的信息永遠不會有壞處。如果有一定的電池壽命，我們就用它來獲得盡可能多的信息。這一目標通常是按順序執行的--每個機器人各自評估情況並計劃其軌跡，一個接一個，形成一個簡單明瞭的程序，當信息是唯一的目標時，它通常運作良好，但當能源效率成為一個因素時，問題就出現瞭。收集額外信息的好處往往隨著時間的推移而減少。例如，如果你已經有99張森林的照片，可能不值得派一個機器人去拍攝第100張照片。"我們要認識到信息和能源之間的權衡，讓更多的機器人四處移動並不總是好事。當你考慮到能源成本時，它實際上可能會更糟。"
研究人員開發瞭一種機器人團隊規劃算法，優化瞭能量和信息之間的平衡。該算法的 "目標函數"決定瞭機器人所提出的任務的價值，它考慮到瞭收集額外信息的收益遞減和能源成本的上升。與之前的規劃方法不同，它並不隻是按順序給機器人分配任務。"這更像是一種協作努力，機器人自己想出瞭團隊計劃"。
Cai的方法稱為分佈式局部搜索，這是一種通過從團隊的整體計劃中增加或刪除單個機器人的軌跡來提高團隊性能的方法。首先，每個機器人獨立生成一組它可能追求的潛在軌跡。接下來，每個機器人向團隊的其他成員提出其軌跡。然後，該算法接受或拒絕每個人的建議，這取決於它是否增加或減少瞭團隊的目標函數。"我們允許機器人自己計劃他們的軌跡，"Cai說。"隻有當他們需要提出團隊計劃時，我們才讓他們進行協商。所以，這是一個相當分散的計算。"
分佈式本地搜索在計算機模擬中證明瞭它的威力。研究人員在協調一個由10個機器人組成的模擬團隊時，將他們的算法與競爭者的算法進行瞭對比。雖然分佈式本地搜索花費的計算時間略多，但它保證瞭機器人任務的成功完成，部分原因是它確保瞭沒有團隊成員為瞭最小的信息而陷入浪費的無盡探險中。
俄勒岡州立大學的機器人專傢傑夫-霍林格（Geoff Hollinger）表示，這項進展有朝一日可以幫助機器人團隊解決能源是有限資源的現實世界的信息收集問題，"這些技術適用於機器人團隊需要在傳感質量和能源消耗之間進行權衡的地方。這將包括空中監視和海洋監測"。
Cai還指出瞭在測繪和搜救方面的潛在應用--這些活動依賴於高效的數據收集。改善這種信息收集的基本能力將是相當有影響的。研究人員接下來計劃在實驗室的機器人團隊上測試他們的算法，包括無人機和輪式機器人的組合。
留言列表
