考虑一项搜索和救援任务，以寻找在树林中迷路的徒步旅行者。救援人员可能希望部署一队轮式机器人在森林中漫游，或许可以借助从上方搜索现场的无人机。机器人团队的好处是显而易见的。但协调该团队并非易事。如何确保机器人不会在复杂的搜索轨迹上重复对方的工作或浪费精力?

麻省理工学院的研究人员开发了一种算法，可以协调机器人团队在复杂、不可预测的环境中执行地图绘制或搜救等任务的性能。图片来源：麻省理工学院 Jose-Luis Olivares

麻省理工学院的研究人员设计了一种算法来确保信息收集机器人团队的富有成效的合作。他们的方法依赖于平衡收集的数据和消耗的能量之间的权衡——这消除了机器人可能执行浪费性操作以获取少量信息的机会。研究人员表示，这种保证对于机器人团队在复杂、不可预测的环境中取得成功至关重要。“我们的方法提供了安慰，因为我们知道它不会失败，这要归功于算法在最坏情况下的性能，”麻省理工学院航空航天系 (AeroAstro) 的博士生 Xiaoyi Cai 说。

该研究将于 5 月在 IEEE 机器人与自动化国际会议上发表。蔡是该论文的主要作者。他的合著者包括麻省理工学院航空航天学 RC Maclaurin 教授 Jonathan How;宾夕法尼亚大学的 Brent Schlotfeldt 和 George J. Pappas;和加州大学圣地亚哥分校的尼古拉·阿塔纳索夫 (Nikolay Atanasov)。

机器人团队通常依赖于一个总体规则来收集信息：越多越好。“我们的假设是收集更多信息永远不会有什么坏处，”蔡说。“如果有一定的电池寿命，我们就用它来获得尽可能多的收益。” 这个目标通常是按顺序执行的——每个机器人都会评估情况并计划其轨迹，一个接一个。这是一个简单的过程，当信息是唯一的目标时，它通常运作良好。但是，当能源效率成为一个因素时，问题就会出现。

蔡说，收集额外信息的好处往往会随着时间的推移而减弱。例如，如果您已经有 99 张森林照片，那么派遣机器人进行一英里长的任务来捕捉第 100 张照片可能不值得。“我们希望认识到信息和能量之间的权衡，”蔡说。“让更多机器人四处走动并不总是好事。当您将能源成本考虑在内时，情况实际上可能会更糟。”

研究人员开发了一种机器人团队规划算法，可以优化能量和信息之间的平衡。该算法的“目标函数”决定了机器人提议任务的价值，它解释了收集额外信息带来的收益递减和能源成本上升的问题。与先前的规划方法不同，它不只是按顺序将任务分配给机器人。“这更像是一种协作努力，”蔡说。“机器人自己提出团队计划。”

Cai 的方法称为分布式局部搜索，是一种迭代方法，它通过在团队的整体计划中添加或删除单个机器人的轨迹来提高团队的绩效。首先，每个机器人独立生成一组它可能追求的潜在轨迹。接下来，每个机器人向团队的其他成员提出其轨迹。然后算法接受或拒绝每个人的提议，取决于它是增加还是减少团队的目标函数。“我们允许机器人自行规划轨迹，”蔡说。“只有当他们需要提出团队计划时，我们才让他们进行谈判。所以，这是一个相当分布式的计算。”

分布式本地搜索在计算机模拟中证明了它的勇气。研究人员在协调一个由 10 个机器人组成的模拟团队时，将他们的算法与竞争算法进行了对比。虽然分布式本地搜索花费的计算时间稍多，但它保证了机器人任务的成功完成，部分原因是确保没有团队成员陷入浪费性的探索中以获得最少的信息。“这是一种更昂贵的方法，”蔡说。“但我们获得了性能。”

俄勒冈州立大学机器人专家杰夫霍林格(Geoff Hollinger)没有参与这项研究，他表示，这一进步有朝一日可以帮助机器人团队解决能源是有限资源的现实世界信息收集问题。“这些技术适用于机器人团队需要在传感质量和能量消耗之间进行权衡的情况。这将包括空中监视和海洋监测。”

Cai 还指出了地图和搜救方面的潜在应用——这些活动依赖于高效的数据收集。“改进这种信息收集的基本能力将产生相当大的影响，”他说。研究人员接下来计划在实验室的机器人团队中测试他们的算法，包括无人机和轮式机器人的组合。