算法帮助机器人协作完成困难的任务

麻省理工学院的研究人员设计了一种算法，以确保信息收集机器人团队的有效合作。他们的方法依赖于在收集的数据和消耗的能量之间取得平衡，这就消除了机器人为了获得一点点信息而进行浪费的操作的机会。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，多亏了算法在最坏情况下的表现，”麻省理工学院航空航天系(AeroAstro)的博士生蔡晓毅(音译)说。

机器人团队在收集信息时经常依赖一个首要规则:越多越好。蔡说:“人们一直认为，收集更多的信息从来没有坏处。”“如果有一定的电池寿命，那就让我们尽最大可能地利用它。”这个目标通常是顺序执行的——每个机器人一个接一个地评估情况并计划自己的轨迹。这是一个简单的过程，当信息是唯一的目标时，它通常会工作得很好。但当能源效率成为一个因素时，问题就出现了。

蔡教授说，收集额外信息的好处往往会随着时间的推移而减少。例如，如果你已经有了99张森林的照片，那就不值得让机器人去完成长达数英里的任务去拍摄第100张。

“我们想要认识到信息和能源之间的权衡，”蔡说。“让更多的机器人四处活动并不总是好事。如果考虑到能源成本，情况可能会更糟。”

研究人员开发了一种机器人团队规划算法，以优化能量和信息之间的平衡。该算法的“目标函数”决定了机器人所提议任务的价值，这说明了收集额外信息的好处在减少，能源成本在上升。与之前的规划方法不同，它不只是按顺序分配任务给机器人。“这更多的是一种合作努力，”蔡说。“机器人会自己制定团队计划。”

蔡的方法被称为分布式局部搜索，是一种迭代方法，通过在团队的总体计划中添加或删除单个机器人的轨迹来提高团队的表现。首先，每个机器人独立地生成一组可能的轨迹。接下来，每个机器人向团队的其他成员提出自己的轨迹。然后算法接受或拒绝每个人的建议，这取决于它是增加还是减少团队的目标功能。

蔡说:“我们允许机器人自己规划自己的轨迹。”“只有当他们需要拿出团队计划时，我们才让他们谈判。所以，这是一个相当分布式的计算。”

分布式局部搜索在计算机模拟中证明了它的勇气。研究人员将他们的算法与竞争对手进行对比，以协调一个由10个机器人组成的模拟团队。虽然分布式局部搜索花费的计算时间稍微多一点，但它确保了机器人任务的成功完成，部分原因是确保了团队成员不会因为获取极少的信息而陷入浪费的探险。“这是一种更昂贵的方法，”蔡说。“但我们获得了业绩。”

俄勒冈州立大学(Oregon State University)的机器人专家杰夫·霍林格(Geoff Hollinger)表示，这项进展有一天可以帮助机器人团队解决能源是有限资源的现实世界的信息收集问题。霍林格没有参与这项研究。“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地方。这将包括空中监视和海洋监测。”

蔡还指出了在地图绘制和搜索救援方面的潜在应用——这些活动依赖于有效的数据收集。蔡说:“提高这种潜在的信息收集能力将会非常有影响。”研究人员下一步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。

- Chris Vavra编辑，网页内容经理，控制工程， CFE Media and Technology，cvavra@cfemedia.com．