异质机器人系统的认知规划
摘要：异构多机器人系统（MRS）在搜索和救援或灾难救援等应用中能够为需要多种能力的复杂目标提供显著优势。然而，在这些应用空间中，通信往往不可靠，导致大多数MRS算法出现低效或完全失败的情况。许多研究人员通过要求所有机器人使用接近约束来维持通信或假设所有机器人将在长时间脱离连接的情况下执行预定计划来解决这个问题。后一种方法允许MRS实现更高的效率，但故障和环境不确定性可能在整个系统中产生连锁效应，特别是当任务目标复杂或时间敏感时。为了解决这个问题，我们提出了一个认知规划框架，允许机器人推理系统状态，利用异构系统构成，并优化向断开连接的邻居传播信息。动态认知逻辑形式化了信念状态的传播，使用信念状态进行效用预测和规划的混合整数规划实现了认知任务分配和流言。通过模拟和异构车辆的实验验证了所提出的框架。
作者：Lauren Bramblett and Nicola Bezzo
论文ID：2308.00579
分类：Robotics
分类简称：cs.RO
提交时间：2023-08-04