有时候，仅凭一个机器人是不够的。考虑进行一次搜救任务、寻找在树林中迷路的徒步旅行者。救援人员可能想部署一支轮式机器人小队漫游森林，也许可以借助无人机从上方搜寻场景。机器人团队的好处显而易见。但是，协调该团队绝非易事。如何确保机器人在重复的搜索轨迹上不会重复彼此的工作或浪费精力？

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卓有成效的合作。他们的方法依赖于在收集的数据和消耗的能量之间进行权衡，从而消除了机器人可能执行浪费性操作以仅获取少量信息的机会。研究人员说，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。

麻省理工学院航空与航天系（AeroAstro）的博士生Cai Xiaoyi表示：“由于算法的最坏情况，我们的方法能够提供舒适性，因为我们知道它不会失败。”

Cai是该论文的主要作者，这项研究将在5月的IEEE国际机器人与自动化会议上进行介绍。他的合著者包括麻省理工学院Maclaurin航空与航天学教授Jonathan How、宾夕法尼亚大学的Brent Schlotfeldt和George J. Pappas、加州大学圣地亚哥分校的Nikolay Atanasov。

机器人团队经常依靠一项总体规则来收集信息：越多越好。

Cai说：“人们一直认为收集更多信息永远不会有什么坏处，如果有一定的电池寿命，我们就用它来获得尽可能多的电量。”该目标通常是按顺序执行的-每个机器人都会逐一评估情况并规划其轨迹。这是一个简单的过程，通常在信息是唯一目标的情况下效果很好。但是，当能源效率成为一个因素时，就会出现问题。

Cai说，收集更多信息的好处通常会随着时间的流逝而减少。例如，如果您已经有99张森林的图片，那么可能不值得派出机器人进行长达一英里的任务以捕捉第100张。Cai说：“让更多的机器人四处走动并不总是一件好事。如果将能源成本考虑在内，实际上可能会更糟。我们希望认识到信息与能源之间的权衡。”

研究人员开发了一种机器人团队计划算法，可以优化能量和信息之间的平衡。该算法的“目标函数”决定了机器人提出的任务的价值，这说明了收集额外信息带来的收益减少以及能源成本不断上升的问题。与以前的计划方法不同，它不只是按顺序将任务分配给机器人。Cai说：“机器人会自己制定团队计划，这更多是协作的成果。” 

Cai的方法称为“分布式本地搜索”，它是一种迭代方法，可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绩效。首先，每个机器人独立地生成可能跟踪的一组潜在轨迹。接下来，每个机器人向团队其他成员提出其轨迹。然后，算法根据是增加还是减少团队的目标功能来接受或拒绝每个人的提议。

Cai说：“我们允许机器人自行计划其轨迹。只有当他们需要提出团队计划时，我们才让它们进行判断。因此，这是一个相当分散的计算。”

分布式本地搜索在计算机仿真中证明了自己的价值。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对手的算法进行对比。尽管“分布式本地搜索”花费了更多的计算时间，但它确保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对信息最少的浪费的考察中。Cai说：“这是一种更昂贵的方法。但同时我们也有所收获。”

俄勒冈州立大学的机器人专家Geoff Hollinger表示，这项进步有一天可以帮助机器人团队解决能源是一种有限资源的现实世界中的信息收集问题，这些技术适用于机器人团队需要在感测质量和能量消耗之间进行权衡的情况。那将包括空中监视和海洋监视。

Cai还指出了映射和搜索救援中的潜在应用程序，提高这种基本的信息收集能力将产生很大的影响，这依赖有效数据收集的活动。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，包括无人机和移动机器人。

*图片均来源于网络