[论文解读] The Swarmathon: An Autonomous Swarm Robotics Competition

Sarah M. Ackerman, G. Matthew Fricke+8 more|arXiv (Cornell University)|May 21, 2018

Teaching and Learning Programming参考文献 20被引用 12

一句话总结

Swarmathon 是一项由美国国家航空航天局（NASA）支持的竞赛，旨在吸引来自少数族裔服务机构院校（MSIs）的大学生，开发用于火星原位资源利用（ISRU）的自主蜂群机器人算法。参赛队伍使用实体机器人或仿真环境，编程控制机器人蜂群在无全局地图的情况下定位、收集并运送资源至中心区域，显著提升了学生在科学、技术、工程和数学（STEM）领域的专业能力，并促进了STEM领域的多样性。

ABSTRACT

The Swarmathon is a swarm robotics programming challenge that engages college students from minority-serving institutions in NASA's Journey to Mars. Teams compete by programming a group of robots to search for, pick up, and drop off resources in a collection zone. The Swarmathon produces prototypes for robot swarms that would collect resources on the surface of Mars. Robots operate completely autonomously with no global map, and each team's algorithm must be sufficiently flexible to effectively find resources from a variety of unknown distributions. The Swarmathon includes Physical and Virtual Competitions. Physical competitors test their algorithms on robots they build at their schools; they then upload their code to run autonomously on identical robots during the three day competition in an outdoor arena at Kennedy Space Center. Virtual competitors complete an identical challenge in simulation. Participants mentor local teams to compete in a separate High School Division. In the first 2 years, over 1,100 students participated. 63% of students were from underrepresented ethnic and racial groups. Participants had significant gains in both interest and core robotic competencies that were equivalent across gender and racial groups, suggesting that the Swarmathon is effectively educating a diverse population of future roboticists.

研究动机与目标

• 吸引来自少数族裔服务机构院校（MSIs）的大学生参与与NASA火星之旅任务相契合的机器人科研实践。
• 解决在火星上使用去中心化、鲁棒的机器人蜂群而非大型昂贵火星车，实现自主资源采集的挑战。
• 创建一个包容性的教育平台，通过指导高中生至大学团队，弥合STEM人才发展链条。
• 评估该竞赛对学生在计算机科学与机器人领域学习成效、多样性及学习动机方面的影响。

提出的方法

• 各支队伍使用机器人操作系统（ROS）开发自主算法，以控制3至6台实体或仿真机器人组成的蜂群。
• 竞赛包含实体赛道与虚拟赛道：实体队伍在肯尼迪航天中心部署代码于相同型号的机器人上；虚拟队伍则在Gazebo中使用相同场景进行仿真。
• 机器人在无全局地图或GPS的条件下运行，依赖本地传感、定位（使用惯性测量单元IMU与扩展卡尔曼滤波EKF）以及去中心化协调，以寻找并运输资源。
• 竞赛分多轮进行，资源分布形式各异（均匀分布、聚集分布），以成功运送至收集区的资源数量作为成功指标。
• 设立高中组，由大学生导师指导，使用简化仿真环境，向年轻学生介绍蜂群机器人技术。
• 通过ABET计算机与工程教育标准，结合学生自评与教师评估，对学生的学习成效进行评估。

实验结果

研究问题

• RQ1 参与Swarmathon在多大程度上提升了学生在机器人与计算机科学领域的专业技术能力？
• RQ2 Swarmathon如何影响学生对STEM领域深造或职业发展的兴趣与动机，特别是对代表性不足群体的影响？
• RQ3 该竞赛是否消除了在学习成果方面基于性别或种族/民族的成就差距？
• RQ4 在环境分布未知且多变的条件下，最有效的自主蜂群资源采集算法是什么？
• RQ5 工程改进（如定位精度提升、机械臂抓取/释放设计优化）与算法创新相比，对性能提升的贡献如何？

主要发现

• 在前两个年度中，31支实体队伍中有29支、27支虚拟队伍中有20支成功上传代码并完成竞赛，显示出高度的技术参与度。
• 学生自评显示其在核心能力方面有显著提升：2017年ABET标准评分提升+0.59，且2017年较2016年提升更显著（p < 0.05），表明学习进展明显。
• 在种族、民族或性别方面，学习成果无统计学显著差异，表明该竞赛提供了公平的学习环境。
• 2017年实体竞赛冠军SIPI开发了一种受自行车轮启发的搜索策略，在所有资源分布条件下均优于其他队伍，展现出卓越的算法灵活性。
• 工程改进（如提升定位精度与资源抓取/投放效率）对得分的提升效果优于新型搜索算法，凸显软硬件一体化的重要性。
• 学生动机显著增强：对深造的兴趣提升+0.53，对STEM职业发展的动机提升+0.38，即使在原本高度积极的学生中亦有明显提升。