[论文解读] Centralization vs. decentralization in multi-robot sweep coverage with ground robots and UAVs

Aryo Jamshidpey, Mostafa Wahby+4 more|arXiv (Cornell University)|Aug 13, 2024

Optimization and Search Problems被引用 4

一句话总结

本文研究了在无人机（UAV）监督下，多机器人覆盖任务中集中式与去中心化控制之间的权衡。通过ARGoS仿真比较了四种控制方法——去中心化、混合式、集中式和预定路径——发现混合控制在保持强可扩展性和故障容错能力的同时，实现了接近集中式控制的性能；而在障碍物密集环境中，尽管能耗更高，集中式方法仍优于去中心化方法。

ABSTRACT

In swarm robotics, decentralized control is often proposed as a more scalable and fault-tolerant alternative to centralized control. However, centralized behaviors are often faster and more efficient than their decentralized counterparts. In any given application, the goals and constraints of the task being solved should guide the choice to use centralized control, decentralized control, or a combination of the two. Currently, the exact trade-offs that exist between centralization and decentralization are not well defined. In this paper, we compare the performance of centralization and decentralization in the example task of sweep coverage, across five different types of multi-robot control structures: random walk, decentralized with beacons, hybrid formation control using self-organizing hierarchy, centralized formation control, and predetermined. In all five approaches, the coverage task is completed by a group of ground robots. In each approach, except for the random walk, the ground robots are assisted by UAVs, acting as supervisors or beacons. We compare the approaches in terms of three performance metrics for which centralized approaches are expected to have an advantage -- coverage completeness, coverage uniformity, and sweep completion time -- and two metrics for which decentralized approaches are expected to have an advantage -- scalability (4, 8, or 16 ground robots) and fault tolerance (0%, 25%, 50%, or 75% ground robot failure).

研究动机与目标

• 系统评估集中化与去中心化在多机器人覆盖任务中的权衡。
• 评估无人机监督对地面机器人覆盖系统性能、可扩展性和故障容错能力的影响。
• 在覆盖完整度、均匀性、能耗和鲁棒性等指标上，比较四种控制策略——去中心化、混合式、集中式和预定路径。
• 确定在何种环境和运行条件下，集中式或去中心化控制更为有效。
• 评估无人机能量限制和机器人能效对系统整体性能和可行性的影响。

提出的方法

• 使用ARGoS物理仿真环境模拟大规模室外环境下的多机器人覆盖任务。
• 由地面机器人执行实际覆盖任务，而无人机作为移动监督者，提供全局感知和集中协调。
• 实现四种控制策略：完全去中心化（反应式）、混合式（MNS组型，由无人机协调）、集中式（全局规划）和预定路径（固定路径）。
• 通过改变无人机对全局信息的访问权限和协调控制权来对比控制策略，而地面机器人的能力保持不变。
• 通过覆盖完整度（已探索区域的比例）和覆盖均匀性（探索的空间分布）来衡量性能。
• 基于真实机器人规格分析能耗，特别是无人机飞行时间和地面机器人的能耗。

实验结果

研究问题

• RQ1 通过无人机监督提高集中化程度，如何影响多机器人系统的覆盖完整度和均匀性？
• RQ2 在随机障碍物环境中，去中心化控制是否如普遍假设的那样优于集中式控制？
• RQ3 混合控制在多大程度上实现了接近集中式控制的性能，同时保持了可扩展性和故障容错能力？
• RQ4 无人机与地面机器人之间能耗差异如何影响集中式控制策略的可行性和持续时间？
• RQ5 自主充电在实现大规模室外环境中高覆盖完整度方面起到什么作用？

主要发现

• 预定路径控制方法实现了最高的覆盖完整度和均匀性，证实了完全集中化的优势。
• 混合控制方法的性能显著优于预期，达到了最佳集中式方法90%以上的完整度。
• 尽管存在预期，完全去中心化控制在障碍物密集环境中表现欠佳，而集中式和混合式方法对随机障碍物表现出更强的鲁棒性。
• 即使单个机器人发生故障，混合控制仍保持了与完全去中心化控制相当的强可扩展性和故障容错能力。
• 无人机有限的飞行时间比其能量效率更具制约性，导致在无充电支持的情况下，长时间集中式运行不可行。
• 在集中式系统中，低效的地面机器人比低效的无人机构成更大的性能瓶颈，凸显了在大规模部署中进行能效感知的机器人选型和自主充电的重要性。