[论文解读] COME TOGETHER: Multi-Agent Geometric Consensus (Gathering, Rendezvous, Clustering, Aggregation)

Ariel Barel, Rotem Manor+1 more|arXiv (Cornell University)|Feb 4, 2019

Mobile Agent-Based Network Management被引用 6

一句话总结

本文全面综述了八类涉及聚集、会合、聚类和聚合的多智能体几何一致性问题，采用相同、匿名、无记忆的智能体，其感知与运动模型各不相同。在多种条件下，系统实现了有限期望时间收敛至有界聚集区域，尤其通过代理体构型演化的概率分析，证明了仅基于方位感知且具有有限视野时的收敛性。

ABSTRACT

This report surveys results on distributed systems comprising mobile agents that are identical and anonymous, oblivious and interact solely by adjusting their motion according to the relative location of their neighbours. The agents are assumed capable of sensing the presence of other agents within a given sensing range and able to implement rules of motion based on full or partial information on the geometric constellation of their neighbouring agents. Eight different problems that cover assumptions of finite vs infinite sensing range, direction and distance vs direction only sensing and discrete vs continuous motion, are analyzed in the context of geometric consensus, clustering or gathering tasks.

研究动机与目标

• 分析并统一在不同感知与运动约束下多智能体几何一致性的分布式算法。
• 解决在无集中控制、通信或记忆的情况下实现群体凝聚的根本挑战。
• 弥合控制理论与计算机科学方法在多智能体聚集问题上的差距。
• 为仅具有方位感知且视野有限的系统提供严格的收敛性证明，此类系统此前缺乏相关分析。

提出的方法

• 根据感知范围（有限/无限）、感知类型（位置/距离 vs. 仅方位）以及运动时间（连续/离散）对八类不同问题变体进行分类。
• 提出连续时间与离散时间动力系统（S1–S8），根据相对邻居配置更新智能体位置。
• 使用类似李雅普诺夫的函数 𝒟(P) 衡量智能体的分散程度，并证明在概率运动规则下其期望随时间减少。
• 应用概率分析表明，系统可在有限期望时间内达到完全连通且有界的聚集区域。
• 引入一个最小允许移动区域（AR_i），以保持视野并确保收敛。
• 利用几何约束与概率边界（δρ）推导收敛速率与有限时间期望。

实验结果

研究问题

• RQ1 在何种条件下，相同、匿名、无记忆的智能体可仅通过局部感知与运动实现几何一致性？
• RQ2 具有有限视野且仅使用方位感知的系统能否在有限期望时间内收敛至有界聚集区域？
• RQ3 选择位置感知与仅方位感知如何影响收敛速度与系统鲁棒性？
• RQ4 现有收敛性分析的局限性是什么，特别是针对感知受限的离散时间系统？
• RQ5 计算机科学中的几何与算法方法与控制理论方法在解决多智能体聚集问题时有何异同？

主要发现

• 系统 𝒮₇（连续时间、有限视野、仅方位感知）通过构型演化概率分析，证明可在有限期望时间内实现向有界区域的聚集。
• 聚集所需的期望步数被限制在 M / (δρ)^M 以内，其中 M 为达到完全连通状态所需的步数。
• 一旦形成完全连通的构型，系统将保持完全连通，从而确保持续聚集。
• 戈登方法（𝒮₈）中的允许移动区域小于安多方法，因其缺乏距离测量，导致收敛速度减慢。
• 分析揭示了控制理论方法（使用李雅普诺夫函数）与几何-算法方法（使用概率与几何工具）之间存在显著差距。
• 该综述指出，当前文献中缺乏用于估计收敛速度与最终聚集簇大小的工具，是主要局限。