[论文解读] Cooperative Pollution Source Localization and Cleanup with a Bio-inspired Swarm Robot Aggregation

Arash Sadeghi Amjadi, Mohsen Raoufi+4 more|arXiv (Cornell University)|Jul 22, 2019

Insect Pheromone Research and Control参考文献 21被引用 5

一句话总结

本文提出一种受生物启发的群体机器人方法，用于协作定位和清理污染源，利用社会性昆虫启发的踪迹追踪与聚集行为。在模拟Mona机器人群体的实验中表明，增加群体规模和优化机器人速度可显著提升去污效率，验证了群体系统在危险环境中的可行性。

ABSTRACT

Using robots for exploration of extreme and hazardous environments has the potential to significantly improve human safety. For example, robotic solutions can be deployed to find the source of a chemical leakage and clean the contaminated area. This paper demonstrates a proof-of-concept bio-inspired exploration method using a swarm robotic system, which is based on a combination of two bio-inspired behaviours: aggregation, and pheromone tracking. The main idea of the work presented is to follow pheromone trails to find the source of a chemical leakage and then carry out a decontamination task by aggregating at the critical zone. Using experiments conducted by a simulated model of a Mona robot, we evaluate the effects of population size and robot speed on the ability of the swarm in a decontamination task. The results indicate the feasibility of deploying robotic swarms in an exploration and cleaning task in an extreme environment.

研究动机与目标

• 开发一种协作机器人系统，用于在危险环境中定位和清理化学污染源。
• 解决在极端或难以进入区域中高效定位污染源并实施去污的挑战。
• 利用受生物启发的行为——特别是踪迹追踪与聚集行为——实现稳健、去中心化的群体操作。
• 在仿真环境中评估群体规模与机器人速度对去污性能的影响。

提出的方法

• 该系统采用混合生物启发策略，结合踪迹追踪以实现污染源定位，以及聚集行为以在关键区域实现去污。
• 机器人模拟踪迹的沉积与检测，模仿蚂蚁觅食行为，以导航至污染源。
• 去中心化控制机制使每个机器人能够基于踪迹浓度和与其他机器人距离的本地信息做出决策。
• 在模拟环境中使用Mona机器人模型，测试不同群体规模与速度下的群体动力学。
• 对踪迹蒸发与扩散过程进行建模，以反映环境中真实化学羽流的扩散特性。
• 在定位污染源后，群体在污染源处聚集，通过协同存在实现集体去污。

实验结果

研究问题

• RQ1 机器人群体在基于踪迹的追踪下，多大程度上能有效定位化学污染源？
• RQ2 机器人群体规模对污染源定位与清理速度和准确度有何影响？
• RQ3 机器人速度如何影响踪迹路径的跟随效率及到达污染区域的时间？
• RQ4 去中心化、受生物启发的行为是否能在无集中控制的情况下实现可靠的污染源定位与去污？
• RQ5 在模拟的危险环境中，群体规模、机器人速度与整体去污性能之间存在何种权衡？

主要发现

• 更大的群体规模显著提升了污染源定位与清理的速度与可靠性。
• 最优机器人速度可增强踪迹路径的跟随能力，并缩短到达污染源的时间。
• 在多次仿真运行中，群体均能稳定聚集于污染源处，表明该生物启发策略具有鲁棒性。
• 该系统在模拟极端环境中表现出可行性，人类干预在此类环境中风险过高。
• 基于踪迹的导航即使在具有羽流扩散的复杂动态环境中，也能实现有效的污染源定位。
• 踪迹追踪与聚集行为的结合，相比非协作或非生物启发的方法，能实现更快的去污速度。