[论文解读] Exploiting Heterogeneous Robotic Systems in Cooperative Missions

Nicola Bezzo, Joshua P. Hecker+3 more|arXiv (Cornell University)|Sep 3, 2015

Distributed Control Multi-Agent Systems参考文献 21被引用 3

一句话总结

本文提出了一种用于具有不同运动学、感知和通信能力的异构机器人团队的去中心化协调框架，以提升协作任务中的任务效率。通过整合功率控制以改善SINR以及受生物启发的觅食行为与空中-地面协同，该系统在物理实验中实现了资源收集速度两倍的提升，展示了在复杂环境中稳定的连接性和有效的任务专业化。

ABSTRACT

In this paper we consider the problem of coordinating robotic systems with different kinematics, sensing and vision capabilities to achieve certain mission goals. An approach that makes use of a heterogeneous team of agents has several advantages when cost, integration of capabilities, or large search areas need to be considered. A heterogeneous team allows for the robots to become "specialized", accomplish sub-goals more effectively, and thus increase the overall mission efficiency. Two main scenarios are considered in this work. In the first case study we exploit mobility to implement a power control algorithm that increases the Signal to Interference plus Noise Ratio (SINR) among certain members of the network. We create realistic sensing fields and manipulation by using the geometric properties of the sensor field-of-view and the manipulability metric, respectively. The control strategy for each agent of the heterogeneous system is governed by an artificial physics law that considers the different kinematics of the agents and the environment, in a decentralized fashion. Through simulation results we show that the network is able to stay connected at all times and covers the environment well. The second scenario studied in this paper is the biologically-inspired coordination of heterogeneous physical robotic systems. A team of ground rovers, designed to emulate desert seed-harvester ants, explore an experimental area using behaviors fine-tuned in simulation by a genetic algorithm. Our robots coordinate with a base station and collect clusters of resources scattered within the experimental space. We demonstrate experimentally that through coordination with an aerial vehicle, our ant-like ground robots are able to collect resources two times faster than without the use of heterogeneous coordination.

研究动机与目标

• 通过利用移动性、感知和通信等异构能力，提升协作机器人系统在任务中的效率。
• 通过去中心化控制和真实通信模型，在动态、部分已知环境中保持网络连接性。
• 通过根据机器人能力分配专用角色，提升搜索与覆盖性能。
• 通过仿真和物理实验验证该框架，特别是在受生物启发的觅食场景中。
• 证明异构协调显著优于同质或无协调方法在资源收集速度上的表现。

提出的方法

• 基于人工物理定律的去中心化控制策略，考虑个体智能体的运动学和环境约束。
• 功率控制算法，以最大化网络化智能体之间的信干噪比（SINR），提升通信可靠性。
• 在仿真中使用几何传感器视场模型和可操作性度量，指导感知与操作。
• 采用受生物启发的协调机制，使用iAnt地面机器人和AR.Drone四旋翼无人机，模拟收获蚁觅食行为。
• 通过Vicon系统实现地面真实轨迹追踪，中央服务器负责网络流量管理、虚拟信息素传输。
• 在物理部署前，通过遗传算法在仿真中调优地面机器人的行为。

实验结果

研究问题

• RQ1 具有不同运动学和感知能力的异构机器人团队，能否在协作探索过程中保持网络连接性？
• RQ2 基于人工物理定律的去中心化协调如何影响动态环境中的覆盖范围与连接性？
• RQ3 空中-地面协同在未测绘的复杂区域中，能在多大程度上提升资源收集速度？
• RQ4 如SINR优化等真实通信模型，能否提升移动机器人网络的性能？
• RQ5 将高层生物行为（如蚂蚁觅食）与物理机器人系统结合，能否提升任务成果？

主要发现

• 在仿真和物理实验中，异构机器人系统在整个任务过程中始终保持网络连接性，即使存在障碍物和动态移动。
• 功率控制算法成功提升了网络化智能体之间的SINR，确保了任务执行期间的可靠通信。
• 在物理实验中，地面机器人与AR.Drone协同团队的资源收集速率超过无协调团队的两倍。
• AR.Drone用于大范围、低分辨率扫描，显著加速了资源簇的发现，使速度较慢的地面机器人能更快响应。
• 系统表现出有效的任务专业化：无人机执行大范围搜索，地面机器人执行高分辨率感知与操作。
• 生物启发行为与物理协调的结合，使在大簇与小簇分布下，标签收集速率均实现两倍的显著提升。