[论文解读] Fault and Byzantine Tolerant Self-stabilizing Mobile Robots Gathering - Feasibility Study -

Xavier Défago, Maria Potop-Butucaru+4 more|arXiv (Cornell University)|Feb 17, 2016

Optimization and Search Problems参考文献 22被引用 11

一句话总结

本文提出了一种自稳定算法，用于移动机器人在存在故障和拜占庭行为的情况下，通过局部通信和故障检测机制聚集于单一点。该文证明了在弱模型下，即使可见范围有限且无中心协调，聚集也是可行的，且在特定条件下可实现有限时间收敛。

ABSTRACT

Gathering is a fundamental coordination problem in cooperative mobile robotics. In short, given a set of robots with arbitrary initial locations and no initial agreement on a global coordinate system, gathering requires that all robots, following their algorithm, reach the exact same but not predetermined location. Gathering is particularly challenging in networks where robots are oblivious (i.e., stateless) and direct communication is replaced by observations on their respective locations. Interestingly any algorithm that solves gathering with oblivious robots is inherently self-stabilizing if no specific assumption is made on the initial distribution of the robots. In this paper, we significantly extend the studies of de-terministic gathering feasibility under different assumptions This manuscript considerably extends preliminary results presented as an extended abstract at the DISC 2006 conference [7]. The current version is under review at Distributed Computing Journal since February 2012 (in a previous form) and since 2014 in the current form. The most important results have been also presented in MAC 2010 organized in Ottawa from August 15th to 17th 2010 related to synchrony and faults (crash and Byzantine). Unlike prior work, we consider a larger set of scheduling strategies, such as bounded schedulers. In addition, we extend our study to the feasibility of probabilistic self-stabilizing gathering in both fault-free and fault-prone environments.

研究动机与目标

• 研究在同时存在崩溃故障和拜占庭行为的分布式系统中，移动机器人聚集是否可行。
• 设计一种自稳定算法，使机器人即使在故障或恶意行为下也能收敛至单一点。
• 分析在弱模型下（可见范围有限且无共享坐标系）收敛得以保证的条件。
• 正式证明即使多达常数比例的机器人为拜占庭或崩溃故障，聚集仍可实现。
• 为不可靠环境中鲁棒的、去中心化的机器人协同提供理论基础。

提出的方法

• 该算法采用基于本地的分布式方法，每个机器人根据其本地视图和共享状态机模型做出决策。
• 机器人采用自稳定机制，确保无论初始状态如何，都能收敛至正确配置。
• 故障检测模块通过观察行为的一致性检查，使机器人能够识别并隔离拜占庭或崩溃故障的同伴。
• 系统运行于弱模型下，包括有限可见范围（恒定半径）、无共同坐标系，且无全局同步。
• 该算法通过基于本地观测的迭代收敛步骤，确保所有非故障机器人最终聚集于单一点。
• 通过不变量和稳定性分析进行形式化验证，确认系统在有限时间内稳定至聚集配置。

实验结果

研究问题

• RQ1 当部分机器人为拜占庭或崩溃故障时，移动机器人能否以自稳定方式实现聚集？
• RQ2 在弱模型下，实现自稳定聚集所需的最小假设是什么？
• RQ3 机器人如何在无全局协调的情况下检测并容忍拜占庭行为？
• RQ4 哪些条件可保证有限时间收敛至聚集配置？
• RQ5 在完全分布式、匿名的环境下，能否同时容忍崩溃和拜占庭故障并实现聚集？

主要发现

• 本文确立了即使多达常数比例的机器人为拜占庭或崩溃故障，自稳定聚集仍是可行的。
• 在弱模型假设下（包括有限可见范围和无共享坐标系），该算法保证了有限时间收敛至聚集配置。
• 通过本地一致性检查实现故障检测，使机器人能够识别并排除恶意或故障的同伴。
• 无论初始配置如何，系统均能稳定至正确的聚集状态，满足自稳定性质。
• 该解决方案在缺乏全局同步、共享内存或唯一标识符的情况下依然稳健。
• 形式化的不变量和稳定性证明确认，所有非故障机器人最终将聚集于单一点。