[论文解读] Impact of Heterogeneity in Multi-Robot Systems on Collective Behaviors Studied Using a Search and Rescue Problem

Sanjay Sarma O, Ramviyas Parasuraman+1 more|arXiv (Cornell University)|Dec 8, 2020

Optimization and Search Problems参考文献 19被引用 4

一句话总结

本文通过建模搜索者与救援者之间功能重叠程度的异质性，研究了多机器人系统中异质性对搜救任务集体性能的影响。采用行为树（Behavior Trees）量化异质性，并在Unity中进行蒙特卡洛模拟。研究发现，异质性与救援效率呈正相关，但过度的功能重叠或高能力救援者会降低性能，表明需在系统效率最大化时达到最佳平衡。

ABSTRACT

Many species in nature demonstrate symbiotic relationships leading to emergent behaviors through cooperation, which are sometimes beyond the scope of the partnerships within the same species. These symbiotic relationships are classified as mutualism, commensalism, and parasitism based on the benefit levels involved. While these partnerships are ubiquitous in nature, it is imperative to understand the benefits of collective behaviors in designing heterogeneous multi-robot systems (HMRS). In this paper, we investigate the impact of heterogeneity on the performance of HMRS applied to a search and rescue problem. The groups consisting of searchers and rescuers, varied in the individual robot behaviors with multiple degrees of functionality overlap and group compositions, demonstrating various levels of heterogeneity. We propose a new technique to measure heterogeneity in the agents through the use of Behavior Trees and use it to obtain heterogeneity informatics from our Monte Carlo simulations. The results show a positive correlation between the group's heterogeneity measure and the rescue efficiency demonstrating benefits in most of the scenarios. However, we also see cases where heterogeneity may hamper the group's abilities pointing to the need for determining the optimal heterogeneity in group required to maximally benefit from HMRS in real-world applications.

研究动机与目标

• 研究异质性对城市搜救（USAR）中异质多机器人系统（HMRS）集体性能的影响。
• 提出一种基于行为树与状态-动作计划距离度量的新型多智能体系统功能异质性测量方法。
• 评估搜索者与救援者之间功能重叠程度的变化对搜救任务中系统级效率与成本的影响。
• 确定在真实HMRS部署中，能最大化救援效率并最小化成本的最优异质性水平。

提出的方法

• 作者建立了一个搜救场景，包含两类机器人：搜索者（定位目标）与救援者（回收目标），并调整其功能重叠程度。
• 基于表示每台机器人状态-动作计划的行为树，计算物种间距离，提出一种新的异质性度量方法。
• 在Unity游戏引擎中，对多种配置（不同搜索者与救援者比例）进行蒙特卡洛模拟。
• 采用时间常数与成本加权效率指标评估系统性能：$Efficiency = \frac{1}{\tau(c n_r + n_s)}$，其中$\tau$为平均时间常数，$c$为成本因子。
• 成本因子$c$根据功能差异进行校准，救援者成本高于搜索者。
• 在三种策略下运行模拟，比较不同异质性水平下，救援者能力与功能重叠差异对性能的影响。

实验结果

研究问题

• RQ1 增加搜索者与救援者之间的功能重叠，如何影响异质多机器人系统在搜救任务中的效率？
• RQ2 能否从行为表示（如行为树）中推导出异质性的定量度量，以预测系统级性能？
• RQ3 异质性水平与救援效率之间存在何种关系？是否存在具有最优值的单峰趋势？
• RQ4 机器人能力差异（尤其是救援者性能）如何影响团队构成中异质性的收益？

主要发现

• 在大多数场景中，观察到异质性度量与救援效率呈正相关，最佳性能出现在中等至高水平异质性时。
• 在场景3中（总人口固定为50），时间常数最低（回收最快）出现在人口比例分布的中心区域，对应更高的异质性。
• 在策略3中，救援者能力较低且成本接近搜索者，即使救援者为“盲援”（无目标感知能力），在高异质性下仍表现出更高效率，凸显了功能多样性的优势。
• 相比之下，策略1中救援者能力较高，当救援者被替换为搜索者时，效率下降，表明仅具备高能力并不能保证更好性能，若因此降低了功能多样性。
• 成本加权效率指标显示，低成成功能多样化的机器人系统，优于高成本、高能力救援者的系统，尤其在异质性平衡时表现更优。
• 结果表明，最优HMRS设计需平衡功能重叠与能力分布，过度重叠或某一类机器人能力过剩，均会削弱系统整体效益。